Wiele głosów z automatami komórkowymi

31

W automatach komórkowych istnieje naprawdę ważny problem zwany problemem Większość :

Problemem większościowym lub zadaniem klasyfikacji gęstości jest problem ze znalezieniem jednowymiarowych reguł automatu komórkowego, które dokładnie przeprowadzają głosowanie większością.

...

Biorąc pod uwagę konfigurację dwustanowych automatów komórkowych z komórkami i + j łącznie, z których i znajdują się w stanie zerowym, a j są w jednym stanie, prawidłowe rozwiązanie problemu głosowania musi ostatecznie ustawić wszystkie komórki na zero, jeśli i> j i ostatecznie musi ustawić wszystkie komórki na jedną, jeśli i <j. Pożądany stan końcowy jest nieokreślony, jeśli i = j.

Chociaż udowodniono, że żadne automaty komórkowe nie są w stanie rozwiązać problemu większości we wszystkich przypadkach, istnieje wiele zasad, które mogą rozwiązać ten problem w większości przypadków. Automat Gacsa-Kurdyumova-Levina ma dokładność około 78% z losowymi warunkami początkowymi. Reguła GKL nie jest skomplikowana:

  • Promień 3, co oznacza, że ​​nowy stan komórki zależy od 7 poprzednich komórek: siebie, 3 komórki po prawej i 3 komórki po lewej.
  • Jeśli komórka jest obecnie O, jej nowym stanem jest większość siebie, komórka po lewej, a komórka 3 kroki po lewej.
  • Jeśli komórka jest obecnie 1, jej nowym stanem jest większość siebie, komórka po prawej, a komórka 3 kroki po prawej.

Oto przykład:

0 1 0 1 1 1 0 1 1 0 1 0 0 1
0 1 1 1 1 1 1 1 0 0 1 1 0 0
0 1 1 1 1 1 1 1 1 0 1 0 0 0
0 1 1 1 1 1 1 1 0 1 0 1 0 0
0 1 1 1 1 1 1 0 1 0 1 0 1 0
0 1 1 1 1 1 0 1 0 1 0 1 1 1
1 1 1 1 1 0 1 0 1 1 1 1 1 1
1 1 1 1 0 1 1 1 1 1 1 1 1 1
1 1 1 1 1 1 1 1 1 1 1 1 1 1

W tym przykładzie automat komórkowy poprawnie obliczył, że 8> 6. Inne przykłady zajmują dłuższe okresy czasu, a tymczasem wytwarzają fajne wzory. Poniżej znajdują się dwa przykłady, które losowo znalazłem.

0 0 1 1 1 1 1 0 0 0 0 0 0 0 0 0 0 0 0 1 1 0 0 0 0 1 1 0 1 1 1 1 0 1 0 0 1 1 1
1 0 0 1 1 1 1 1 1 1 1 1 1 0 1 1 0 0 1 0 0 0 1 0 0 0 0 1 0 0 1 0 0 0 1 0 0 1 1

Przenosząc go na wyższy poziom

O ile moje badania internetowe wykazały, prawie wszystkie badania akademickie dotyczące problemu większości zostały przeprowadzone na 2-stanowych urzędach certyfikacji. W tym wyzwaniu zamierzamy rozszerzyć problem większościowy na 3-stanowe urzędy certyfikacji . Nazywam to problemem mnogości . Wiele lub względna większość odnosi się do stanu, w którym jedna z opcji ma więcej głosów niż każda z opcji, ale niekoniecznie większość wszystkich głosów.

Opis problemu

  1. Istnieje 3-stanowy automat komórkowy 1D o promieniu 3.
  2. Istnieje 151 komórek z kołem warunkowym.
  3. Komórki te otrzymują losowy stan początkowy, pod warunkiem, że 1 z 3 stanów ma ściśle określoną liczbę. „Losowy” oznacza niezależny równomierny rozkład dla każdej komórki.
  4. Dokładność reguły to procent (prawidłowych) losowych warunków początkowych, w których wszystkie komórki synchronizują się do prawidłowego stanu (tego z wieloma) w ciągu 10000 pokoleń .
  5. Celem jest znalezienie reguły o wysokiej dokładności,

Wiele przypadków brzegowych: Każda konfiguracja z 50/50/51 jest prawidłową konfiguracją początkową (ponieważ istnieje ścisła liczba), natomiast dowolna konfiguracja z 51/51/49 jest nieprawidłowa (ponieważ nie ma ścisłej mnogości).

