दिव्य नौकरशाही KoTH

Question

इंपीरियल चीन में, समाज में रैंक जन्म या धन से नहीं तय किया गया था, लेकिन एक व्यक्ति की शाही परीक्षाओं में उत्कृष्टता प्राप्त करने की क्षमता के द्वारा। हेवन्स के दिव्य शासक, जेड सम्राट ने अपने सभी विषयों को अपनी योग्यता निर्धारित करने के लिए जांचने के लिए कहा है, और जिसे चीन पर शासन करने के लिए दिव्य जनादेश देना है।

नौकरशाही के नियम:

• दैवीय नौकरशाही में गैर-नकारात्मक पूर्णांक-मूल्यवान रैंक होते हैं, जिसकी शुरुआत नौकरशाही के प्रत्येक सदस्य (बॉट) एक रैंक से होती है। प्रत्येक रैंक कई सदस्यों की मनमानी पकड़ सकता है, लेकिन खाली नहीं हो सकता जब तक कि सभी रैंक रिक्त न हों
• खेल की शुरुआत में, सभी सदस्यों को रैंक 0 है
• हर मोड़, नौकरशाही के प्रत्येक सदस्य को एक परीक्षा का उत्तर देना होता है। परीक्षा में किसी सूची के बूलियन मानों का सही अनुमान लगाना शामिल है। सूची की लंबाई सदस्य के ऊपर रैंक की संख्या है।
• परीक्षा के प्रश्न उपरोक्त रैंक के यादृच्छिक सदस्य द्वारा तैयार किए जाते हैं। उच्चतम रैंक के सदस्य सीधे अपने प्रश्न प्राप्त करते JadeEmperorहैं (नीचे देखें)
• उनकी परीक्षा में कम से कम 50% स्कोर करने वाला सदस्य पदोन्नति के लिए पात्र है। उनकी परीक्षा में 50% से कम स्कोर करने वाला सदस्य डिमोशन का पात्र होता है।
• डिमोशन के लिए पात्र सदस्य की रैंक एक से कम हो जाती है, अगर उनकी जगह लेने के लिए नीचे रैंक पर प्रमोशन के लिए योग्य कोई सदस्य होता है।
• पदोन्नति के लिए पात्र सभी सदस्यों की रैंक एक से बढ़ जाती है जब तक कि यह पद खाली नहीं रहता।
• यदि सभी पात्र सदस्यों को डिमोट या प्रचारित नहीं किया जा सकता है, तो वरीयता सबसे कम (डिमोशन) सम्मान के लिए जाती है। उच्चतम (पदोन्नति के लिए) स्कोर। टाई बेतरतीब ढंग से टूटे हुए हैं।
• एक सदस्य का पद केवल प्रत्येक 1 मोड़ पर बदल सकता है।

खेल के नियम:

• प्रत्येक बॉट को गेम की शुरुआत में बेतरतीब ढंग से एक आईडी सौंपी जाएगी, जो अपने पाठ्यक्रम पर नहीं बदलेगी। JadeEmperorआईडी है -1, अन्य सभी को लगातार गैर नकारात्मक आईडी है, 0 से आरंभ।
• सभी बॉट एक ही समय में प्रतिस्पर्धा करते हैं
• यह गेम 100 मोड़ तक चलता है, बॉट का स्कोर उस समय की औसत रैंक है।
• कुल स्कोर 1000 खेलों को चलाने और परिणामों के औसत से हासिल किया गया है।
• प्रत्येक बॉट एक पायथन 3 वर्ग है जो निम्नलिखित चार कार्यों को कार्यान्वित करता है:
  • ask(self,n,ID), जो listलंबाई के बूलियन्स की वापसी करके एक परीक्षा बनाता है । आईडी बॉट की आईडी है जिसे उस सूची का अनुमान लगाना है। ask()किसी भी बॉट के लिए एक दौर के दौरान कई बार कहा जा सकता है, लेकिन यह भी बिल्कुल नहीं।
  • answer(self,n,ID), जो listलंबाई n के बूलियंस को वापस करके एक परीक्षा का उत्तर देने का एक प्रयास है । आईडी उस बॉट की आईडी है जिसकी ask()परीक्षा हुई है। answer()प्रत्येक बॉट के लिए प्रति चक्कर एक बार कहा जाता है।
  • update(self,rankList,ownExam,otherExams)एक बार कहा जाता है कि नियंत्रक ने सभी प्रो- और डिमोटेशन का प्रदर्शन किया है। इसके तर्क हैं: पूर्णांक की एक सूची, सभी बॉट की आईडी द्वारा सभी रैंकों की सूची बनाना; एक टपल, जिसमें दो सूचियाँ शामिल हैं, पहले परीक्षा के प्रश्न, फिर बॉट ने जो उत्तर दिए (यदि यह भूल गए); तब ट्यूपल्स की एक सूची, इसी तरह परीक्षा-उत्तर जोड़े से मिलकर, इस बार सभी परीक्षाओं के लिए बॉट को सौंप दिया गया।
  • __init__(self, ID, n) बॉट को अपनी आईडी और प्रतिस्पर्धी बॉट की संख्या से गुजरता है।
• कक्षाओं को निजी उपयोग के लिए अन्य कार्यों को लागू करने की अनुमति है
• आगे के चर को परिभाषित करना और पिछले परीक्षाओं के बारे में डेटा संग्रहीत करने के लिए उनका उपयोग करना स्पष्ट रूप से अनुमत है।
• प्रोग्रामिंग मेटा-इफेक्ट्स की मनाही है, जिसका अर्थ है कि अन्य बॉट्स कोड, कंट्रोलर कोड को सीधे एक्सेस करने का कोई भी प्रयास, जिसके कारण अपवाद या समान हैं। यह परीक्षा के लिए रणनीतियों की एक प्रतियोगिता है, कोड हैकिंग की नहीं।
• एक दूसरे की मदद करने की कोशिश कर रहे बॉट्स को स्पष्ट रूप से अनुमति दी जाती है, जब तक कि वे मेटा-इफेक्ट्स के माध्यम से ऐसा नहीं करते हैं, लेकिन विशुद्ध रूप से सूचना के माध्यम से update()
• अन्य भाषाओं को केवल तभी अनुमति दी जाती है जब उन्हें पायथन 3 में आसानी से परिवर्तित किया जा सकता है।
• पुस्तकालय संख्या के रूप में आयात किया जाएगा np। संस्करण 1.6.5 है, जिसका अर्थ है कि यह पुराने यादृच्छिक पुस्तकालय का उपयोग करता है। यदि आपके पास 1.7 सुन्न है, तो पुराने कार्य numpy.random.mtrandपरीक्षण के लिए उपलब्ध हैं । कृपया प्रस्तुत करने के लिए mtrand पट्टी करना याद रखें।
• अगर कोई बॉट रनटाइम के दौरान एक अपवाद का कारण बनता है, तो यह अयोग्य है। कोई भी बॉट जिसका कोड इतना अस्पष्ट है कि यह बताना असंभव है कि यह लंबाई की सूची उत्पन्न करता है ask()या कब answer()बुलाया जाता है, को भी पूर्व में अयोग्य घोषित कर दिया जाएगा। एक बॉट मुझे गहरी-कॉपी आउटपुट के लिए मजबूर करता है, स्कोर पर -1 मिलता है।
• कक्षा के नाम अद्वितीय होने चाहिए
• प्रति व्यक्ति कई बॉट की अनुमति है, लेकिन केवल नवीनतम संस्करण को इटर्नेटिवली अपडेट किए गए बॉट से लिया जाएगा।
• चूंकि बॉट समानता के बारे में कुछ भ्रम प्रतीत होता है:
  • आपको दूसरे बॉट की कॉपी पोस्ट करने की अनुमति नहीं है । यह एकमात्र मानक Loophole है जो वास्तव में इस चुनौती में लागू होता है।
  • आपको अन्य लोगों के बॉट सहित अन्य बॉट्स के साथ साझा कोड रखने की अनुमति है।
  • आपको एक बॉट जमा करने की अनुमति नहीं है, जो एक दूसरे से केवल एक तुच्छ परिवर्तन की रणनीति (जैसे प्रश्न पीढ़ी के लिए बीज में परिवर्तन) से भिन्न होती है जब तक कि आप यह साबित नहीं कर सकते कि ऐसे कार्बन कॉपी बॉट की संख्या सफल होने के लिए न्यूनतम आवश्यक है उनकी रणनीति का अधिनियमित (जो आमतौर पर एक सहयोग के लिए दो बॉट होगा)।

