AtCoder Heuristic Contestにおいて上位を狙うには、ビームサーチや焼きなましなどの典型的な手法を適用するだけではなく、深い考察や賢い発想によって問題の本質を突くことが（問題によってその傾向の強弱はあるものの）求められ、ときに「天才貪欲」と呼ばれます。 いったいどうやって練習をすれば天才になれるのか…というのはヒューリスティック勢共通の悩みだと思うのですが、 そこでオススメなのが、（以前の予選・本戦形式だった頃の） 日本橋ハーフマラソン本戦の問題 です。 本戦なので、細かい調整だけで上位が決まらないよう、良い方針を発想できた人が上位に来るようになることを考えて作られている 4時間で2問解く超短期コンテストなので問題がさほど重くなく、短いサイクルで練習できる （【ネタバレ注意】AHCの焼きなまし・ビームサーチ練習にオススメの問題まとめ - TERRYのブログ からのコピペ
はじめに 「INSIDE」なる謎のゲームがあった。 各ゲームメディアやレビューサイトでは、やたらと高評価が付けられている。 ただ正直、紹介されているゲーム画面を見ていても何が面白いのか全くわからない。光と影の使い方が絶妙で、空気感のある所謂「雰囲気ゲー」であることには何となく察しがついたくらいだ。 しかし、そこかしこの文章で「絶対にプレイすべき」「忘れられない体験になる」といった、絶賛の声で溢れかえっているのだから不思議だった。ちょっと出来の良い雰囲気ゲーなど、今の時代そんなに珍しいものとは思えなかったからだ。 そんなある日、Switch版の「INSIDE」がe-shopのセールで定価の1,980円から大幅に値引かれて、90％OFFの198円で販売されているのを見かける。絶賛されているゲームがたったのワンコイン…。 ゲームとしては「横スクロールアドベンチャー」であるという事前情報を知ってお
Reverend Maceo Woods And The Christian Tabernacle Choir - The Dynamic Reverend Maceo Woods And The Christian Tabernacle Choir In Concert Farid El Atrache - Farid El Atrache Arif Sag - Umut The Golden Gate Quartet - 'Go Where I Send Thee' Sly And The Family Stone - Fresh Me'Shell NdegeOcello - Plantation Lullabies The Velvet Underground - The Velvet Underground Steve Reich - Early Works Fela Ransom
「おかえりモネ」朝ドラ異例のヒロイン台詞なし 清原果耶“本番一発撮り”提案 内野＆西島競演に泣き笑い
このスクラップは？ ゲームAI開発におけるアルゴリズムを知るための書籍やWebサイトのメモです。 このスクラップのスコープ 「強いゲームAIを作るためのアルゴリズム」を主な関心とします ゲーム開発一般の要素技術のことは書きません 古典的かつ現在も基礎として有用なものを扱います 深層学習を扱いません 基本的な再帰全探索などは書ける読者を想定して超入門は省きます いろんな手法 記事「世界四連覇AIエンジニアがゼロから教えるゲーム木探索入門」 サンダーさんの書籍化元記事。 ヒューリスティックやゲームAIの典型手法が一通り紹介されている。より深く知りたくなったら書籍へ。 書籍「ゲームで学ぶ探索アルゴリズム実践入門～木探索とメタヒューリスティクス」 いわゆるサンダー本。 焼きなまし、ビームサーチ、Chokudaiサーチ、αβ探索、MCTSなど、メタヒューリスティック手法やゲーム木探索を一通りコードレ
A diagram of an alias table that represents the probability distribution〈0.25, 0.3, 0.1, 0.2, 0.15〉 In computing, the alias method is a family of efficient algorithms for sampling from a discrete probability distribution, published in 1974 by Alastair J. Walker.[1][2] That is, it returns integer values 1 ≤ i ≤ n according to some arbitrary discrete probability distribution pi. The algorithms typic
Deleted articles cannot be recovered. Draft of this article would be also deleted. Are you sure you want to delete this article? はじめに 指定された重みに従って離散的な値を確率的に選択したい、ということがよくある。例えば[1,4,5]という配列が与えられた時、確率10%で0、40%で1、50%で2というインデックスを返すような関数が欲しい。 普通に考えると部分和をとって乱数を一度振り、どの場所が選択されたか二分探索で調べる、というアルゴリズムが思いつくが、これは要素数Nに対して$O(\log(N))$の手間がかかる。logの手間というのは無視できることが多いが、この関数呼び出しが頻繁にある場合には無視できないコストになる。 さて、こんな用途のためにWalker'
2.3.2 Part one: There is a pivotal voter for A vs. B
英語版 (English version) 更新履歴 2024-08-02 初版に存在した証明のミスを修正しました。初版では Rule 110 を実装することでチューリング完全性を示したと主張していましたが、状態の幅が固定になってしまっているという問題がありました。現在のバージョンでは、Rule 110 でなく Tag system を実装し、問題を解消できていると思います 概要 GNU の find と mkdir コマンドのみを使えるシステムはチューリング完全であることを示します。 sed や awk コマンドが単体でチューリング完全であることはよく知られていますが、find + mkdir がチューリング完全になるという言及は探した限りでは見つからなかったので、ここに報告します。 証明は、タグシステム を実装することによって行います。 完成形のコードは下の方にありますが、順を追って、