Przestrzeń wyszukiwania wynosi 3 ^ 3 ^ 7 (~ 3e1043), daleko poza zasięgiem wyczerpującego wyszukiwania. Oznacza to, że będziesz musiał skorzystać z innych technik, takich jak algorytmy genetyczne, aby rozwiązać ten problem. Zajmie to również trochę inżynierii ludzkiej.

Reguła generacji 10000 może ulec zmianie w zależności od czasu działania / dokładności reguł, które ludzie znajdą. Jeśli jest zbyt niski, aby pozwolić na rozsądne tempo konwergencji, mogę go podnieść. Alternatywnie mogę go obniżyć, aby służył jako remis.

Zwycięski

Zwycięzcą zostaje osoba, która zgodnie z zasadą CA promienia-3 z najwyższą dokładnością spośród wszystkich zawodników.

Twoje zgłoszenie powinno zawierać ...

  • Opis reguły (w razie potrzeby z użyciem kodu Wolfram )
  • Wskaźnik dokładności i wielkość próbki
  • Rozsądne wyjaśnienie, w jaki sposób odkryłeś regułę, w tym programy napisane w celu jej rozwiązania lub wszelkie „ręczne” prace inżynierskie. (Jest to najbardziej interesująca część, ponieważ wszystko inne to tylko liczby surowe).

Wcześniejsza praca

  • Artykuł Juille'a i Pollacka opisujący, w jaki sposób ewoluowali 2-stanowa reguła z 86% dokładnością.
  • W pracy wykorzystano r = 3, 149-komórkowe, 2-stanowe CA. Nie próbuj do rozwiązania problemu Większość jednak, ale zamiast znaleźć przepisy, które szybko daje w wyniku przemian All 1-all- 0wzór. Mimo tych różnic podejrzewam, że wiele technik będzie podobnych.
  • (Niezbyt pomocny, ponieważ jest za zaporą) artykuł Wolza i de Oliviery, który obecnie jest rekordzistą 2-stanowym
PhiNotPi
źródło
Byłem bardzo rozczarowany / zaskoczony, gdy odkryłem, że nie ma to nic wspólnego z głosowaniem Plurality .
kot
2
@cat Czuję, że tak się dzieje. Stan każdej komórki może reprezentować „głos” (wybór 1 z 3 kandydatów), a celem jest wyłonienie zwycięzcy wyborów.
PhiNotPi
2
To interesujące wyzwanie dla kodu. Nie jestem golfistą, więc zawsze mam przyjemność oglądać tego rodzaju łamigłówki.
Draco18s,

Odpowiedzi:

6

Rodzaj GKL plus wspinaczka pod górę, 61,498%

  • Jeśli komórka ma wartość 0, spójrz na komórki 3 po lewej stronie, 1 po lewej i na siebie. Ustaw wartość na większość. Jeśli to remis, pozostań taki, jaki jesteś.

  • Jeśli komórka to 1, spójrz na komórki 3 po prawej stronie, 1 po prawej i na siebie. Ustaw wartość na większość. Jeśli to remis, pozostań taki, jaki jesteś.

  • Jeśli komórka to 2, spójrz na komórki 2 po lewej, 2 po prawej i 3 po prawej. Ustaw wartość na większość. Jeśli to remis, pozostań taki, jaki jesteś.

Dostałem 59453 na 100 000, 59,453%

Niektóre mutacje i wspinanie się na wzgórza spowodowały, że 61498/100000 = 61,498%.

Prawdopodobnie przetestuję trochę więcej i opublikuję więcej informacji później.

