文章目录
- [1 问题描述](#1 问题描述)
- [2 问题分析](#2 问题分析)
- [3 算法设计](#3 算法设计)
-
- [3.1 核心策略](#3.1 核心策略)
- [3.2 算法流程](#3.2 算法流程)
-
- [3.2.1 第一轮：成分覆盖](#3.2.1 第一轮：成分覆盖)
- [3.2.2 第二轮：查表与频率分析](#3.2.2 第二轮：查表与频率分析)
- [3.2.3 第三至五轮：排列求解](#3.2.3 第三至五轮：排列求解)
- [3.3 反馈处理规则](#3.3 反馈处理规则)
- [3.4 知识库管理](#3.4 知识库管理)
- [4 实现细节](#4 实现细节)
-
- [4.1 数据结构设计](#4.1 数据结构设计)
- [4.2 算法核心实现](#4.2 算法核心实现)
- [5 总结与展望](#5 总结与展望)
1 问题描述
在《植物大战僵尸 3：进化》中，有一个解码小游戏，要求猜出一个 4 个 2 层植物组合。其中，可供选择的 1 层植物为向日葵、豌豆射手、卷心菜投手、坚果墙、地刺，2 个 1 层植物可以合成为 1 个 2 层植物，合成关系如下表[1](#1)：
| 向日葵 | 豌豆射手 | 卷心菜投手 | 坚果墙 | 地刺 | |
|---|---|---|---|---|---|
| 向日葵 | 双胞向日葵 | 太阳能豌豆 | 葵花籽 | ||
| 豌豆射手 | 太阳能豌豆 | 双重射手 | 豌豆迫击炮 | 花生射手 | 松针射手 |
| 卷心菜投手 | 豌豆迫击炮 | 卷心菜连投手 | 栗子投手 | ||
| 坚果墙 | 葵花籽 | 花生射手 | 栗子投手 | 高坚果 | 荔枝 |
| 地刺 | 松针射手 | 荔枝 | 锯齿草 |
在开始游戏时，系统会自动生成一个不重复的 2 层植物组合，玩家需要给出猜测。每次给出一个猜测，系统会逐一比较每个位置上的植物，并返回 4 种结果：
- 正确
- 可交换：当前位置不正确，但有另一个位置是这个答案
- 部分正确：有一个合成植物猜对了
- 完全错误：除以上情况外的返回
如果没猜中，玩家需要根据上述结果修改自己的答案，直至猜中为止。每个玩家都有 15 次机会进行猜测，只有 5 次及以内猜中的才可获得金奖杯。问：执行怎样的策略才能稳定地获得金奖杯？
2 问题分析
要解决这个解码小游戏，首先需要深入理解问题的本质和挑战。从数学角度看，这是一个典型的约束满足问题，涉及组合搜索和信息理论的应用。
游戏的核心挑战在于搜索空间的规模。总共有 12 种 2 层植物，需要排列成 4 个位置的组合，不考虑重复的情况下，总共有 12 × 11 × 10 × 9 = 11880 种可能的答案。如果采用盲目猜测的方法，平均需要尝试近 6000 次才能找到正确答案，这显然远远超过了 5 次的限制。
因此，反馈机制是解决问题的关键。系统返回的四种反馈 (正确、可交换、部分正确、完全错误) 包含了丰富的信息，如何有效解析和利用这些信息是算法设计的核心。每个位置的反馈都能排除大量不可能的情况，尤其是"完全错误"和"部分正确"的反馈，它们能快速缩小搜索空间。
从信息论的角度分析，每次猜测的目标应该是最大化信息增益。理想情况下，第一次猜测应该尽可能覆盖更多的可能性，为后续的决策提供最多的信息。这就需要精心选择初始猜测的植物组合，确保它们能覆盖所有可能的成分，从而通过一次猜测获得关于答案成分的全面信息。
另一个重要挑战是如何处理排列问题。即使确定了答案包含哪些植物，它们的位置仍然需要通过进一步的猜测来确定。这时候需要设计高效的排列测试策略，避免冗余的猜测。
综合来看，这个问题的难点在于：如何设计一个系统性的策略，通过有限的几次猜测，逐步缩小搜索空间，最终确定唯一的正确答案。这需要结合信息论、组合数学和贪心算法等多种技术，确保在 5 轮内稳定找到正确解。
3 算法设计
基于问题分析，我设计了一种确定性算法，经过测试能保证在 5 轮内找到正确答案。这个算法的核心思想是通过系统性的猜测和反馈分析，逐步缩小搜索空间，最终确定唯一解。
3.1 核心策略
算法采用三阶段策略：第一轮进行成分覆盖，第二轮根据反馈缩小范围，第三至五轮进行排列求解。这种分阶段的方法能够最大化每次猜测的信息增益，快速逼近正确答案。
3.2 算法流程
是
否
是
否
是
否
开始游戏
第一轮猜测: P2, P5, P9, P11
获取反馈
更新知识库
检查是否找到答案
结束
第二轮猜测: 查表+频率分析
获取反馈
更新知识库
检查是否找到答案