उदाहरण बॉट:

JadeEmperorहमेशा खेल का हिस्सा है, लेकिन प्रतिस्पर्धा नहीं करता है; वह उच्चतम श्रेणी के बॉट की परीक्षा के लिए जनरेटर के रूप में कार्य करता है। उनकी परीक्षाएं यादृच्छिक हैं, लेकिन समान रूप से नहीं, स्मार्ट बॉट्स को आगे बढ़ने की अनुमति देने के लिए।

class JadeEmperor:
    def __init__(self):
        pass

    def ask(self,n,ID):
        num=min(np.random.exponential(scale=np.sqrt(np.power(2,n))),np.power(2,n)-1)
        bi=list(np.binary_repr(int(num),width=n))
        return [x=='0' for x in bi]

शराबी पूरी तरह से बेतरतीब ढंग से परीक्षा और जवाब पैदा करता है। वह खेल का हिस्सा होगा।

class Drunkard:
    def __init__(self,ID,n):
        pass

    def ask(self,n,ID):
        return list(np.random.choice([True,False],size=n,replace=True))

    def answer(self,n,ID):
        return list(np.random.choice([True,False],size=n,replace=True))

    def update(self,rankList,ownExam,otherExams):
        pass #out

साहित्यिक चोर सिर्फ प्रतियां पिछले परीक्षा। वह खेल का हिस्सा भी होगा।

class Plagiarist:
    def __init__(self,ID,n):
        self.exam=[True]

    def ask(self,n,ID):
        return (self.exam*n)[0:n]

    def answer(self,n,ID):
        return (self.exam*n)[0:n]

    def update(self,rankList,ownExam,otherExams):
        self.exam=ownExam[0]

यहां नियंत्रक कोड उपलब्ध है । परीक्षण के लिए, आप अपने स्वयं के वर्ग को एक ही फ़ोल्डर में एक कॉन्टेस्टेंट ओरेकल फ़ाइल में डाल सकते हैं, और उन्हें आयात किया जाएगा।

कोम यहां पाया जा सकता है ।

परीक्षा शुरू!

वर्तमान अंक, Oct20 के लिए उच्च परिशुद्धता (10000 रन) में:

$$\begin{array}{|c|c|c|}\hline \textbf{Entrant}&\textbf{Author}&\textbf{Score}\\\hline % \text{Alpha}&\text{Sleafar}&9.669691\\ \hline \text{Gamma}&\text{Sleafar}&9.301362\\ \hline \text{Beta}&\text{Sleafar}&9.164597\\ \hline \text{WiQeLu}&\text{Purple P}&7.870821\\ \hline \text{StudiousBot}&\text{Dignissimus - Spammy}&7.538537\\ \hline \text{Santayana}&\text{Sara J}&7.095528\\ \hline \text{Plagiarist}&\text{}&6.522047\\ \hline \text{CountOracular}&\text{IFcoltransG}&5.881175\\ \hline \text{Thomas}&\text{Alien@System}&5.880041\\ \hline \text{Contrary}&\text{Draco18s}&5.529652\\ \hline \text{Marx}&\text{sugarfi}&5.433808\\ \hline \text{Drunkard}&\text{}&5.328178\\ \hline \text{YinYang}&\text{Purple P}&5.102519\\ \hline \text{Equalizer}&\text{Mnemonic}&4.820996\\ \hline \text{TitForTat}&\text{Anonymous}&3.35801\\ \hline \end{array}$$

निकट भविष्य के लिए प्रत्येक नई प्रविष्टि के साथ प्रतियोगिताएं चलेंगी।

Comments

बॉट्स की कॉपियां एक स्टैंडर्ड लोफोल हैं, इसलिए नहीं। यदि आप लगभग-लेकिन-नहीं-काफी-प्रतियाँ सबमिट करके प्रति लेखक नियम के कई बॉट्स का दुरुपयोग करने की कोशिश करते हैं, तो मैं इसे हटा दूंगा।

— एलियनएटसिस्टम

@AlienAtSystem आप बॉट को एक-दूसरे की मदद करने की अनुमति क्यों दे रहे हैं? यह सिर्फ और अधिक अराजकता और से निपटने के लिए यादृच्छिकता की तरह लगता है।

— डॉन थाउजेंड

कंस्ट्रक्टर तर्क क्यों कर रहे हैं ID, nलेकिन अन्य विधि तर्क हैं n, ID?

— बैंगनी पी।

@ डोनटहैंड क्योंकि मेरा मानना ​​है कि दी गई बाधाओं के तहत, दो बॉट बनाने के लिए यह काफी करतब है कि ए) सफलतापूर्वक हैंडशेक करें (ध्यान दें कि प्लेगाइज़र बीच में आदमी को गलती से खेल सकता है) और बी) एक रणनीति बनाएं जो मज़बूती से उस बॉट की मदद करती है लेकिन कोई दूसरा नहीं उठता।

— एलियनएटसिस्टम

@someone रैंकों की गिनती ऊपर की ओर होती है। आप 0 से शुरू करते हैं और उच्चतर संख्याओं के लिए काम करते हैं

— एलियनएटसिस्टम

Answer 1

Santayana

जो लोग अतीत को याद नहीं रख सकते हैं, वे इसे दोहराने की निंदा करते हैं। इसलिए हम अपने निर्णय इस आधार पर करते हैं कि अन्य लोगों ने अतीत में किस तरह से कार्य किया है, यह पूछने पर कि उत्तर देने वाले ने आमतौर पर किसी दिए गए सूचकांक में हमसे क्या अपेक्षा की है, और उत्तर देने के लिए उन्होंने हमें दिए गए सूचकांक में कम से कम अक्सर दिया है। ।

import numpy as np

class Santayana:
    """
    Those who cannot remember the past are condemned to repeat it
    """
    def __init__(self, ID, num_competitors):
        self.ID = ID
        self.exams_taken = {}
        self.exams_issued = {}
        self.last_exam_asker = None
        self.recent_exam_takers = []

        for i in range(num_competitors):
            self.exams_taken[i] = []
            self.exams_issued[i] = []

    def ask(self, length, taker_ID):
        # Remember who asked
        self.recent_exam_takers.append(taker_ID)
        new_exam = []