Michael Stocker
źródło
3
Prawdopodobnie powinieneś dołączyć rzeczywistą regułę 61.498%, aby ludzie mogli ją zweryfikować.
Martin Ender
Prawdopodobnie powinieneś wykonać testy, które zrobisz.
Erik the Outgolfer
5

„Po prostu wyrzuć 2s i zrób GKL” - 55,7%

Nie jest łatwo odgadnąć, jaka byłaby dobra zasada, więc próbowałem przynajmniej wymyślić coś, co uzyska wynik powyżej 1/3. Strategia polega na próbie uzyskania właściwej odpowiedzi, gdy stan większości wynosi 0 lub 1, i zaakceptowaniu straty, jeśli wynosi 2. Wynik ten wynosił 56,5% w 100 000 prób, co jest nieco lepsze niż można by się spodziewać po pomnożeniu 78% ( wynik GKL) * 2/3 (ułamek czasu, gdy odpowiedź wynosi 0 lub 1) = 52%.

Mówiąc konkretniej, strategia jest następująca:

  • Jeśli komórka ma wartość 0 lub 1, weź większość 3 komórek jak w strategii GKL, ale ignoruj ​​sąsiadów, którzy są 2. Jeśli jest to remis, pozostaw komórkę bez zmian.
  • Jeśli komórka ma wartość 2, wybierz dowolną większą spośród 0 lub 1 w całym sąsiedztwie. Jeśli jest remis, wybierz wartość po lewej stronie, która wynosi 0 lub 1. Jeśli wszyscy sąsiedzi mają 2, pozostań 2.

Użyłem tego kodu do przetestowania:

#include <iostream>
#include <algorithm>
#include <string.h>
#include <random>
#include <cassert>

#define W 151
#define S 3
#define R 3

typedef int state;

struct tape {
    state s[R+W+R];
    state& operator[](int i) {
        return s[i + R];
    }
    template<typename Rule> void step(Rule r) {
        for(int i = 0; i < R; i++) s[i] = s[W + i];
        for(int i = 0; i < R; i++) s[R + W + i] = s[R + i];
        for(int i = 0; i < W; i++) {
            s[i] = r(s + R + i);
        }
        memmove(s + R, s, W * sizeof(*s));
    }

    state unanimous() {
        state st = (*this)[0];
        for(int i = 1; i < W; i++) {
            if((*this)[i] != st)
                return -1;
        }
        return st;
    }
};

std::ostream& operator<<(std::ostream& s, tape& t) {
    for (int i = 0; i < W; i++)
        s << t[i];
    return s;
}

state randomize(tape& t) {
    static std::mt19937 rg(390332);
    begin:
    int c[S]{};
    for(int i = 0; i < W; i++) {
        state s = rg() % S;
        c[s]++;
        t[i] = s;
    }
    state* smax = std::max_element(c, c + R);
    int nmaj = 0;
    for (int n : c) nmaj += n == *smax;
    if (nmaj > 1) goto begin;
    return smax - c;
}

template<bool PrintSteps, typename Rule> int simulate(Rule r, int trials, int giveup) {
    int successes = 0;
    for(state s = 0; s < S; s++) {
        state t[2 * R + 1];
        for(int i = 0; i <= 2 * R; i++) t[i] = s;
        assert(r(t + R) == s);
    }
    while(trials--) {
        tape tp;
        state desired = randomize(tp);
        int steps = giveup;
        while(steps--) {
            tp.step(r);
            state u = tp.unanimous();
            if(~u) {
                bool correct = u == desired;
                if(PrintSteps) {
                    std::cout << correct << ' ' << giveup - steps << '\n';
                }
                successes += correct;
                break;
            }
        }
    }
    return successes;
}


struct ixList {
    int n;
    int i[2 * R + 1];
};



state rule_justTossOutThe2sAndDoGKL(const state* t) {
    const ixList ixl[] = {
        { 3,{ -3, -1, 0 } },
        { 3,{ 0, 1, 3 } },
        { 6,{ -3, -2, -1, 1, 2, 3 } } 
    };
    int c[S]{};
    for (int i = 0; i < ixl[*t].n; i++)
        c[t[ixl[*t].i[i]]]++;
    if (c[0] > c[1]) return 0;
    if (c[1] > c[0]) return 1;
    if (*t < 2) return *t;
    for (int i = -R; i <= R; i++)
        if (t[i] < 2) return t[i];
    return 2;
}

