将启发式Mastermind策略适配到进化算法
神经与进化计算
2009-12-15 v1 人工智能
摘要
解决Mastermind谜题的艺术由Donald Knuth开创，已有30多年历史；尽管如此，它在运筹学和计算机游戏期刊中仍备受关注，更不用说受自然启发的随机算法文献了。本文试图提出一种策略，使受自然启发的算法能够获得与基于穷举搜索策略同样好的结果；为此，我们首先回顾、比较并改进了当前解决该谜题的方法；然后，我们使用一种分布估计算法测试了其中一种策略。最后，我们试图找到一种非穷举的策略，并使其易于纳入受自然启发的算法（如进化算法或粒子群算法）中。本文证明，通过将局部熵纳入进化算法的适应度函数，它比随机玩家表现更好，并给出了如何将最佳启发式策略纳入进化算法而不产生过高计算成本的实用规则。
引用
@article{arxiv.0912.2415,
title = {Adapting Heuristic Mastermind Strategies to Evolutionary Algorithms},
author = {Tomas Philip Runarsson and Juan J. Merelo-Guervos},
journal= {arXiv preprint arXiv:0912.2415},
year = {2009}
}
备注
Accepted at the NICSO'10 conference