у меня есть программа import numpy as np import pandas as pd import matplotlib.pyplot as…
- User
у меня есть программа
import numpy as np import pandas as pd import matplotlib.pyplot as plt
Функция генерирования маски def get_mask(secret_word, current_guess): mask = ['-'] * len(secret_word) secret_word_list = list(secret_word)
Первый прогон для определения полного совпадения
for i in range(len(current_guess)): if current_guess[i] == secret_word[i]: mask[i] = '!'
Второй прогон для определения присутствия
for i in range(len(current_guess)): if mask[i] == '-' and current_guess[i] in secret_word_list: mask[i] = '+' return ''.join(mask)
words_array = np.loadtxt("rus5_.txt", dtype=str)
Боты загадывающих setter_name = np.array(["Только первое слово", "Первые 6 слов"]) n_setter = setter_name.size
Только первое слово def set_word_1(words_array): return np.full(6, words_array[0])
Первые 6 слов def set_word_2(words_array): return words_array[:6]
Боты отгадывающих guesser_name = np.array(["Только первое слово", "Случайные слова"]) n_guesser = guesser_name.size
Только первое слово def guess_word_1(guessed_list, mask_list, words_array): return words_array[0]
Случайные слова def guess_word_2(guessed_list, mask_list, words_array): return np.random.choice(words_array)
Турнир words_array = np.loadtxt("rus5_.txt", dtype = str) n_game = 6 n_attampt = 6 setter_points = np.zeros(n_setter) guesser_points = np.zeros(n_guesser) result = np.zeros((n_setter, n_guesser, 2))
for setter in range(n_setter): for guesser in range(n_guesser): secret_list = eval("set_word_" + str(setter + 1) + "(words_array)") for game in range(n_game): if secret_list[game] not in words_array: result[setter][guesser][1] += 6 guesser_points[guesser] += 6 break guessed_list = np.array([], dtype = str) mask_list = np.array([], dtype = str) flag = 0 for attempt in range(n_attampt): current_guess = eval("guess_word_" + str(guesser + 1) + "(guessed_list, mask_list, words_array)") if current_guess not in words_array: result[setter][guesser][0] += 6 setter_points[setter] += 6 flag = 1 break current_mask = get_mask(secret_list[game], current_guess) if current_mask == '!!!!!': result[setter][guesser][0] += attempt setter_points[setter] += attempt result[setter][guesser][1] += 6 - attempt guesser_points[guesser] += 6 - attempt flag = 1 break else: guessed_list = np.append(guessed_list, current_guess) mask_list = np.append(mask_list, current_mask) if flag == 0: result[setter][guesser][0] += 6 setter_points[setter] += 6
ind_sort = np.argsort(-setter_points) df = pd.DataFrame({'Стратегия загадывания': setter_name[ind_sort], 'Очков': setter_points[ind_sort]}) print(df)
ind_sort = np.argsort(-guesser_points) df = pd.DataFrame({'Стратегия угадывания': guesser_name[ind_sort], 'Очков': guesser_points[ind_sort]}) print(df)
fig, ax = plt.subplots() combined_values = np.empty((n_setter, n_guesser), dtype=object) for i in range(n_setter): for j in range(n_guesser): combined_values[i, j] = f"{result[i, j, 0]}\n{result[i, j, 1]}" cax = ax.matshow(np.zeros((n_setter, n_guesser)), cmap='viridis') for (i, j), value in np.ndenumerate(combined_values): ax.text(j, i, value, ha='center', va='center', color='white') plt.xticks(range(len(guesser_name)), guesser_name) plt.yticks(range(len(setter_name)), setter_name) plt.show()
мне нужно придумать новые способы загадывания и угадывания что бы они были лучшими
- Assistant
Чтобы придумать новые стратегии загадывания и угадывания, которые будут более эффективными, чем существующие, можно применить подходы, основанные на некоторых принципах оптимизации и интеллектуальных методах. Вот несколько предложений для нового способа загадывания и угадывания:
Способы загадывания:
-
ZWord Selection:
- Проверять слова на уникальность и частоту встречаемости каждой буквы в списке. Загадывать слово, которое содержит наиболее часто используемые буквы, минимизируя пересечения с предыдущими загадками.
-
Случайное редуцирование:
- Выбирать случайные слова, но с дополнительным редуцированием на основе некоторого критерия (например, выбирать только те слова, которые содержат редкие или наиболее часто использованные ранее буквы).