int main()
{
    int nt = 100000;
    int ns = simulate<false>(rule_justTossOutThe2sAndDoGKL, nt, 10000);

    std::cout << (double)ns / nt << '\n';
    return 0;
}
feersum
źródło
Wynik jest wyższy, niż można się spodziewać, ponieważ wzrasta wraz z limitem generacji. 78% wynik GKL jest w rzeczywistości na bardzo małym limicie około kilkuset genów. Natomiast 10 000 genów dałoby GKL wyższy wskaźnik dokładności, prawdopodobnie zgodny z uzyskanymi wynikami.
PhiNotPi
2

„Po prostu kradnij co najlepsze i rozwijaj je”, bleh

Edycja: w obecnym stanie ta odpowiedź, zamiast znajdować lepsze wzorce, znajduje lepszą losową próbkę.

Ta odpowiedź koduje / dekoduje rozwiązania, wyliczając wszystkie stany jako liczby trójkowe (najpierw najmniej znacząca cyfra). Rozwiązanie dla 59,2%:

000000000010010010000000000000000000000000000000000000000000010000010000110000000
000000000010010010000000000111111101111111111111111111000011000010011011000011010
000000000012010011001000000021111111111120111211111111000000000000011010000010000
000011000010022110000000202000000002000000000020000000001010000000011011000011010
020000000010010010001000000111101111111111111111111111010011000011111111010011010
000000000010010010000000000111111111101111111111112111000011010110111011010011011
000000000010010010000000000010000000000000000100002011000000000100011010020010000
000020020010010010000200000111102111111111111111111101000011010010111011000011011
000100000010010010000000000121111111111111111111111111000210000012011011002011010
000000000010010110000000000111112112111111111001111111000010000010011011000011010
000000000010010120000200000111211111111111111111110111110011010011100111010011011
000000000010010010000000000011111111111111111111111111000011010010111211210012020
010000000010010010020100020111110111111111111111111110010111010011011111010111011
002000000010010010000000000111110111111111211111111111001111111111111111111111111
000000000110010010000000000111111111111111211111111111010111011111111111011111011
001000000010010010000000000011111101111111111111110111000011010010111011010011010
001000000010010110000000000111111111111111102111110111010111011111111111011111101
000000000210010010000000000111111111111111111111011111010011010011111111010111011
000000000010010010000000000112111111111111111111101011000000000000011010000010000
000000000010010010000000000111111111111111111111111111000011010010111011010011011
000200000012010010000000000111111111111112111111111111000010000210011211001011010
000000000010010211000002000111111111111111111111111111000001010010111011010011010
000021200010210010000101100111111111111211111110110211010111021111111101010111111
000000000010010010000000000111111111111101111111111111010011010111111111010110021
000200000010010010000000010111111111101111111121112111000210001010011011000011010
000000000010010010000000000111111111111111111111111111210011010021111111010111011
000020000010010010000000000111111111111111111111111111000011010010121011010011012

Ta odpowiedź została wyewoluowana z 55,7% feersum, przy użyciu następującego kodu. Ten kod wymaga libop , czyli mojej osobistej biblioteki tylko nagłówków C ++. Jest bardzo łatwy w instalacji, po prostu zrób git clone https://github.com/orlp/libopw tym samym katalogu, w którym zapisałeś program. Sugeruję kompilację g++ -O2 -m64 -march=native -std=c++11 -g. Dla szybkiego rozwoju sugeruję również prekompilowanie libopa poprzez uruchomienie powyższej komendy libop/op.h.

#include <cstdint>
#include <algorithm>
#include <iostream>
#include <cassert>
#include <random>

#include "libop/op.h"

constexpr int MAX_GENERATIONS = 500;
constexpr int NUM_CELLS = 151;

std::mt19937_64 rng;

double worst_best_fitness;

// We use a system with okay-ish memory density. We represent the ternary as a
// 2-bit integer. This means we have 32 ternaries in a uint64_t.
//
// There are 3^7 possible states, requiring 4374 bits. We store this using 69
// uint64_ts, or little over half a kilobyte.