はじめに ひとりJUnitアドベントカレンダー2日目の記事です。 今日未明にサッカー日本代表がスペイン代表に白星を上げました。そんな日に投稿しています。 @ParameterizedTestとは JUnit5から導入された、テストメソッドに対して付与できるアノテーションです。 基本的な使い方は先行研究が山ほどあると思うので割愛しますが、 簡単に言うと、条件や値を引数で与えることによって一つのテストメソッドで複数のケースを実行する仕組みです。 import org.junit.jupiter.params.ParameterizedTest; import org.junit.jupiter.params.provider.ValueSource; import static org.hamcrest.MatcherAssert.assertThat; import static org.h
こんにちは。サイオステクノロジー技術部 武井(Twitter:@noriyukitakei)です。今回は、ビルドツールのGradleについて、書きたいと思います。 ※ ちなみにGradleの活用事例は以下の記事にあります。 多分わかりやすいマイクロサービス入門 〜 マイクロサービスフレームワーク「Azure Service Fabric」でLINE風なチャットアプリを作ろう！！ 〜 Gradleとは？ Gradleは、オープンソースのビルドシステムです。似たようなツールにMavenというものがあり、こちらが現在ではデファクトスタンダードですが、Gradleの人気もジワジワ上がりつつあります。で、Gradleが何をしてくれるかというと、例えば、Javaのjarファイルやwarファイルといったものを作ってくれます。 では、Mavenと何が違うのでしょうか？Mavenはビルドの手順を定義するため
Poisson disk samplingによるimage stipplingを実装してみました． Stipplingとは Stipplingとは点のパターンで画像を表現することです． アートの世界では点刻と呼ばれているようです． このような画像をコンピュータで生成するには 画像の輝度値のような与えられた値にたいして点の密度を変えることが必要となります． ここでPoisson Disk Samplingが登場します． Poisson Disk Sampling とは ランダムかつ点同士がある距離以上離れているようなサンプリングをPoisson Disk Samplingと呼びます． blue noise property もともとは画像をレンダリングする際のantialiasingのための技術で， CGの分野では"Stochastic sampling in computer graphi
Merpay Advent Calendar 2020 の21日目は、メルペイ SREチーム の @T がお送りします。 去年のAdvent Calendarでは、Terraform Moduleを使用したSLO（Service Level Objective）の定義と監視設定の定義を共通化し、マイクロサービス毎の1ヶ月毎のSLOを一覧表示出来るダッシュボードを開発していたことを紹介しました。あれから1年、この記事では、その後のSLO運用状況について紹介します。 SLO Dashboard 去年のAdvent Calendarでは、SLOの定義と監視設定の定義を共通化し、DatadogのDashboardやモニターの作成を自動化するため、Terraform Moduleを活用する仕組みを紹介しました。 この仕組みにより、DatadogのSLOのモニター、SLOリソース、SLOウィジェットを
Merpay Advent Calendar 2019 の14日目は、メルペイSREチームの@Tがお送りします。 本記事では、メルペイSREチームのSLO運用状況について、紹介いたします。 メルペイリリース前 去年のAdventCalendar 2018で、メルカリのWeb MicroservicesにおけるSLI/SLOについて紹介がありました。 メルペイでは新規のMicroserviceをリリースする前に、各MicroserviceチームがSLOを定義し、品質保持の一指標を決めるルールがあります。 メルペイSREチームでは、Microserviceチームと一緒にSLOを考え、各MicroserviceにSLOを定義していますが、一からSLOを定義するのはとても難しいです。 幸いなことにGoogle社からSLOの説明や定義方法などSREに関する素晴らしい記事がたくさん共有されており、SL
オンラインゲームを作ろう！と思ったことがある方は、 こちらの講演記事を1度は見たことがあるのではないでしょうか。 www.4gamer.net こちらの講演は、具体例を交えながら非常に分かりやすくオンラインゲームの主な同期方式が説明してあり、 2024年現在でもオンラインゲームの基礎を学ぶ資料として真っ先に名前を上げる最高の資料です。 しかしながら講演は2010年のものであり、オンラインゲームはこの10年余りで進化しています。 この辺りの進化の話を簡単にまとめつつ、オンラインゲームの同期方式の選び方を紹介します。 （上記講演記事の知識/用語を前提としているため、先に上記記事をお読みください。） オンラインゲームの民主化について 技術の話をする前に。 近年、「マルチプレイヤーゲーム」と聞いてオフラインの画面分割ゲームを想像する人はいないと言って良いほど オンラインゲームは民主化されてきました
例外がスローされたらあれを実行したいが、 スローされなかったらこれを実行したい。 そういうときありますよね。 try-catch（-finally）では書きにくいときがある try-catch（-finally）では、 例外がスローされたときの処理（とスローされてもされなくてもする処理）は書けても、 スローされなかったときの処理は単純には書けません。 例で考えてみましょう。 まず、例外がスローされることを考えなくてよい場合を考えます。 fun noException() { val myValue = getMyValue() // 値を取得する。 .also { onMySuccess(it) // その後 onMySuccess を呼び出す。 onMyFinally() // 最後に onMyFinally を呼び出す。 } setMyValue(myValue) } ここで getM
リリース、障害情報などのサービスのお知らせ
最新の人気エントリーの配信
j次のブックマーク
k前のブックマーク
lあとで読む
eコメント一覧を開く
oページを開く