Oct, 2023

迈向《拼图游戏》模型

PDF
TL;DR我们报告了建模和解决 Puzznic 的进展情况，这是一款需要玩家计划移动序列以匹配方块从而清理网格的视频游戏，我们在没有移动方块的关卡上比较了计划方法和三种约束编程方法在一小组基准实例上的表现，目前计划方法优于约束编程方法，但我们提出了改进约束模型的建议。
puzznicvideo gameplanning approachconstraint programmingimproving constraint models
发现论文，激发创造
  • 建模和解决 PDDL 绘图的挑战

    通过使用 PDDL 对模型 Plotting 进行建模，并采用基于基础的现代化规划器来解决，我们研究了一种基于 Plotting 的规划问题。

    Oct, 2023

  • 网格图可达性和益智游戏

    我们研究了求解迷宫类问题的 CP 和 SAT 方法，提出了一种新的可达性编码，并通过实验证明这种新编码在以 SAT 为范式的规划问题中，尤其是考虑到同时执行多个动作时是非常适用的。

    Oct, 2023

  • 规划复杂转换的初步案例研究：绘图

    介绍了一种约束模型，用于解决将网格减少到给定目标数量或更少的 Plotting 问题，探讨了 AI 规划在建模语言方面的不足，建议富有表达力的建模语言对 AI 规划有益。

    Oct, 2021

  • 通过非确定性约束逻辑模型计算的滑块拼图和其他问题的 PSPACE 完备性

    本文介绍了一种基于加权有向图和最小流限制的非确定性计算模型，并且通过一系列特例的证明和简单归约，证明了该模型可以被用于解决复杂的运动规划问题，包括障碍物移动、滑动积木等。

    May, 2002

  • 编程难题

    本文介绍了一种叫做编程谜题的新型编程挑战，以 Python 编程谜题为例，详细讲述了该类谜题的属性，覆盖了从级别不同的变量操作问题到经典的编程问题（例如汉诺塔），再到算法和数学中长期存在的开放问题（例如因子分解）。通过设计基于枚举的编程合成方法、GPT-3 和 Codex 解题器，可以解决这些谜题。Codex 解题器表现最佳，在没有参考解决方案的情况下，单独尝试解决了 397 个测试问题中的最高 18%，1,000 次尝试解决了 80% 的问题，在小规模的用户研究中，发现人类的难度与 AI 解决程序的难度之间存在积极的相关性。因此，进一步改进编程谜题可能对许多程序合成领域产生重大影响。

    Jun, 2021

  • 基于图遗传算法的自动化拼图验证以实现更快的游戏设计

    本文介绍了一种带有专家知识启发式的进化算法，以更高效地解决逻辑谜题，在游戏设计中可以应用于自动验证和个性化谜题设计。

    Feb, 2023

  • Nmbr9 作为一个约束编程挑战

    介绍了 Nmbr9 游戏，提供了适用于基准测试和测试的新泛化游戏变体，并描述了所述变体的模型。标准游戏中最高可能得分的问题是一个公开的挑战。

    Jan, 2020

  • PUZZLES：神经算法推理的基准

    算法推理在问题解决和决策过程中起着重要作用，强化学习在运动控制、处理感知输入和管理随机环境等任务中表现出卓越的技能。本研究引入了 PUZZLES，这是一个基于 Simon Tatham 的便携式拼图集的基准，旨在促进算法和逻辑推理在强化学习中的进展。PUZZLES 包含 40 个不同大小和复杂程度的多样逻辑拼图，许多拼图还具有一组多样的配置参数。这 40 个拼图提供了关于强化学习代理的优势和泛化能力的详细信息。此外，我们在 PUZZLES 上评估了各种强化学习算法，提供了基准比较，并展示了未来研究的潜力。所有软件和环境都可在此 https URL 网址上获得。

    Jun, 2024

  • 作为约束满足和优化问题的生成以新闻为中心的纵横填字谜

    本研究提出了一个自动生成以新闻为中心的填字游戏的框架，通过包含尽可能多的新闻相关单词，来增加人们对新闻的兴趣，并通过对原型的定性评估总结了当前问题和未来研究方向。这是首个提出将约束满足和优化问题的形式化应用于教育领域的建议。

    Aug, 2023

  • 通过立方空间先验学习神经符号描述性规划模型：归航（到 STRIPS）

    我们提出了一种新型的神经符号结构，通过从图像中学习出稳固而高效的离散状态转移模型，兼容基于启发式搜索的现代解算器，并且通过在学习过程中加入有利的先验知识降低了学习精度，并开展其对于学习符号表现的优良特质的理论探索。

    Apr, 2020