        # At every index, expect the answer they've given the least often (default to False if equal)
        for i in range(length):
            trues = 0
            falses = 0
            for exam in self.exams_issued[taker_ID]:
                if len(exam) <= i: continue
                if exam[i]:
                    trues += 1
                else:
                    falses += 1
            new_exam.append(trues < falses)
        return new_exam

    def answer(self, num_answers, asker_ID):
        self.last_exam_asker = asker_ID
        if asker_ID == -1:
            # Copy emperor's process to hopefully get a similar exam
            num = min(np.random.exponential(scale=np.sqrt(np.power(2,num_answers))),np.power(2,num_answers)-1)
            as_bin = list(np.binary_repr(int(num),width=num_answers))
            return [x=='0' for x in as_bin]
        else:
            new_answer = []

            # At every index, give the answer that's been correct the greatest number of times (default to True if equal)
            for i in range(num_answers):
                trues = 0;
                falses = 0;
                for exam in self.exams_taken[asker_ID]:
                    if len(exam) <= i: continue
                    if exam[i]:
                        trues += 1
                    else:
                        falses += 1
                new_answer.append(trues >= falses)
            return new_answer

        return [True for i in range(num_answers)]

    def update(self, rank_list, own_exam, other_exams):
        if self.last_exam_asker > -1:
            # Save the exam we took, unless it was from the Emperor - we already know how he operates
            self.exams_taken[self.last_exam_asker].append(own_exam[0])
        for i in range(len(self.recent_exam_takers)):
            # Save the responses we got
            self.exams_issued[i].append(other_exams[i][1])

        self.recent_exam_takers = []

Answer 2

अध्ययनशील बॉट

यह बॉट परीक्षणों के लिए अध्ययन करता है! यह विभिन्न बॉट द्वारा दिए गए परीक्षणों में पैटर्न खोजने का प्रयास करता है और अनुरूपता से कार्य करता है।

मेरे अंत में, अब तक, यह बॉट अन्य सभी बॉट्स को बेहतर बनाता है जिन्हें मैं अपने कंप्यूटर पर अल्फा, बीटा और गामा (जो एक साथ काम करने के लिए प्रोग्राम किया गया है) को छोड़कर काम कर सकता है। बॉट इस तथ्य का उपयोग नहीं करता है कि टीमिंग की अनुमति है क्योंकि मुझे लगा कि यह थोड़ा धोखा और थोड़ा गंदा जैसा था। हालांकि इसे देखते हुए लगता है कि टीमिंग काफी प्रभावी है।

बॉट पहचानने का प्रयास करता है जब परीक्षणों के उत्तर यादृच्छिक होते हैं और प्रतिक्रिया मैचों में होती है जो परीक्षणों पर औसत 50% की उम्मीद करते हैं।

बॉट भी पहचानने का प्रयास करता है जब एक बॉट ने केवल अन्य बॉट्स को फेंकने के लिए अपने जवाबों को छोड़ दिया है जो उनके व्यवहार की भविष्यवाणी करने के लिए बांध रहे हैं, हालांकि मैंने इसे विशेष रूप से इस पर कार्य करने के लिए प्रोग्राम नहीं किया है।

मैंने कोड को कुछ टिप्पणियों के साथ एनोटेट किया है ताकि इसे पढ़ना आसान हो सके

import random
import numpy as np


class StudiousBot:
    GRAM_SIZE = 5
    def __init__(self, identifier, n):
        self.id = identifier
        self.ranks = {i: 0 for i in range(n)} # Stores ranks
        self.study_material = {i: [] for i in range(n)} # Stores previous exam data
        self.distribution = {i: [] for i in range(n)} # Stores the percentage of answers that were `True` on a Bot's tests over time
        self.last_examiner = None

    def ask(self, n, identifier):
        # This bot gives random tests, it doesn't bother making them difficult based on answers to them
        # The reason for this is that I can't personalise the tests for each bot
        return [random.choice([True, False]) for i in range(n)] 

    def answer(self, n, examiner_id):
        self.last_examiner = examiner_id
        if examiner_id == -1:
            return StudiousBot.answer_emperor(n) # Easy win, I know the distribution of answers for the Emperor's tests

        bother_predicting = True # Whether or not the Bot will attempt to predict the answers to the exam
        study_material = self.study_material[examiner_id]
        distribution = self.distribution[examiner_id]
        if len(distribution) > 0: # If there is actually data to analyse
            sd = StudiousBot.calculate_standard_deviation(distribution)
            normalised_sd = StudiousBot.calculate_normalised_standard_deviation(distribution)

            if abs(30 - sd) < 4: # 30 is the expected s.d for a random distribution
                bother_predicting = False # So I won't bother predicting the test 

            if abs(sd - normalised_sd * 2) > 4: # The bot is merely inverting answers to evade being predicted
                pass # However, at this time, I'm not certain how I should deal with this. I'll continue to attempt to predict the test 


        if bother_predicting and len(study_material) >= StudiousBot.GRAM_SIZE:
            return StudiousBot.predict(study_material, n)

        return [random.choice([True, False]) for i in range(n)]

    def predict(study_material, n): # Predicts the answers to tests with `n` questions
        grams = StudiousBot.generate_ngrams(study_material, StudiousBot.GRAM_SIZE) # Generate all n-grams for the study material
        last_few = study_material[-(StudiousBot.GRAM_SIZE - 1):] # Get the last 9 test answers
        prediction = None
        probability = -1
        for answer in [True, False]: # Finds the probabiility of the next answer being True or False, picks the one with the highest probability
            new_prediction = last_few + [answer]
            new_probability = grams.count(new_prediction)         

            if new_probability > probability:
                prediction = answer
                probability = new_probability

        if n == 1:
            return [prediction]

        return [prediction] + StudiousBot.predict(study_material + [prediction], n-1)          


    @staticmethod
    def calculate_standard_deviation(distribution):
        return np.std(distribution)

    def calculate_normalised_standard_deviation(distribution): # If the answers happen to be inverted at some point, this function will return the same value for answers that occured both before and after this point  
        distribution = list(map(lambda x: 50 + abs(50-x), distribution))
        return StudiousBot.calculate_standard_deviation(distribution)   

    @staticmethod
    def generate_ngrams(study_material, n):
        assert len(study_material) >= n
        ngrams = []
        for i in range(len(study_material) - n + 1):
            ngrams.append(study_material[i:i+n])

        return ngrams

    def update(self, ranks, own_exam, other_exams):
        self.ranks = dict(enumerate(ranks))
        if self.last_examiner != -1:
            self.study_material[self.last_examiner] += own_exam[0]
            self.distribution[self.last_examiner].append(own_exam[0].count(True) / len(own_exam[0]) * 100) # Stores the percentage of the answers which were True

    @staticmethod
    def answer_emperor(n): # Algorithm to reproduce Emperor's distribution of test answers  
        exp = np.random.exponential(scale=np.sqrt(np.power(2,n)))
        power = np.power(2,n) - 1        
        num = min(exp, power)
        bi = list(np.binary_repr(int(num), width=n))
        return [x == '0' for x in bi]

Comments

हमारे प्रदर्शन को देखते हुए, आपके पास उत्तर देने के लिए सबसे अच्छा एल्गोरिथ्म है और वाई क्यू लू के पास पूछने के लिए सबसे अच्छा एल्गोरिथ्म है। मेरा प्रस्ताव है कि हम अपने बॉट्स को एक एकल बॉट में मिलाएं, जिसे ज़ेज़ु ("विद्वान" के लिए चीनी) कहा जाता है, जो संयोग से "स्विचर" की तरह लगता है।