// Turn 7 cells into a state index, by encoding as ternary.
int state_index(const int* cells) {
    int idx = 0;
    for (int i = 0; i < 7; ++i) {
        idx *= 3;
        idx += cells[6-i];
    }
    return idx;
}

// Get/set a ternary by index from a 2-bit-per-ternary encoded uint64_t array.
int get_ternary(const uint64_t* a, size_t idx) {
    return (a[idx/32] >> (2*(idx % 32))) & 0x3;
}

void set_ternary(uint64_t* a, size_t idx, int val) {
    assert(val < 3);
    int shift = 2*(idx % 32);
    uint64_t shifted_val = uint64_t(val) << shift;
    uint64_t shifted_mask = ~(uint64_t(0x3) << shift);
    a[idx/32] = (a[idx/32] & shifted_mask) | shifted_val;
}


struct Rule {
    uint64_t data[69];
    double cached_fitness;

    Rule(const char* init) {
        cached_fitness = -1;
        for (auto i : op::range(69)) data[i] = 0;
        for (auto i : op::range(2187)) set_ternary(data, i, init[i] - '0');
    }

    double fitness(int num_tests = 1000);

    Rule* random_mutation(int num_mutate) const {
        auto new_rule = new Rule(*this);

        auto r = op::range(2187);
        std::vector<int> indices;
        op::random_sample(r.begin(), r.end(),
                          std::back_inserter(indices), num_mutate, rng);

        for (auto idx : indices) {
            set_ternary(new_rule->data, idx, op::randint(0, 2, rng));
        }

        new_rule->cached_fitness = -1;
        return new_rule;
    }

    int new_state(const int* cells) const {
        return get_ternary(data, state_index(cells));
    }

    void print_rule() const {
        for (auto i : op::range(2187)) {
            std::cout << get_ternary(data, i);
            if (i % 81 == 80) std::cout << "\n";
        }
    }
};


struct Automaton {
    uint64_t state[5];
    int plurality, generation;

    Automaton() : generation(0) {
        for (auto i : op::range(5)) state[i] = 0;

        int strict = 0;
        while (strict != 1) {
            int votes[3] = {};
            for (auto i : op::range(NUM_CELLS)) {
                int vote = op::randint(0, 2, rng);
                set_ternary(state, i, vote);
                votes[vote]++;
            }

            // Ensure strict plurality.
            plurality = std::max_element(votes, votes + 3) - votes;
            strict = 0;
            for (auto i : op::range(3)) strict += (votes[i] == votes[plurality]);
        }
    }

    void print_state() {
        for (int i = 0; i < 151; ++i) std::cout << get_ternary(state, i);
        std::cout << "\n";
    }

    bool concensus_reached() {
        int target = get_ternary(state, 0);
        for (auto i : op::range(NUM_CELLS)) {
            if (get_ternary(state, i) != target) return false;
        }

        return true;
    }

    void next_state(const Rule& rule) {
        uint64_t new_state[5] = {};

        std::vector<int> cells;
        for (auto r : op::range(-3, 4)) {
            cells.push_back(get_ternary(state, (r + NUM_CELLS) % NUM_CELLS));
        }

        for (auto i : op::range(NUM_CELLS)) {
            set_ternary(new_state, i, rule.new_state(cells.data()));
            cells.erase(cells.begin());
            cells.push_back(get_ternary(state, (i + 4) % NUM_CELLS));
        }

        for (auto i : op::range(5)) state[i] = new_state[i];
        generation++;
    }
};


double Rule::fitness(int num_tests) {
    if (cached_fitness == -1) {
        cached_fitness = 0;
        int num_two = 0;
        for (auto test : op::range(num_tests)) {
            Automaton a;
            while (a.generation < MAX_GENERATIONS && !a.concensus_reached()) {
                a.next_state(*this);
            }

            if (a.generation < MAX_GENERATIONS &&
                get_ternary(a.state, 0) == a.plurality &&
                a.plurality == 2) num_two++;

            cached_fitness += (a.generation < MAX_GENERATIONS &&
                               get_ternary(a.state, 0) == a.plurality);

            if (cached_fitness + (num_tests - test) < worst_best_fitness) break;
        }

        if (num_two) std::cout << cached_fitness << " " << num_two << "\n";

        cached_fitness;
    }

    return cached_fitness;
}



int main(int argc, char** argv) {
    std::random_device rd;
    rng.seed(42); // Seed with rd for non-determinism.