-
Контролируемая редкость:
- Использовать предварительную обработку списка слов, чтобы загадывать сложные и редко используемые слова, максимизируя вызов для угадывающих ботов.
Способы угадывания:
-
Частотный анализ:
- Построить частотный словарь букв и угадывать слова на основе филтрации тех, которые содержат наиболее часто встречающиеся буквы из оставшихся возможных.
-
Эволюционное поколение:
- Использовать генетические алгоритмы для генерирования предположений. Начинать с нескольких случайных слов и постепенно эволюционировать их, чтобы они более точно приближались к загаданному слову.
-
Интеллектуальная фильтрация:
- Строить списки возможных слов на базе текущих подсказок и фильтровать их для минимизации множества возможных слов, учитывая предыдущие попытки и их маски.
Реализация новых стратегий:
Чтобы реализовать данные подходы, потребуется переписать или добавить функции, которые будут использовать данные стратегии. Например:
# Новый метод загадывания def set_word_3(words_array): # Используем частотный анализ букв в words_array и выбираем слово с наибольшей суммой частот letter_counts = {char:0 for char in 'абвгдежзиклмнопрстуфхцчшщыьэюя'} for word in words_array: for char in word: letter_counts[char] += 1 max_freq_word = max(words_array, key=lambda word: sum(letter_counts[char] for char in word)) return np.full(6, max_freq_word) # Новый метод угадывания def guess_word_3(guessed_list, mask_list, words_array): # Редуцируем возможные слова на основе ранее полученных масок possible_words = [ word for word in words_array if all( get_mask(word, guessed_word) == mask for guessed_word, mask in zip(guessed_list, mask_list) ) ] # Сортируем возможные слова по частоте встречаемости букв letter_counts = {char:0 for char in 'абвгдежзиклмнопрстуфхцчшщыьэюя'} for word in possible_words: for char in word: letter_counts[char] += 1 if possible_words: return max(possible_words, key=lambda word: sum(letter_counts[char] for char in word)) else: return np.random.choice(words_array) # На случай отсутствия возможных словЭти приемы гарантируют динамическое адаптирование в процессе игры, что может повысить их эффективность по сравнению с простыми стратегиями. Вы можете расширять возможности этих функций и дальше, к примеру, за счёт использования методов машинного обучения для обучения более сложных моделей угадывания и загадывания.
-
- User
KeyError Traceback (most recent call last) Cell In[159], line 11 9 for setter in range(n_setter): 10 for guesser in range(n_guesser): ---> 11 secret_list = eval("set_word_" + str(setter + 1) + "(words_array)") 12 for game in range(n_game): 13 if secret_list[game] not in words_array:
File :1
Cell In[155], line 18, in set_word_3(words_array) 16 for word in words_array: 17 for char in word: ---> 18 letter_counts[char] += 1 20 max_freq_word = max(words_array, key=lambda word: sum(letter_counts[char] for char in word)) 21 return np.full(6, max_freq_word)
KeyError: 'й'
- Assistant
Ошибка
KeyError: 'й'возникает потому, что буква 'й' встречается в вашем наборе данныхwords_array, но отсутствует в изначально заданном словареletter_counts. Чтобы разрешить эту проблему, нужно убедиться, что ваш словарь содержит все возможные буквы, которые могут встречаться вwords_array.Вот обновлённая версия функции, включающая все возможные буквы русского алфавита:
def set_word_3(words_array): # Учитываем все буквы русского алфавита, включая 'й' letter_counts = {char: 0 for char in 'абвгдежзийклмнопрстуфхцчшщыьэюя'} for word in words_array: for char in word: if char in letter_counts: letter_counts[char] += 1 max_freq_word = max(words_array, key=lambda word: sum(letter_counts.get(char, 0) for char in word)) return np.full(6, max_freq_word)Кроме того, добавлена проверка на наличие символа в словаре для случая, если
words_arrayможет содержать и другие символы, например, дефисы или пробелы:- Расширил словарь всеми буквами алфавита, включая 'й'.
- Добавлена проверка
letter_counts.get(char, 0)в выражении для вычисления суммы частот, чтобы избежать ошибок для символов, которых нет в словаре.
Теперь функция
set_word_3должна корректно обрабатывать слова из вашего набора данных. Если какие-то слова содержат символы, которые не указаны в словаре частот, они будут обработаны без ошибок.