第三至五轮: 排列求解
生成可能排列
测试排列
获取反馈
更新知识库
检查是否找到答案
3.2.1 第一轮：成分覆盖
第一轮的目标是通过一次猜测覆盖所有可能的成分，为后续分析提供最大的信息。我们选择的固定猜测是 {P2, P5, P9, P11}，这四种植物分别是太阳能豌豆 (A, B)、豌豆迫击炮 (B, C)、栗子投手 (C, D) 和荔枝 (D, E)，它们的成分组合覆盖了全部 5 种 1 层植物成分 (A ~ E)。这样无论答案包含哪些成分，我们都能通过反馈获得关于成分的关键信息。
3.2.2 第二轮：查表与频率分析
根据第一轮的反馈，我们构建每位置的可能植物集合。然后通过查表和频率分析，选择能最大化排除可能性的测试植物。这一轮的目标是进一步缩小每位置的可能范围，为后续的排列求解做准备。
3.2.3 第三至五轮：排列求解
当我们确定了答案包含的植物集合后，进入排列求解阶段。这时候我们知道答案是这 4 种植物的某种排列，需要通过测试不同的排列来确定正确的位置。算法会生成所有满足位置约束的排列，然后逐一测试，直至找到正确答案。
3.3 反馈处理规则
反馈处理是算法的核心部分，直接影响搜索空间的缩小效率：
- 对于"正确"反馈：该位置确定为当前植物，其他可能性被排除。
- 对于"可交换"反馈：该植物是答案之一，但不在当前位置，因此当前位置排除该植物，同时记录该植物为答案之一。
- 对于"部分正确"反馈：答案植物与猜测植物有共享成分，因此排除所有与猜测植物无共享成分的植物。
- 对于"完全错误"反馈：答案植物与猜测植物无共享成分，因此排除所有与猜测植物有共享成分的植物。
这些规则确保了每一次反馈都能最大程度地缩小搜索空间，为后续的猜测提供更精确的信息。
3.4 知识库管理
算法使用知识库来跟踪每位置的可能植物集合。知识库会根据每次的反馈动态更新，记录哪些植物在哪些位置是可能的。当某个位置的可能植物集合只包含一种植物时，该位置就被确定。当所有 4 个位置都被确定时，算法结束。
通过这种系统性的方法，算法能够在 5 轮内稳定找到正确答案，无需依赖运气成分，确保玩家能够获得金奖杯。
4 实现细节
本文代码参见 Gitee 仓库。
4.1 数据结构设计
核心数据结构包括 Plant 类、Feedback 枚举、KnowledgeBase 类和 Round2Lookup 类。Plant 类定义了 12 种 2 层植物的基本信息，包括 ID、名称和成分掩码，成分掩码用二进制位表示植物包含的 1 层成分，便于快速计算成分共享关系。Feedback 枚举定义了四种反馈类型，为反馈处理提供了清晰的类型定义。
KnowledgeBase 类是知识库的核心，负责管理每位置的可能植物集合。它维护了一个 2 维数组，记录每个位置上可能的植物，以及一个集合记录已确定的答案植物。每次收到反馈后，KnowledgeBase 会根据反馈处理规则更新可能植物集合，确保搜索空间的高效缩小。Round2Lookup 类则为第二轮猜测提供优化，通过预计算的查表方式，根据第一轮的反馈快速选择最优的第二轮猜测。
4.2 算法核心实现
GameSolver 类是求解算法的核心，实现了三阶段策略的具体逻辑。在第一轮，它固定生成 {P2, P5, P9, P11} 的猜测，确保成分覆盖。在第二轮，它根据第一轮的反馈，结合Round2Lookup 和频率分析，选择能最大化排除可能性的测试植物。在第三至五轮，当确定答案植物集合后，它会生成所有满足位置约束的排列，并逐一测试，直至找到正确答案。
反馈处理是 GameSolver 的关键功能，它根据不同的反馈类型执行相应的更新操作。对于 C 反馈，直接将该位置的可能植物集合设置为当前猜测的植物；对于 S 反馈，排除当前位置的该植物，并将其添加到已确定的答案植物集合；对于 P 反馈，排除与猜测植物无共享成分的植物；对于 W 反馈，排除与猜测植物有共享成分的植物。这些操作确保了每一次反馈都能有效缩小搜索空间。
5 总结与展望
通过上述步骤成功设计并实现了《植物大战僵尸 3：进化》解码小游戏的求解算法，通过系统性的策略和高效的实现，确保了在 5 轮内稳定找到正确答案，帮助玩家轻松获得金奖杯。但这并不是最高效的算法，比如在第 1 轮反馈 WWWW 后，算法返回第 2 轮的第 1 个植物为双胞向日葵，而第 1 轮的 1 号位返回 W 已经确认了这个位置不可能包含成分向日葵，这里存在一定的信息丢失，后续优化可以围绕这一规则展开，从而实现更高效的算法。
- 其中空值表示不可合成。 ↩︎