際際滷

際際滷Share a Scribd company logo
Behind the scenes of Sudoku - Application of genetic algorithms for the optimal fun.
Behind the scenes of
Sudoku
Application of genetic algorithms
for the optimal fun


                                  Thomas Bridi
                    Thomas.bridi@studio.unibo.it
                                                   S
Sudoku: il gioco


 S Gioco di logica

 S Dominio e vincoli

 S Sudoku probabiliatici

 S Sudoku deterministici
Lobbiettivo


 S Generare Sudoku deterministici

 S Creare puzzle sempre pi湛 difficili
Inizialmente


 S Mappare il problema della generazione come un CSP

 S Creare un algoritmo ad-hoc per la propagazione dei
   domini

 S Risolutore che mima le tecniche di soluzione usate
   dalluomo per identificare un puzzle deterministico
Il problema


 S La difficolt del puzzle non 竪 garantita a causa del
   risolutore: la difficolt dipende dal numero di tecniche
   implementate ma pu嘆 capitare che un puzzle generato
   possa essere risolto usando solamente tecniche semplici

 S Lagoritmo riconosce solo un sottoinsieme di puzzle
   deterministici
Una possibile soluzione


 S Generare una popolazione di Sudoku e farli evolvere
   utilizzando unalgoritmo genetico per ottenere puzzle
   sempre pi湛 difficili
Lapproccio (1)


 S Viene creato un genotipo in base alle celle selezionate
    durante la creazione e al valore inserito

 Genotype:
Lapproccio (2)


 S Una funzione di fitness (da ottimizzare) basata su quante
   volte una tecnica (con un determinato peso di difficlt)
   viene utilizzata

 S Viene generata una popolazione iniziale di puzzle

 S Vengono applicate operazioni come mutazione, incrocio
   e selezione naturale
Lambiente


 S Ambiente molto selettivo

 S Tutti i membri della popolazione vengono incrociati con tutti gli
    altri pi湛 volte
 S Tutti i membri vengono mutati

 S Tutti i genitori muiono nella generazione successiva

 S La popolazione viene mantenuta costante dalla selezione
    naturale
 S Possibilit di estinzione
Performance e risultati (1)


 S Solo l8,24% delle griglie porta con successo a un puzzle
   deterministico prima del fallimento dellalgoritmo spiegato
   in precedenza

 S La percentuale di mutazioni che porta a griglie pi湛 difficili
   竪 il 35,88%

 S Lalgoritmo richiede circa 3 ore per generare e mutare
   10000 puzzle (20000 Sudoku differenti)
Performance e risultati (2)

Andamento della difficolt media e massima su una popolazione costante di
100 puzzle mutati, incrociati e selezionati

1600
1400
1200
1000
 800                                                      Difficolt media
 600                                                      Difficolt massima
 400
 200
   0
         0     1     2     3    4     5     6     7
Behind the scenes of Sudoku - Application of genetic algorithms for the optimal fun.
Ad

Recommended

Generally Unacceptable Accounting Principles
Generally Unacceptable Accounting Principles
Archana Chari
梶求 =梶求 ≡ ≡==
梶求 =梶求 ≡ ≡==
Sangkyoon Nam
Linked In Guide V8
Linked In Guide V8
AdamGordon
Ninots dibuix power point
Ninots dibuix power point
Joan Mallart
Employment Satisfaction on Health and Housing
Employment Satisfaction on Health and Housing
Devesh kumar upadhyay
Time management best agent business
Time management best agent business
medialb
Winning work-e-book
Winning work-e-book
AdamGordon
Intervento di Luca Rigoni Convegno "Linnovazione a sostegno della cooperazio...
Intervento di Luca Rigoni Convegno "Linnovazione a sostegno della cooperazio...
Agenda Digitale del Veneto
l'e-Government per lo sviluppo del territorio
l'e-Government per lo sviluppo del territorio
Agenda Digitale del Veneto
Technology flyer it (selection)
Technology flyer it (selection)
AdamGordon
Offshore funds survey
Offshore funds survey
AdamGordon
New Social Networking Consultancy Launched In Glasgow The Drum
New Social Networking Consultancy Launched In Glasgow The Drum
AdamGordon
Thank You Forward - Lifebushido
Thank You Forward - Lifebushido
medialb
Ilugc curl
Ilugc curl
Akilan Ram
Presentazione Agenda Digitale del Veneto alle Direzioni Regionali
Presentazione Agenda Digitale del Veneto alle Direzioni Regionali
Agenda Digitale del Veneto
襦企 ろ ′語襴 螳覦
襦企 ろ ′語襴 螳覦
Sangkyoon Nam
Knowledge Sharing for Operational Excellence
Knowledge Sharing for Operational Excellence
Archana Chari

