بتل کد Battle Codeدارد باز می‌شود…

جواب «Train the Brain» چالش 5 از جلسه‌ی 17

سؤال

مغز در ۲۰۰۰ بازی با یک حریف تصادفی تمرین می‌کند. بازی آماده است؛ دو تکه را بنویس:
۱. pick(sticks): حرکت‌های brain[sticks] و مهره‌هایشان را در دو لیست بریز و با random.choices یکی را برگردان.
۲. بعد از هر بازی (جای # learn): اگر won بود به هر حرکت my_moves یک مهره بده، وگرنه یکی کم کن ولی نه کم‌تر از 1.
آخر برنامه بهترین حرکت هر حالت و تعداد بردها در ۱۰۰۰ بازی آخر را چاپ می‌کند. خروجی:
1 -> 1
2 -> 2
3 -> 3
4 -> 1
5 -> 1
6 -> 2
7 -> 3
8 -> 2
9 -> 1
10 -> 2
wins in the last 1000: 977
نگاه کن: از ۵، ۶، ۷، ۹ و ۱۰ طوری برمی‌دارد که ۴ یا ۸ چوب برای حریف بماند. کسی این را به او نگفت!

راهنما

در pick: moves = [] و weights = []، حلقه روی brain[sticks] و دو append، بعد return random.choices(moves, weights=weights)[0]. جای # learn همان حلقه‌ی سؤال «Treat or No Treat» با won.

یک جواب درست

import random
random.seed(7)

brain = {}
for s in range(1, 11):
    brain[s] = {}
    for take in range(1, 4):
        if take <= s:
            brain[s][take] = 3

def pick(sticks):
    moves = []
    weights = []
    for m in brain[sticks]:
        moves.append(m)
        weights.append(brain[sticks][m])
    return random.choices(moves, weights=weights)[0]

wins = 0
for game in range(2000):
    sticks = 10
    my_moves = []
    while True:
        take = pick(sticks)
        my_moves.append((sticks, take))
        sticks -= take
        if sticks == 0:
            won = True
            break
        sticks -= random.randint(1, min(3, sticks))
        if sticks == 0:
            won = False
            break
    # learn
    for s, t in my_moves:
        if won:
            brain[s][t] += 1
        else:
            brain[s][t] = max(1, brain[s][t] - 1)
    if won and game >= 1000:
        wins += 1

for s in range(1, 11):
    row = brain[s]
    best = 1
    for t in row:
        if row[t] > row[best]:
            best = t
    print(s, "->", best)
print("wins in the last 1000:", wins)

اول خودت امتحان کن؛ جواب‌های دیگر هم قبول است. برگرد و خودت حلش کن