— पर्पल पी

मैंने इसे हैक किया और अपनी मशीन पर परीक्षाएँ चलाईं। उत्सुकता से, इसने स्टडियस बॉट को आउटसोर्स किया, लेकिन वाई क्यू लू को नहीं।

— पर्पल पी

@PurpleP हाहा! यह बहुत दिलचस्प लगता है, मुझे नहीं लगता कि मेरे बॉट को सुधारने के लिए मेरे पास पर्याप्त समय है, लेकिन आप इसे यहां एक सबमिशन के रूप में पोस्ट कर सकते हैं

— डिग्निसिमस - स्पैमी

Answer 3

गणना Oracular

यह बॉट एक एल्गोरिथ्म का उपयोग करता है जो अन्य सभी कामकाजी बॉट्स की परीक्षाओं को औसत करता है, (एक दूसरे को बॉट परीक्षा के रूप में सेट करेगा यह तय करने के लिए गोल संख्या और कुछ भयानक उत्तराधिकारियों)।
काउंट एक md5 हैश का उपयोग करके अपनी परीक्षा पूछता है। इसके प्रश्न और इसके उत्तर दोनों ही निर्धारक हैं। यह ज्यादातर इनपुट्स को अनदेखा करता है, जो कि जेड एम्पोरर के खिलाफ बूलियन्स, बारिश या चमक के सटीक समान दृश्यों को पूछना और उनका जवाब देना है।

import numpy as np
import hashlib

class CountOracular:
    '''Uses very little external data to make heuristical statistical
    deterministic predictions about the average exam.
    (Assonance not intended.)
    To generate its own exams, uses a deterministic hash.'''
    def __init__(self, id, number_of_bots):
        self.last_round = []
        #functions for calculating what other bots will likely do.
        self.bots_calculators = [
            self._jad, #Jade Emporer
            self._alp, #Alpha
            self._bet, #Beta
            self._gam, #Gamma
            self._wiq, #Wi Qe Lu
            self._stu, #StudiousBot
            self._pla, #Plagiarist
            self._san, #Santayana
            self._tho, #Thomas
            self._dru, #Drunkard
            self._yin, #YinYang
            self._con, #Contrary
            self._tit, #TitForTat
            self._equ, #Equalizer
            self._mar, #Marx
        ]
        self.bot_types = len(self.bots_calculators)
    def ask(self, n, id):
        #if we can, show that hardcoding is no match for the power of heuristics:
        if n == 2:
            return [False, True]
        #otherwise, refer to the wisdom of Mayor Prentiss in order to command The Ask
        #i.e. hashes a quote, and uses that as the exam.
        salt = b"I AM THE CIRCLE AND THE CIRCLE IS ME " * n
        return self._md5_from(salt, n)
    def answer(self, n, id):
        #uses the power of heuristics to predict what the average bot will do
        #ignores all inputs except the length of the output
        #very approximate, and deterministic
        #i.e. every game, Count Oracular will send the same lists of answers, in the same order
        best_guess_totals = [0.5] * n #halfway between T and F
        for bot in self.bots_calculators:
            exam, confidence = bot(n)
            if not exam:
                continue
            while len(exam) < n:
                #ensure exam is long enough
                exam += exam[:1]
            exam = exam[:n] #ensure exam is short enough
            #map T and F to floats [0,1] based on confidence
            weighted_exam = [0.5+confidence*(0.5 if q else -0.5) for q in exam]
            best_guess_totals = [current+new for current,new in zip(best_guess_totals, weighted_exam)]
        best_guess_averages = [total/self.bot_types
            for total
            in best_guess_totals
        ]
        best_guess = [avg > 0.5 for avg in best_guess_averages]
        self.last_round = best_guess
        return best_guess
    def update(self, ranks, own, others):
        pass
    def _md5_from(self, data, n):
        md5 = hashlib.md5(data)
        for i in range(n):
            md5.update(data)
        exam = []
        while len(exam) < n:
            exam += [x == "0"
                for x
                in bin(int(md5.hexdigest(), 16))[2:].zfill(128)
            ]
            md5.update(data)
        return exam[:n]
    def _invert(self, exam):
        return [not val for val in exam]
    def _digits_to_bools(self, iterable):
        return [char=="1" for char in iterable]
    def _plagiarise(self, n):
        copy = (self.last_round * n)[:n]
        return copy

    '''functions to calculate expected exams for each other bot:
       (these values, weighted with corresponding confidence ratings,
       are summed to calculate the most likely exam.)'''
    def _jad(self, n):
        '''Calculate the mean of _jad's distribution, then
        use that as the guess'''
        mean = max(int(np.sqrt(np.power(2,n))), (2<<n)-1)
        string_mean = f"{mean}".zfill(n)
        exam = self._invert(self._digits_to_bools(string_mean))
        return exam, 0.5
    def _alp(self, n):
        '''Alpha uses a predictable hash,
        until it figures out we aren't Beta,
        modelled by the probability of giving or solving
        Alpha's exam'''
        #probability that Alpha thinks we're Beta
        #assuming we fail to pretend to be Beta if we meet Alpha
        chance_beta = ((1 - 1/self.bot_types) ** n) ** 2
        return self._md5_from(b"Beta", n), chance_beta
    def _gam(self, n):
        '''Gamma is like Beta, except after realising,
        switches to 50-50 random choice of inverse
        either Beta or Alpha's hash'''
        #probability that Gamma thinks we're Alpha still
        #(Unlikely that Gamma will think we're Beta;
        #we'd need to fail Alpha but pass Beta,
        #therefore, not accounted for)
        chance_unknown = ((1 - 1/self.bot_types) ** n) ** 2
        #default exam that assumes that Gamma thinks we're Alpha
        exam = self._md5_from(b"Beta", n)
        if chance_unknown > 0.5:#there exists a better heuristic here
            #assume Gamma will consider us Alpha
            confidence = chance_unknown
        else:
            #assume Gamma considers us neither Alpha nor Beta
            alpha = self._invert(self._md5_from(b"Beta", n))
            beta = self._invert(self._md5_from(b"Alpha", n))
            #check for bools where both possible exams match
            and_comp = [a and b for a, b in zip(alpha, beta)]
            nor_comp = [not (a or b) for a, b in zip(alpha, beta)]
            #count up matches vs times when fell back on default
            #to calculate ratio of default
            #to bools where hashes agree
            confidence_vs_default = (sum(and_comp)+sum(nor_comp)) / n
            confidence = confidence_vs_default * chance_unknown + (1 - confidence_vs_default) * (1 - chance_unknown)
            for i in range(n):
                if and_comp[i]:
                    exam[i] = True
                if nor_comp[i]:
                    exam[i] = False
        return exam, confidence
    def _bet(self, n):
        '''Beta is like Alpha, but with a different hash'''
        #probability we haven't matched with Beta yet
        #i.e. probability that Beta still thinks we're Alpha
        chance_alpha = ((1 - 1/self.bot_types) ** n) ** 2
        return self._md5_from(b"Alpha", n), chance_alpha
    def _wiq(self, n):
        '''Wi Qe Lu is hard to model, so we pretend
        that it mimicks Plagiarist for the most part'''
        if n == 1:
            #first round is random
            return [False], 0
        #other rounds are based on exams it met
        #leaning towards same as the previous exam
        return self._plagiarise(n), 0.1
    def _stu(self, n):
        '''StudiousBot is random'''
        return [False] * n, 0
    def _pla(self, n):
        '''Plagiarist copies the exams it received,
        which can be modelled with the standard prediction
        calculated for the previous round, padded with its first
        element.'''
        if n == 1:
            return [True], 1
        return self._plagiarise(n), 0.3
    def _san(self, n):
        '''Santayana is based on answers, which we don't predict.
        Modelled as random.'''
        #mostly random, slight leaning towards default False
        return [False] * n, 0.1
    def _tho(self, n):
        '''Thomas has an unpredictable threshold.'''
        #for all intents, random
        return [False] * n, 0
    def _dru(self, n):
        '''Drunkard is utterly random.'''
        return [False] * n, 0
    def _yin(self, n):
        '''YinYang inverts itself randomly, but not unpredictably.
        We can model it to find the probability. Also notably,
        one index is inverted, which factors into the confidence
        especially for lower n.'''
        if n == 1:
            #one element is inverted, so whole list must be False
            return [False], 1
        if n == 2:
            #split half and half randomly; can't predict
            return [True] * n, 0
        #cumulative chance of mostly ones or mostly zeros
        truthy = 1
        for _ in range(n):
            #simulate repeated flipping
            truthy = truthy * 0.44 + (1-truthy) * 0.56
        falsey = 1 - truthy
        if falsey > truthy:
            return [False] * n, falsey - 1/n
        return [True] * n, truthy - 1/n
    def _con(self, n):
        '''Contrary is like Jade Emporer, but inverts itself
        so much that modelling the probability of inversion
        is not worth the effort.'''
        #there are some clever ways you could do statistics on this,
        #but I'm content to call it uniform for now
        return [False] * n, 0
    def _tit(self, n):
        '''TitForTat is most likely to give us False
        but the confidence drops as the chance of having
        met TitForTat increases.
        The square root of the probability we calculate for
        Alpha, Beta and Gamma, because those also care about what
        we answer, whereas TitForTat only cares about what we ask'''
        #probability that we've not given TitForTat an exam
        chance_friends = (1 - 1/self.bot_types) ** n
        return [False] * n, chance_friends
    def _equ(self, n):
        '''Equalizer always asks True'''
        #certain that Equalizer's exam is all True
        return [True] * n, 1
    def _mar(self, n):
        '''Marx returns mostly True, randomised based on our rank.
        We don't predict our rank.
        There's ~50% chance an answer is random'''
        #75% chance we guess right (= 50% + 50%*50%)
        return [True] * n, 0.75