More Related Content

Viewers also liked (9)

l'e-Government per lo sviluppo del territorio
l'e-Government per lo sviluppo del territorio
Agenda Digitale del Veneto
Technology flyer it (selection)
Technology flyer it (selection)
AdamGordon
Offshore funds survey
Offshore funds survey
AdamGordon
New Social Networking Consultancy Launched In Glasgow The Drum
New Social Networking Consultancy Launched In Glasgow The Drum
AdamGordon
Thank You Forward - Lifebushido
Thank You Forward - Lifebushido
medialb
Ilugc curl
Ilugc curl
Akilan Ram
Presentazione Agenda Digitale del Veneto alle Direzioni Regionali
Presentazione Agenda Digitale del Veneto alle Direzioni Regionali
Agenda Digitale del Veneto
襦企 ろ ′語襴 螳覦
襦企 ろ ′語襴 螳覦
Sangkyoon Nam
Knowledge Sharing for Operational Excellence
Knowledge Sharing for Operational Excellence
Archana Chari
l'e-Government per lo sviluppo del territorio
l'e-Government per lo sviluppo del territorio
Agenda Digitale del Veneto
Technology flyer it (selection)
Technology flyer it (selection)
AdamGordon
Offshore funds survey
Offshore funds survey
AdamGordon
New Social Networking Consultancy Launched In Glasgow The Drum
New Social Networking Consultancy Launched In Glasgow The Drum
AdamGordon
Thank You Forward - Lifebushido
Thank You Forward - Lifebushido
medialb
Presentazione Agenda Digitale del Veneto alle Direzioni Regionali
Presentazione Agenda Digitale del Veneto alle Direzioni Regionali
Agenda Digitale del Veneto
襦企 ろ ′語襴 螳覦
襦企 ろ ′語襴 螳覦
Sangkyoon Nam
Knowledge Sharing for Operational Excellence
Knowledge Sharing for Operational Excellence
Archana Chari

Behind the scenes of Sudoku - Application of genetic algorithms for the optimal fun.

  • 2. Behind the scenes of Sudoku Application of genetic algorithms for the optimal fun Thomas Bridi Thomas.bridi@studio.unibo.it S
  • 3. Sudoku: il gioco S Gioco di logica S Dominio e vincoli S Sudoku probabiliatici S Sudoku deterministici
  • 4. Lobbiettivo S Generare Sudoku deterministici S Creare puzzle sempre pi湛 difficili
  • 5. Inizialmente S Mappare il problema della generazione come un CSP S Creare un algoritmo ad-hoc per la propagazione dei domini S Risolutore che mima le tecniche di soluzione usate dalluomo per identificare un puzzle deterministico
  • 6. Il problema S La difficolt del puzzle non 竪 garantita a causa del risolutore: la difficolt dipende dal numero di tecniche implementate ma pu嘆 capitare che un puzzle generato possa essere risolto usando solamente tecniche semplici S Lagoritmo riconosce solo un sottoinsieme di puzzle deterministici
  • 7. Una possibile soluzione S Generare una popolazione di Sudoku e farli evolvere utilizzando unalgoritmo genetico per ottenere puzzle sempre pi湛 difficili
  • 8. Lapproccio (1) S Viene creato un genotipo in base alle celle selezionate durante la creazione e al valore inserito Genotype:
  • 9. Lapproccio (2) S Una funzione di fitness (da ottimizzare) basata su quante volte una tecnica (con un determinato peso di difficlt) viene utilizzata S Viene generata una popolazione iniziale di puzzle S Vengono applicate operazioni come mutazione, incrocio e selezione naturale
  • 10. Lambiente S Ambiente molto selettivo S Tutti i membri della popolazione vengono incrociati con tutti gli altri pi湛 volte S Tutti i membri vengono mutati S Tutti i genitori muiono nella generazione successiva S La popolazione viene mantenuta costante dalla selezione naturale S Possibilit di estinzione
  • 11. Performance e risultati (1) S Solo l8,24% delle griglie porta con successo a un puzzle deterministico prima del fallimento dellalgoritmo spiegato in precedenza S La percentuale di mutazioni che porta a griglie pi湛 difficili 竪 il 35,88% S Lalgoritmo richiede circa 3 ore per generare e mutare 10000 puzzle (20000 Sudoku differenti)
  • 12. Performance e risultati (2) Andamento della difficolt media e massima su una popolazione costante di 100 puzzle mutati, incrociati e selezionati 1600 1400 1200 1000 800 Difficolt media 600 Difficolt massima 400 200 0 0 1 2 3 4 5 6 7