    const char* base = 
        "000000000010010010000000000000000000000000000000000000000000000000010000000000000"
        "000000000010010010000000000111111111111111111111111111000010000010011011000011010"
        "000000000010010010000000000111111111111111111111111111000000000000011010000010000"
        "000000000010010010000000000000000000000000000000000000000010000010011011000011010"
        "000000000010010010000000000111111111111111111111111111010011010011111111010111011"
        "000000000010010010000000000111111111111111111111111111000011010010111011010011011"
        "000000000010010010000000000000000000000000000000000000000000000000011010000010000"
        "000000000010010010000000000111111111111111111111111111000011010010111011010011011"
        "000000000010010010000000000111111111111111111111111111000010000010011011000011010"
        "000000000010010010000000000111111111111111111111111111000010000010011011000011010"
        "000000000010010010000000000111111111111111111111111111010011010011111111010111011"
        "000000000010010010000000000111111111111111111111111111000011010010111011010011010"
        "000000000010010010000000000111111111111111111111111111010011010011111111010111011"
        "000000000010010010000000000111111111111111111111111111011111111111111111111111111"
        "000000000010010010000000000111111111111111111111111111010111011111111111011111111"
        "000000000010010010000000000111111111111111111111111111000011010010111011010011010"
        "000000000010010010000000000111111111111111111111111111010111011111111111011111111"
        "000000000010010010000000000111111111111111111111111111010011010011111111010111011"
        "000000000010010010000000000111111111111111111111111111000000000000011010000010000"
        "000000000010010010000000000111111111111111111111111111000011010010111011010011011"
        "000000000010010010000000000111111111111111111111111111000010000010011011000011010"
        "000000000010010010000000000111111111111111111111111111000011010010111011010011010"
        "000000000010010010000000000111111111111111111111111111010111011111111111011111111"
        "000000000010010010000000000111111111111111111111111111010011010011111111010111011"
        "000000000010010010000000000111111111111111111111111111000010000010011011000011010"
        "000000000010010010000000000111111111111111111111111111010011010011111111010111011"
        "000000000010010010000000000111111111111111111111111111000011010010111011010011012"
    ;

    // Simple best-only.
    std::vector<std::unique_ptr<Rule>> best_rules;
    best_rules.emplace_back(new Rule(base));
    worst_best_fitness = best_rules.back()->fitness();
    while (true) {
        const auto& base = *op::random_choice(best_rules.begin(), best_rules.end(), rng);
        std::unique_ptr<Rule> contender(base->random_mutation(op::randint(0, 100, rng)));

        // Sort most fit ones to the beginning.
        auto most_fit = [](const std::unique_ptr<Rule>& a, const std::unique_ptr<Rule>& b) {
            return a->fitness() > b->fitness();
        };

        if (contender->fitness() >= best_rules.back()->fitness()) {
            std::cout << contender->fitness();
            double contender_fitness = contender->fitness();
            best_rules.emplace_back(std::move(contender));
            std::sort(best_rules.begin(), best_rules.end(), most_fit);
            if (best_rules.size() > 5) best_rules.pop_back();
            std::cout << " / " << best_rules[0]->fitness() << "\n";
            worst_best_fitness = best_rules.back()->fitness();

            if (contender_fitness == best_rules.front()->fitness()) {
                best_rules.front()->print_rule();
            }
        }
    }

    return 0;
}
orlp
źródło
0

Ręcznie kodowane, 57.541%

To faktycznie patrzy tylko na 5 komórek nad nim. Prawdopodobnie można to poprawić, zwiększając zasięg, na który patrzy. Przebiegł 100 000 przypadków testowych.