Comments

सिद्धांत में एक महान विचार, लेकिन इसकी पहली प्रतियोगिता काउंट ओरक्युलर में यिनयांग की तुलना में बदतर प्रदर्शन किया गया, बावजूद इसके यिनयांग को अनुकरण करने का प्रयास किया गया।

— पर्पल पी

@PurpleP हां, यह बहुत अच्छा नहीं है। कारण यह है कि यह सभी विशिष्ट रणनीतियों को एक साथ मिलाकर 'आम तौर पर इष्टतम' रणनीति चुनने की कोशिश करता है। उदाहरण के लिए यह यिनयांग को हराने के लिए बनाई गई रणनीति का उपयोग नहीं करता है जब यह यिनयांग का सामना करता है। यह जेड एम्पोरर पर एक विशिष्ट रणनीति का उपयोग भी नहीं करता है: यह सिर्फ जेड एम्पोरर रणनीति को औसत में जोड़ता है। यह यादृच्छिक से बेहतर होगा, लेकिन बहुत ज्यादा नहीं।

— IFcoltransG

मार्क्स तय हो गए हैं। आपको भविष्यवाणी करने के लिए काउंट ऑरेकुलर को अपडेट करना चाहिए।

— पर्पल पी

@PurpleP मार्क्स को अब समर्थन किया जाना चाहिए। यह फिर से 1917 की तरह है।

— IFcoltransG

Answer 4

यिन यांग

या तो सभी Trueया सभी के जवाब False, एक सूचकांक को छोड़कर बेतरतीब ढंग से इसके विपरीत चुना जाता है। जो इसका उत्तर देता है उसके विपरीत पूछता है। विरोधियों को गिराने के लिए बेतरतीब ढंग से स्वैप।

import random

class YinYang:
    def __init__(self, ID, n):
        self.exam = True

    def update(self, rankList, ownExam, otherExams):
        if random.random() < 0.56:
            self.exam = not self.exam

    def answer(self, n, ID):
        a = [not self.exam] * n
        a[random.randint(0, n-1)] = self.exam
        return a

    def ask(self, n, ID):
        e = [self.exam] * n
        e[random.randint(0, n-1)] = not self.exam
        return e

वाई क्यू लु (स्विचरू)

पहले राउंड में जवाब और बेतरतीब ढंग से पूछता है। बाद में, वह पिछली परीक्षा के उत्तरों का उपयोग करता है, और एक प्रश्न को बदलता है कि क्या उपरोक्त औसत प्रतियोगियों ने इसे सही पाया।

class WiQeLu:
    def __init__(self, ID, n):
        self.rounds = 1
        self.firstexam = True
        self.firstanswer = True
        self.lastexaminer = -1
        self.exam = []
        self.pastanswers = {}

    def update(self, rankList, ownExam, otherExams):
        questions, lastanswers = ownExam
        self.pastanswers[self.lastexaminer] = questions

        if len(otherExams) == 0:
            return
        correctCounts = [0 for i in otherExams[0][0]]
        for ourExam, response in otherExams:
            for i in range(len(response)):
                if ourExam[i] == response[i]:
                    correctCounts[i] += 1

        newExam = otherExams[0][0]
        meanWhoAnsweredCorrectly = sum(correctCounts) / len(correctCounts)
        for i in range(len(correctCounts)):
            if correctCounts[i] > meanWhoAnsweredCorrectly:
                newExam[i] = not newExam[i]
        self.exam = newExam

    def answer(self, n, ID):
        self.lastexaminer = ID
        if ID not in self.pastanswers:
            randomanswer = [random.randint(0, 1) == 1] * n
            self.pastanswers[ID] = randomanswer
            return randomanswer
        return (self.pastanswers[ID] * n)[:n]

    def ask(self, n, ID):
        if self.firstexam:
            self.firstexam = False
            self.exam = [random.randint(0, 1) == 1] * n
        return (self.exam * n)[:n]

Comments

Google अनुवाद के अनुसार "wi qe lu" का मोटे तौर पर "मैं पेंगुइन सड़क हूं" के रूप में अनुवाद किया गया है।

— पर्पल पी

Answer 5

मेरे अपने एक बॉट:

