John_Trucena

23.02.2019 в 13:11, Doob сказал:

Меня прельщает то, что входов и выходов мало, их легко нормализовать, есть кое-какие возможности (функция получения времени или уровня энергии), позволяющие спроектировать очень простую нейросеть. Обучать, да, сложно. Это собрать данные, собрать статистику, без прямого обучения через тушку робота это очень сложно. Но можно будет дообучать сеть в процессе работы.

Например, будет найдено равновесное состояние, при котором роботы будут добывать себе топливо и алмазные кирки. Но в таком случае, эти автономные агенты будут совершенствоваться не зависимо друг от друга.

Либо, можно подключить все тушки к одному серверу, который на основе данных от роботов, будет дообучать сеть и выдавать обновления.

ну если так сделаешь, то оптимум будет достигаться для каждой сборки, хоть и со временем
а можно ли эту копку моделировать на компе?
тогда можно и обучать быстрее

1 минуту назад, Doob сказал:

Да, есть много тонкостей, много возможностей, но есть одно "но". Процессоры у опенкомпов на уровне калькулятора, а памяти вообще ни на что не хватит, т. к. для быстрых вычислений граф надо приводить к определенному виду и на каждой итерации генерировать переменных, в разы превышающих размер исходного графа. Попробую, в качестве эксперимента погонять на чистом Lua, чтобы оценить, на сколько миллиардов лет зависнет робот, при таких вычислениях.

ага, ждёмс
просто можно попробовать объединять блоки руд в жилы(заюзать рекурсию попробовать можно, а можно и другое), вычислять аля центры и уже эти центры юзать для просчётов)

а метод ветвей и границ для собранных жил не подойдёт?
тока чтоб не все решения смотрел, а чисто одну ветвь
и да, ведь можно попробовать использовать прорытые проходы помаксимуму, а не копать новые

для world.x и остальных можно было бы попробовать юзать что-то наподобие world[x][z][y] = index
тогда бы не пришлось бегать по всему массиву и искать нужные коорды, но памяти бы жрало много