[论文解读] Misere quotients for impartial games: Supplementary material

Thane Plambeck, Aaron N. Siegel|arXiv (Cornell University)|May 16, 2007

Artificial Intelligence in Games参考文献 2被引用 4

一句话总结

本附录材料详细阐述了在无偏八进制游戏中使用无偏商和假装函数进行荒谬玩法的计算方法与解决方案。它提出了一种优化的重新校准算法，通过迭代细化商幺半群，高效计算荒谬游戏结果，利用字典序最小失败分析和 mex 插值确保算法终止与正确性，从而实现对 0.115、0.152 和 0.77 等基于堆的游戏中快速计算结果。

ABSTRACT

We provide supplementary appendices to the paper Misere quotients for impartial games. These include detailed solutions to many of the octal games discussed in the paper, and descriptions of the algorithms used to compute most of our solutions.

研究动机与目标

• 为最多四位数的野生与驯化八进制游戏提供荒谬玩法的详细计算解决方案。
• 开发并记录计算无偏游戏中荒谬商与假装函数的高效算法。
• 通过利用 mex 插值与下界检查，优化堆游戏的重新校准过程，避免完整重新计算。
• 通过基于字典序最小失败的商幺半群递归细化，确保算法终止与正确性。
• 利用预计算的 mex 极大集合与转移代数反链，实现游戏结果的快速计算。

提出的方法

• 重新校准算法通过在生成元子集上扩展商幺半群，以减少计算开销，使用因子映射保持一致性。
• 通过将生成元分配给 $\mathscr{J}$ 并为非 $\mathscr{J}$ 元素扩展恒等元组，构建二分幺半群 $(\mathcal{Q}^*, \mathcal{P}^*)$。
• 结果集 $\mathcal{P}^*$ 基于选项结果递归定义，假设先前评估结果正确。
• 对 $(\mathcal{Q}^*, \mathcal{P}^*)$ 的约化产生新的商 $(\mathcal{Q}', \mathcal{P}')$ 及其对应的因子映射 $\Phi'$。
• 使用 mex 插值跳过完整重新校准：若 $\mathcal{E} = \Phi''H_{n+1}$ 落在 $\mathcal{M}_x$ 内且存在下界 $(x, \mathcal{D})$，则直接赋值 $\Phi(H_{n+1}) = x$。
• 当插值失败时，调用完整重新校准过程，并更新转移代数 $T_n$ 的下界反链。

实验结果

研究问题

• RQ1 如何使复杂或大规模堆游戏的荒谬商计算更加高效？
• RQ2 荒谬游戏分析中重新校准过程的终止条件是什么？
• RQ3 mex 插值是否可在许多情况下避免完整重新校准？
• RQ4 对生成元集合 $\mathscr{J}$ 的子集扩展如何在不牺牲正确性的情况下提升性能？
• RQ5 字典序最小失败在引导迭代商细化中的作用是什么？

主要发现

• 重新校准定理保证每一步重新校准都减少字典序最小失败，确保向收敛稳步推进。
• 终止定理证明重新校准序列在有限步后稳定于正确的荒谬商。
• mex 插值使 MisereSolver 在许多情况下跳过完整重新校准，显著加速计算。
• 对于 0.115、0.152 和 0.77 等游戏，使用所述算法完整详尽地给出了解决方案，且 $\mathcal{Q}(0.15) \cong \mathcal{Q}(0.115)$。
• 通过检查是否存在满足 $\mathcal{E} \subset \mathcal{M}_x$ 且 $\mathcal{D} \subset \mathcal{E}$ 的有效 $x$，算法避免了不必要的计算，实现快速结果赋值。
• 该方法成功计算出野生四码八进制游戏的解，0.644 因规模限制被排除。