थॉमस

दूर की जमीन से एक यात्री, पिछले परिणामों के बारे में कुछ खतरनाक विचार है जो भविष्य के प्रदर्शन का संकेत है। वह अन्य बॉट्स को नीचे रखने के लिए उन का उपयोग करता है, जब तक कि उसकी खुद की उन्नति नहीं हो जाती।

class Thomas:
    def __init__(self,ID,n):
        N=10
        self.ID=ID
        self.myrank=n
        self.lowerank=0
        #The highest number of questions is equal to the number of participants, so we can do this:
        self.probs=[{i:1.0/N for i in np.linspace(0,1,num=N)} for i in np.arange(n)]
        self.output=[0.5]*n

    def ask(self,n,ID):
        if self.myrank==1 and self.lowerrank > 1: #I can't advance without promoting somebody first
            return [self.output[i]>np.random.rand() for i in np.arange(n)]
        #Otherwise, try to step on their fingers by going against the expected probability
        return [self.output[i]<np.random.rand() for i in np.arange(n)]


    def answer(self,n,ID):
        return [self.output[i]>np.random.rand() for i in np.arange(n)]

    def update(self,rankList,ownExam,otherExams):
        #Update our ranks
        self.myrank=len([i for i in rankList if i==rankList[self.ID]])
        self.lowerrank=len([i for i in rankList if i==rankList[self.ID]-1])
        #Update our expectations for each input we've been given
        self.bayesianupdate(ownExam[0])
        for ex in otherExams:
            self.bayesianupdate(ex[1])
        #Compress into output variable
        self.output=[np.sum([l[entry]*entry for entry in l]) for l in self.probs]