Algorytm:

If above == 0:
   if to the left there are only 2s or there is a 1 separated by 2s
       next state = 2
   else
       next state = 0
If above == 1:
   if to the right there are only 2s or there is a 0 separated by 2s
       next state = 2
   else
       next state = 1
If above == 2:
   ignore 0s to the left if the 0 is left of a 1 on the left
   ignore 1s to the right if the 1 is right of a 0 on the right
   if the closest 0 on the left is closer than the closest 1 on the right
       next state = 0
   else if the closest 1 on the right is closer than the closest 0 on the left
       next state = 1
   else
       next state = 2

Gen:

000000000222222222000222222222222222222222222222222222000000000222222222000222222
000000000222222222000222222111111111111111111111111111000222222111111111111111111
000000000222222222000222222222222222222222222222222222000000000222222222000222222
000000000222222222000222222222222222222222222222222222000000000222222222222222222
000000000222222222000222222111111111111111111111111111222111111111111111111111111
000000000222222222000222222111111111111111111111111111000000000111111111222111111
000000000222222222000222222222222222222222222222222222000000000222222222000222222
000000000222222222000222222111111111111111111111111111000222222111111111111111111
000000000222222222000222222222222222222222222222222222000000000222222222000222222
000000000222222222000222222222222222222222222222222222000000000222222222000222222
000000000222222222000222222111111111111111111111111111000222222111111111111111111
000000000222222222000222222222222222222222222222222222000000000222222222000222222
000000000222222222000222222222222222222222222222222222000000000222222222222222222
000000000222222222000222222111111111111111111111111111222111111111111111111111111
000000000222222222000222222111111111111111111111111111000000000111111111222111111
000000000222222222000222222222222222222222222222222222000000000222222222000222222
000000000222222222000222222111111111111111111111111111000222222111111111111111111
000000000222222222000222222222222222222222222222222222000000000222222222000222222
000000000222222222000222222222222222222222222222222222000000000222222222000222222
000000000222222222000222222111111111111111111111111111000222222111111111111111111
000000000222222222000222222222222222222222222222222222000000000222222222000222222
000000000222222222000222222222222222222222222222222222000000000222222222222222222
000000000222222222000222222111111111111111111111111111222111111111111111111111111
000000000222222222000222222111111111111111111111111111000000000111111111222111111
000000000222222222000222222222222222222222222222222222000000000222222222000222222
000000000222222222000222222111111111111111111111111111000222222111111111111111111
000000000222222222000222222222222222222222222222222222000000000222222222000222222

Kod testowy:

import java.lang.Math.*
import java.util.*

const val RADIUS = 3;
const val STATES = 3;
const val DIAMETER = 2 * RADIUS + 1
const val TAPE_LENGTH = 151

val CODE_SIZE = pow(STATES.toDouble(), DIAMETER.toDouble()).toInt()

const val GRADE_RUNS = 100000
const val GRADE_MAX_TIME = 10000


operator fun IntArray.inc() : IntArray {
    val next = this.clone()
    var i = 0
    while (i < size) {
        if (this[i] == STATES - 1) {
            next[i] = 0
        } else {
            next[i]++
            break
        }
        i++
    }
    return next
}
val IntArray.index : Int
    get() {
        var total = 0
        for (i in (size - 1) downTo 0) {
            total *= STATES
            total += this[i]
        }
        return total
    }

interface IRule {
    operator fun get(states : IntArray) : Int
}

fun IntArray.equalsArray(other: IntArray) = Arrays.equals(this, other)

class Rule : IRule {

    constructor(rule : IRule) {
        val start = IntArray(DIAMETER)
        var current = start.clone()

        code = IntArray(CODE_SIZE)
        try {
            do {
                code[current.index] = rule[current]
                current++
            } while (!current.equalsArray(start));
        } catch (e : Throwable) {
            println(Arrays.toString(code))
            println(Arrays.toString(current))
            throw e
        }
    }
    constructor(code : IntArray) {
        this.code = IntArray(CODE_SIZE) { if (it < code.size) code[it] else 0 }
    }

