我看过其他一些与此游戏有关的帖子,但没有一个是围绕我选择的算法类型展开的,至少在很多细节上都没有。这也是我冒充了解更多关于图的信息(例如使用igraph包)。不用说,在任何情况下我都不鼓励人们作弊。这确实是我为自己设定的学习挑战-通常是我最后学到的东西最多。
除了明显的French dictionary集合,我的计划还涉及一些准备工作。
第一步是构建一个看起来像这样的图形,以说明Boggle字母之间允许的连接。 (对于不熟悉Boggle的用户,您只能从直接相邻的字母(包括对角线)创建单词,并且单词越长,奖励就越大)。
下一步(这可能不理想,但无法从igraph软件包中直接找出实现方法)。无论如何,它是使用gtools生成所有排列的:permutations(n=16, r=3)
permutations(n=16, r=4)
然后使用igraph::neigbourhood
函数“验证”每个单个排列,以查看它们在Boggle游戏中是否合法。我们从下面的数字中可以看到,“样本”越大(如果您喜欢,单词越长),则拒绝的排列就越多。因此,获取很少的附加信息具有很大的处理能力。显然不是最佳的。当r超过7时,所有地狱都松散了(我的8 Gb Ram还不够!)
4 letter permutations - total : 43680
legit : 1764 (4.0%)
6 letter permutations - total : 5765760
legit : 22672 (0.4%)
and so forth
因此,现在我想找到一种以更明智的方式生成这些排列的方法(也许可以将它们称为“路径”或“轨迹”),也许可以使用诸如igraph之类的工具,这样我就不会炒主板太有趣了。使用图对我来说是新手,所以它可能直立在我的脸上,但是我看不到诸如“生成通过图上N个相邻节点的所有轨迹”之类的东西,或文档中类似的东西。也许它存在,但是它被称为“某些人的算法”,不幸的是我从未听说过。
完成所有准备工作后,我对结果感到非常满意。它相当快且完全准确。我只是停留在7个字母的单词上(5个悲惨点)。如果对ppl感兴趣,我可能会在某个时候将其放在GitHub上。我认为对图形足够了解的人应该能够为我指明正确的方向,这就是为什么我不认为将任何长度的编码用于这里都没有用。
提前致谢!
(为完整起见,一旦计算出“有效排列”,我就对字典条目运行结果单词,并把匹配的单词放在一边。我正在使用RSQLite并处理长度越来越大的单词块;将各部分分开这样,代码就很容易遵循,并且数据库搜索也很快。)
最佳答案
这是一个递归解决方案,可以找到所有长度不超过L
的路径。
使用此Gist创建的图形:
getPaths <- function(v, g, L = 4) {
paths <- list()
recurse <- function(g, v, path = NULL) {
path <- c(v, path)
if (length(path) >= L) {
return(NULL)
} else {
for (i in neighbors(g, v)) {
if (!(i %in% path)) {
paths[[length(paths) + 1]] <<- c(i, path)
recurse(g, i, path)
}
}
}
}
recurse(g, v)
return(paths)
}
allPaths <- lapply(V(g), getPaths, g)
# look at the first few paths from vertex 1:
> head(allPaths[[1]])
[[1]]
[1] 2 1
[[2]]
[1] 3 2 1
[[3]]
[1] 4 3 2 1
[[4]]
[1] 6 3 2 1
[[5]]
[1] 7 3 2 1
[[6]]
[1] 8 3 2 1
编辑
这是一个仅保留L长度路径的更有效的解决方案。
getPaths <- function(v, g, L = 4) {
paths <- list()
recurse <- function(g, v, path = NULL) {
path <- c(v, path)
if (length(path) >= L) {
paths[[length(paths) + 1]] <<- rev(path)
} else {
for (i in neighbors(g, v)) {
if (!(i %in% path)) recurse(g, i, path)
}
}
}
recurse(g, v)
return(paths)
}
allPaths <- lapply(V(g), getPaths, g, 4)
L4way <- do.call(rbind, lapply(allPaths, function(x) do.call(rbind, x)))
> head(L4way)
[,1] [,2] [,3] [,4]
[1,] 1 2 3 4
[2,] 1 2 3 6
[3,] 1 2 3 7
[4,] 1 2 3 8
[5,] 1 2 5 6
[6,] 1 2 5 9
编辑#2:
library(doSNOW)
library(foreach)
# this is a very parallel problem and can be parallel-ized easily
cl <- makeCluster(4)
registerDoSNOW(cl)
allPaths <- foreach(i = 3:16) %:%
foreach(v = V(g), .packages = c('igraph')) %dopar% getPaths(v, g, i)
stopCluster(cl)
path.list <- list()
for (i in seq_along(3:16)) {
path.list[[i]] <- do.call(rbind, lapply(allPaths[[i]],
function(x) do.call(rbind, x)))
}
L长度字的排列数:
> data.frame(length=3:16, nPerms=sapply(path.list, nrow))
length nPerms
1 3 408
2 4 1764
3 5 6712
4 6 22672
5 7 68272
6 8 183472
7 9 436984
8 10 905776
9 11 1594648
10 12 2310264
11 13 2644520
12 14 2250192
13 15 1260672
14 16 343184
总排列
> sum(sapply(path.list, nrow))
[1] 12029540
关于r - Boggle作弊…erm…用R中的图求解,我们在Stack Overflow上找到一个类似的问题:https://stackoverflow.com/questions/28609703/