    def bayesianupdate(self,data):
        for i in np.arange(len(data)):
            if data[i]: #Got a True
                self.probs[i].update({entry:self.probs[i][entry]*entry for entry in self.probs[i]})
            else: #Got a False
                self.probs[i].update({entry:self.probs[i][entry]*(1-entry) for entry in self.probs[i]})
            s=np.sum([self.probs[i][entry] for entry in self.probs[i]]) #Renormalize
            self.probs[i].update({entry:self.probs[i][entry]/s for entry in self.probs[i]})
```

Comments

क्या आप क्लास स्टेटमेंट के बाद अपने कोड को इंडेंट करना भूल गए?

— पिपरी

यह सिर्फ एसई स्वरूपण मुझे अनजाने में पकड़ रहा है। मैं इस बॉट का उपयोग करते समय किसी के परीक्षण में किसी भी त्रुटि के कारण इसे एक साथ ठीक

— करूंगा

Answer 6

अल्फा

डाउनवॉट करने से पहले चैट पढ़ें। ये बॉट किसी भी नियम का उल्लंघन नहीं करते हैं। ओपी भी सहयोगी बॉट को प्रोत्साहित कर रहा है।

अल्फा बीटा के साथ मिलकर एक टीम बना रहा है। दोनों एक दूसरे को रैंक बढ़ाने में मदद करने के लिए परीक्षा के पूर्वनिर्धारित सेट का उपयोग कर रहे हैं। इसके अलावा, दोनों एक ही परीक्षा का बार-बार उपयोग करके बॉट का लाभ उठा रहे हैं।

import numpy as np
import hashlib

class Alpha:
    def __init__(self, ID, n):
        self.alpha = hashlib.md5(b"Alpha")
        self.beta = hashlib.md5(b"Beta")
        self.asker = -1
        self.betas = set(range(n)).difference([ID])
        self.fixed = set(range(n)).difference([ID])
        self.fixedExams = [[]] * n

    def ask(self,n,ID):
        if ID in self.betas:
            return self.md5ToExam(self.alpha, n)
        else:
            return list(np.random.choice([True, False], n))

    def answer(self,n,ID):
        self.asker = ID
        if self.asker == -1:
            return [True] * n
        elif self.asker in self.fixed and len(self.fixedExams[self.asker]) > 0:
            return (self.fixedExams[self.asker] * n)[:n]
        elif self.asker in self.betas:
            return self.md5ToExam(self.beta, n)
        else:
            return list(np.random.choice([True, False], n))

    def update(self,rankList,ownExam,otherExams):
        if self.asker >= 0:
            if self.asker in self.betas and ownExam[0] != self.md5ToExam(self.beta, len(ownExam[0])):
                    self.betas.remove(self.asker)
            if self.asker in self.fixed:
                l = min(len(ownExam[0]), len(self.fixedExams[self.asker]))
                if ownExam[0][:l] != self.fixedExams[self.asker][:l]:
                    self.fixed.remove(self.asker)
                    self.fixedExams[self.asker] = []
                elif len(ownExam[0]) > len(self.fixedExams[self.asker]):
                    self.fixedExams[self.asker] = ownExam[0]
        self.alpha.update(b"Alpha")
        self.beta.update(b"Beta")

    def md5ToExam(self, md5, n):
        return [x == "0" for x in bin(int(md5.hexdigest(), 16))[2:].zfill(128)][:n]

Comments

मेरा मानना ​​है कि ये तीनों बॉट ओपी नियमों का उल्लंघन करते हैं जैसा कि संकेत और टिप्पणी दोनों में कहा गया है।

— डॉन थाउजेंड

@ डोनटहैंड यदि आप चैट में चर्चा पढ़ते हैं, तो आप देखेंगे कि वे नियमों का उल्लंघन नहीं करते हैं। chat.stackexchange.com/rooms/98905/imperial-exams-office

— Sleafar

काफी उचित। मेरी गलती।

— डॉन थाउजेंड

@ डोनटंड तो उन सभी को नीचा दिखाने की क्या बात थी?

— स्लिफ़र

मैंने केवल अल्फा को डाउनवोट किया। हालांकि मैं अनडाउन्टवोट नहीं कर सकता। एक शानदार संपादन करें और मैं इसे ठीक करूँगा।

— डॉन थाउजेंड

Answer 7

तुल्यकारक

सभी को समान होना चाहिए (इस मूर्ख सम्राट में से कोई भी नहीं), इसलिए जितना संभव हो उतना सामाजिक गतिशीलता प्रदान करें। प्रश्नों को वास्तव में आसान बनाएं (उत्तर हमेशा सत्य होता है) ताकि लोग सफल हो सकें।

class Equalizer:
    def __init__(self, ID, n):
        self.previousAnswers = [[0, 0] for _ in range(n)]
        self.previousAsker = -1

    def ask(self, n, ID):
        return [True] * n

    def answer(self, n, ID):
        if ID == -1:
            return [True] * n

        # Assume that questions from the same bot will usually have the same answer.
        t, f = self.previousAnswers[ID]
        return [t >= f] * n

    def update(self, rankList, ownExam, otherExams):
        if self.previousAsker == -1:
            return

        # Keep track of what answer each bot prefers.
        counts = self.previousAnswers[self.previousAsker]
        counts[0] += ownExam[0].count(True)
        counts[1] += ownExam[0].count(False)

Answer 8

बीटा

डाउनवॉट करने से पहले चैट पढ़ें। ये बॉट किसी भी नियम का उल्लंघन नहीं करते हैं। ओपी भी सहयोगी बॉट को प्रोत्साहित कर रहा है।

बीटा अल्फा के साथ मिलकर एक टीम बना रहा है। दोनों एक दूसरे को रैंक बढ़ाने में मदद करने के लिए परीक्षा के पूर्वनिर्धारित सेट का उपयोग कर रहे हैं। इसके अलावा, दोनों एक ही परीक्षा का बार-बार उपयोग करके बॉट का लाभ उठा रहे हैं।

import numpy as np
import hashlib

class Beta:
    def __init__(self,ID,n):
        self.alpha = hashlib.md5(b"Alpha")
        self.beta = hashlib.md5(b"Beta")
        self.asker = -1
        self.alphas = set(range(n)).difference([ID])
        self.fixed = set(range(n)).difference([ID])
        self.fixedExams = [[]] * n

    def ask(self,n,ID):
        if ID in self.alphas:
            return self.md5ToExam(self.beta, n)
        else:
            return list(np.random.choice([True, False], n))

    def answer(self,n,ID):
        self.asker = ID
        if self.asker == -1:
            return [True] * n
        elif self.asker in self.fixed and len(self.fixedExams[self.asker]) > 0:
            return (self.fixedExams[self.asker] * n)[:n]
        elif self.asker in self.alphas:
            return self.md5ToExam(self.alpha, n)
        else:
            return list(np.random.choice([True, False], n))

    def update(self,rankList,ownExam,otherExams):
        if self.asker >= 0:
            if self.asker in self.alphas and ownExam[0] != self.md5ToExam(self.alpha, len(ownExam[0])):
                    self.alphas.remove(self.asker)
            if self.asker in self.fixed:
                l = min(len(ownExam[0]), len(self.fixedExams[self.asker]))
                if ownExam[0][:l] != self.fixedExams[self.asker][:l]:
                    self.fixed.remove(self.asker)
                    self.fixedExams[self.asker] = []
                elif len(ownExam[0]) > len(self.fixedExams[self.asker]):
                    self.fixedExams[self.asker] = ownExam[0]
        self.alpha.update(b"Alpha")
        self.beta.update(b"Beta")

    def md5ToExam(self, md5, n):
        return [x == "0" for x in bin(int(md5.hexdigest(), 16))[2:].zfill(128)][:n]

Answer 9

गामा

डाउनवॉट करने से पहले चैट पढ़ें। ये बॉट किसी भी नियम का उल्लंघन नहीं करते हैं। ओपी भी सहयोगी बॉट को प्रोत्साहित कर रहा है।

गामा ने अल्फा और बीटा की योजनाओं की खोज की है और उनमें से एक के रूप में प्रच्छन्न करके दोनों का लाभ उठाने की कोशिश कर रहा है।

import numpy as np
import hashlib

class Gamma:
    def __init__(self, ID, n):
        self.alpha = hashlib.md5(b"Alpha")
        self.beta = hashlib.md5(b"Beta")
        self.asker = -1
        self.alphas = set(range(n)).difference([ID])
        self.betas = set(range(n)).difference([ID])
        self.fixed = set(range(n)).difference([ID])
        self.fixedExams = [[]] * n

    def ask(self,n,ID):
        if ID in self.alphas:
            return self.md5ToExam(self.beta, n)
        elif ID in self.betas:
            return self.md5ToExam(self.alpha, n)
        else:
            return self.md5ToWrongExam(np.random.choice([self.alpha, self.beta], 1)[0], n)

    def answer(self,n,ID):
        self.asker = ID
        if self.asker == -1:
            return [True] * n
        elif self.asker in self.fixed and len(self.fixedExams[self.asker]) > 0:
            return (self.fixedExams[self.asker] * n)[:n]
        elif self.asker in self.alphas:
            return self.md5ToExam(self.alpha, n)
        elif self.asker in self.betas:
            return self.md5ToExam(self.beta, n)
        else:
            return list(np.random.choice([True, False], n))

    def update(self,rankList,ownExam,otherExams):
        if self.asker >= 0:
            if self.asker in self.alphas and ownExam[0] != self.md5ToExam(self.alpha, len(ownExam[0])):
                    self.alphas.remove(self.asker)
            if self.asker in self.betas and ownExam[0] != self.md5ToExam(self.beta, len(ownExam[0])):
                    self.betas.remove(self.asker)
            if self.asker in self.fixed:
                l = min(len(ownExam[0]), len(self.fixedExams[self.asker]))
                if ownExam[0][:l] != self.fixedExams[self.asker][:l]:
                    self.fixed.remove(self.asker)
                    self.fixedExams[self.asker] = []
                elif len(ownExam[0]) > len(self.fixedExams[self.asker]):
                    self.fixedExams[self.asker] = ownExam[0]