    val code : IntArray

    override fun get(states: IntArray) : Int {
        return code[states.index]
    }

    override fun toString() : String {
        val b = StringBuilder()
        for (i in 0 until CODE_SIZE) {
            if (i > 0 && i % pow(STATES.toDouble(), RADIUS.toDouble() + 1).toInt() == 0) {
                b.append('\n')
            }
            b.append(code[i])
        }
        return b.toString()
    }

    fun grade() : Double {
        var succeeded = 0
        for (i in 0 until GRADE_RUNS) {
            if (i % (GRADE_RUNS / 100) == 0) {
                println("${i/(GRADE_RUNS / 100)}% done grading.")
            }
            var tape : Tape
            do {
                tape = Tape()
            } while (tape.majority() == -1);
            val majority = tape.majority()
            val beginning = tape
            var j = 0
            while (j < GRADE_MAX_TIME && !tape.allTheSame()) {
                tape = tape.step(this)
                j++
            }
            if (tape.stabilized(this) && tape.majority() == majority) {
                succeeded++
            }/* else if (beginning.majority() != 2) {
                println(beginning.majority())
                tape = beginning
                for (j in 1..100) {
                    println(tape)
                    tape = tape.step(this)
                }
                println(tape)
            }*/
        }
        return succeeded.toDouble() / GRADE_RUNS
    }

}

fun getRandomState() : Int {
    return (random() * STATES).toInt()
}

class Tape(val tape : IntArray) {

    constructor() : this(IntArray(TAPE_LENGTH) { getRandomState() } )

    fun majority() : Int {
        val totals = IntArray(STATES)

        for (cell in tape) {
            totals[cell]++
        }

        var best = -1
        var bestScore = -1

        for (i in 0 until STATES) {
            if (totals[i] > bestScore) {
                best = i
                bestScore = totals[i]
            } else if (totals[i] == bestScore) {
                best = -1
            }
        }

        return best
    }

    fun allTheSame() : Boolean {
        for (i in 1 until TAPE_LENGTH) {
            if (this[i] != this[0]) {
                return false
            }
        }
        return true
    }

    operator fun get(index: Int) = tape[((index % TAPE_LENGTH) + TAPE_LENGTH) % TAPE_LENGTH]

    fun step(rule : IRule) : Tape {
        val nextTape = IntArray ( TAPE_LENGTH )

        for (i in 0 until TAPE_LENGTH) {
            nextTape[i] = rule[IntArray(DIAMETER) { this[i + it - RADIUS] }]
        }

        return Tape(nextTape)
    }

    fun stabilized(rule : IRule) = allTheSame() && majority() == step(rule).majority()

    override fun toString() : String {
        val b = StringBuilder()
        for (cell in tape) {
            b.append(cell)
        }
        return b.toString()
    }

}

fun main(args : Array<String>) {
    val myRule = Rule(object : IRule {
        override fun get(states: IntArray): Int {
            if (states[3] == 0) {
                if (states[2] == 1) {
                    return 2
                } else if (states[2] == 0) {
                    return 0
                } else if (states[1] == 1) {
                    return 2
                } else if (states[1] == 0) {
                    return 0
                } else {
                    return 2
                }
            } else if (states[3] == 1) {
                if (states[4] == 0) {
                    return 2
                } else if (states[4] == 1) {
                    return 1
                } else if (states[5] == 0) {
                    return 2
                } else if (states[5] == 1) {
                    return 1
                } else {
                    return 2
                }
            } else {
                if (states[2] == 0) {
                    if (states[4] != 1) {
                        return 0
                    }
                } else if (states[4] == 1) {
                    return 1
                }
                if (states[1] == 0 && states[2] != 1) {
                    if (states[5] != 1) {
                        return 0
                    }
                } else if (states[5] == 1 && states[4] != 0) {
                    return 1
                }
                return 2
            }
        }

    })
    var tape = Tape()
    println(myRule.grade())
}

Przykład

Numer jeden
źródło