        self.alpha.update(b"Alpha")
        self.beta.update(b"Beta")

    def md5ToExam(self, md5, n):
        return [x == "0" for x in bin(int(md5.hexdigest(), 16))[2:].zfill(128)][:n]

    def md5ToWrongExam(self, md5, n):
        return [x == "1" for x in bin(int(md5.hexdigest(), 16))[2:].zfill(128)][:n]

Answer 10

जैसे को तैसा

यदि आप अतीत में यह आसान सवाल पूछते हैं तो आप आसान सवाल पूछते हैं। यदि आपने इसे कभी परीक्षा नहीं दी है, तो यह आसान सवालों को चूकता है।

इसके अतिरिक्त, किसी को भी उन लोगों पर भरोसा नहीं है जो कठिन प्रश्न पूछते हैं, और उन्हें अप्रत्याशित उत्तर देंगे।

import numpy as np

class TitForTat:
    def __init__(self, ID, n):
        self.friendly = [True] * n
        self.asker = -1

    def make_answers(self, n, ID):
        if ID == -1 or self.friendly[ID]:
            return [False] * n
        else:
            return list(np.random.choice([True, False], n))

    def ask(self, n, ID):
        return self.make_answers(n, ID)

    def answer(self, n, ID):
        self.asker = ID
        return self.make_answers(n, ID)

    def update(self, rankList, ownExam, otherExams):
        if self.asker != -1:
            # You are friendly if and only if you gave me a simple exam
            self.friendly[self.asker] = all(ownExam[0])

यदि अन्य बॉट इसके साथ सहयोग करते हैं तो यह बॉट अच्छी तरह से काम करता है। वर्तमान में केवल इक्वालाइज़र ही सहयोग करता है, लेकिन यह उम्मीद के साथ पर्याप्त होना चाहिए।

Comments

फिलहाल, बॉट प्रतिस्पर्धा नहीं कर सकता क्योंकि यह विनिर्देशों का पालन नहीं करता है। सुनिश्चित करें कि यह listहर समय वस्तुओं को लौटाता है । इसके अलावा, पुराने और अपडेट किए गए दोनों नियमों के तहत, किसी बॉट की सही प्रतियां वैध प्रस्तुतियाँ नहीं हैं, इसलिए इस बॉट के चलने के उदाहरणों की अनुमत संख्या 1. है।

— एलियनटासिस्ट

मैंने इसे सूची वापस करने के लिए संपादित किया। के रूप में सही प्रतियां बात के लिए, कोई वर्तमान बॉट नहीं है जो इसके साथ ठीक से सहयोग करता है, इसलिए कार्बन कॉपी बॉट की संख्या - रणनीति के सफल अधिनियमन के लिए न्यूनतम आवश्यक है - कम से कम 1 है (यह बॉट और इसकी 1 प्रति आवश्यक है। )।

— बेनामी

आप तर्क दे रहे हैं कि आप क्लॉज़ 3 के तहत एक अपवाद के लिए अर्हता प्राप्त करते हैं, जो क्लॉज़ 1 के अंतर्गत आने वाली चीज़ को सबमिट करने का प्रयास करते हैं: किसी बॉट की सही प्रतियां कभी भी मान्य नहीं होती हैं , कोई अपवाद नहीं। और क्लॉज 3 के अपवाद के लिए अर्हता प्राप्त करने के लिए, आपको यह साबित करने की आवश्यकता होगी कि आपकी रणनीति को इन सभी भागीदारों को इसकी प्रतिक्रिया की आवश्यकता है, उदाहरण के लिए एक हैंडशेक सिग्नल, जो वास्तव में किसी को सुनने के बिना बेकार है। तुम्हारा नहीं है। इक्वलाइज़र आपको "दोस्ताना" क्लॉज़ को ट्रिगर करने के लिए परीक्षा देगा, इस प्रकार यह नापसंद करता है कि आपके बॉट की एक प्रति की आवश्यकता है।

— एलियनएटसिस्टम

ठीक तो। मैं कुछ अंतिम समायोजन करूँगा।

— बेनामी

Answer 11

विरोध

जेड सम्राट हमेशा सही होता है, इसलिए यह जेड सम्राट के स्वयं के जवाब समारोह के रूप में कार्य करता है जब इसे 2 से अधिक उत्तरों की आवश्यकता होती है। केवल 1 उत्तर के लिए यह उत्तर देता है true(सही होने का सभ्य अंतर) और 2 उत्तर के लिए true,false(यह प्रतिक्रिया चार संभावित क्विज़ में से तीन प्रश्नों के "कम से कम आधे" पास करती है, यादृच्छिक रूप से चुनने से बेहतर है)।

अपने अद्यतन में इसी तरह के तर्क का उपयोग करता है कि कैसे यह उसके पूछते हुए पैटर्न को बदल देता है, लेकिन इसके पूछते तर्क जेड सम्राट के समान है, बस एक अलग वजन के साथ। जब बहुत से अभ्यर्थी उत्तीर्ण होने के लिए बहुत अधिक स्कोर करते हैं true, falseतो उच्च मूल्यों के साथ उच्च मूल्यों के बीच उतार-चढ़ाव होता है ।

class Contrary:
    def __init__(self,ID,n):
        self.rank = 0
        self.ID = ID
        self.competitors = {}
        self.weight = -2
        pass

    def ask(self,n,ID):
        if self.weight > 0:
            num=min(np.random.exponential(scale=np.sqrt(np.power(self.weight,n))),np.power(2,n)-1)
            bi=list(np.binary_repr(int(num),width=n))
            return [x=='0' for x in bi]
        else:
            num=min(np.random.exponential(scale=np.sqrt(np.power(-self.weight,n))),np.power(2,n)-1)
            bi=list(np.binary_repr(int(num),width=n))
            return [x=='1' for x in bi]

    def answer(self,n,ID):
        if n == 1:
            return [True]
        if n == 2:
            return [True,False]
        num=min(np.random.exponential(scale=np.sqrt(np.power(2,n))),np.power(2,n)-1)
        bi=list(np.binary_repr(int(num),width=n))
        return [x=='0' for x in bi]

    def update(self,rankList,ownExam,otherExams):
        self.rank = rankList[self.ID];
        if len(otherExams) == 0:
            return
        correctCounts = [0 for i in otherExams[0][0]]
        for ourExam, response in otherExams:
            for i in range(len(response)):
                if ourExam[i] == response[i]:
                    correctCounts[i] += 1

        meanWhoAnsweredCorrectly = sum(correctCounts) / len(correctCounts)
        for i in range(len(correctCounts)):
            if correctCounts[i]+1 > meanWhoAnsweredCorrectly:
                self.weight = np.copysign(np.random.uniform(1,3),-self.weight)

Comments

नहीं करता है true, falseअसफल हो परीक्षा है false, true?

— पिपरी

answerवाक्य रचना और नाम त्रुटियों में पहली कुछ पंक्तियाँ - trueऔर falseहोनी चाहिए Trueऔर False, और s सबसे अंत में ifगायब हैं:

— सारा J

धन्यवाद दो; मैंने अपनी मशीन पर अजगर को स्थापित नहीं किया था क्योंकि मैं इसका उपयोग अक्सर नहीं करता, इसलिए मैं नियमित रूप से वाक्य रचना को गड़बड़ करता हूं।

— Draco18s अब SE

newExam सेट किया गया है लेकिन कभी भी इसमें नहीं पढ़ा गया है update। passएक NOP कमांड है, आप इसे हटा सकते हैं। (इसके पीछे की टिप्पणी सिर्फ आपके द्वारा कॉपी किए गए ड्रंकार्ड के लिए एक दंड है।) इसके अलावा, आप स्पष्ट रूप से उपयोग कर रहे हैं mathऔर randomमॉड्यूल लेकिन घोषित नहीं किया है कि आपने उन्हें आयात किया है। मैंने अपनी प्रतियोगिता फ़ाइल में इसे फिर से लिखा है np.copysignऔर np.random.uniformयही काम करना चाहिए।

— एलियनएटसिस्टम

@AlienAtSystem को अब ठीक किया जाना चाहिए।

— Draco18s अब SE

Answer 12

मार्क्स

यह मार्क्स बॉट है। उनका मानना ​​है कि, नौकरशाही के बजाय, हमारे पास एक कम्युनिस्ट प्रणाली होनी चाहिए। इस लक्ष्य तक पहुंचने में मदद करने के लिए, यह उच्च रैंकिंग बॉट को कठिन क्विज़ देता है। यह उच्च बॉट से क्विज़ के लिए अधिक यादृच्छिक उत्तर भी देता है, क्योंकि वे शायद अधिक चतुर हैं, क्योंकि वे उच्च हैं।

import numpy as np

class Marx():
    def __init__(self, ID, n):
        self.ID = ID
        self.n = n
        self.ranks = [] # The bot rankings
        self.e = [] # Our quiz
        self.rank = 0 # Our rank
    def ask(self, n, ID):
        test = [True] * n
        # Get the rank of the bot being quizzed
        if self.ranks:
            rank = self.ranks[ID]
        else:
            rank = 0
        for i in range(len(test)):
            item = test[i]
            if np.random.uniform(0, rank / self.n) > 0.5:
                # If the bot is higher ranking, make the quiz harder
                item = np.random.choice([True, False], 1)[0]
            test[i] = item
        # IF the test is not long enough, add Falses to the end
        while len(test) < n - 1:
            test.append(False)
        return test
    def answer(self, n, ID):
        # Get the rank of the asking bot
        if self.ranks:
            rank = self.ranks[ID]
        else:
            rank = 0
        if self.e:
            # Pad our quiz with Falses so it will not throw IndexError
            while len(self.e) < n:
                self.e.append(False)
            for i in range(len(self.e)):
                item = self.e[i]
                if np.random.uniform(0, rank / self.n) > 0.5:
                    # Assume that higher ranking bots are cleverer, so add more random answers
                    item = np.random.choice([True, False], 1)[0]
                self.e[i] = item
            if len(self.e) > self.rank + 1:
                self.e = self.e[:self.rank + 1]
            return self.e
        else:
            # If it is the first round, return all Trues
            return [True] * n
    def update(self, rankList, ownExam, otherExams):
        # Update our list of ranks
        self.ranks = rankList
        # Store the quiz we were given, to give to the next bot
        self.e = ownExam[0]
        # Store our rank
        self.rank = rankList[self.ID]

Comments

मार्क्स वर्तमान में बहुत से बाइट का जवाब देता है, इसलिए वह अभी प्रतिस्पर्धा नहीं कर सकता है

— AlienAtSystem

क्या मतलब? क्या उसकी परीक्षाएँ / उत्तर बहुत लंबे हैं?

— शक्कर

उसका जवाब एक प्रविष्टि बहुत लंबा है

— एलियनएटसिस्टम

ठीक है, मैंने तय किया है कि यह अब ठीक होना चाहिए।

— शक्कर

क्षमा करें, मैंने आपको गलत प्रतिक्रिया दी: अब, उत्तर बाइट बहुत कम हैं। असली समस्या यह है कि आप स्वयं को विस्तारित करते हैं। जब यह बहुत छोटा होता है (हालांकि अभी पर्याप्त नहीं है), लेकिन इसे तब ट्रिम न करें जब मार्क्स डिमोट हो जाता है।

— एलियनएटसिस्टम