Algorithm 改进的Hangman对策，优化算法

计算机现在随机选择这些单词中的一个，程序应该尽可能少地猜测单词

在提示之后，计算机会给出以下提示

开始于

以

包含

不包括

让我们以house这个词为例：如果我们猜到“h”，那么我们得到的答案是搜索的单词以“h”开头。如果我们猜测“ous”，我们得到的答案是搜索的单词包含“ous”usw。如果我们猜“房子”，那么我们得到的答案是我们找到了正确的单词

---

对于这个问题是否有一个最佳策略？幼稚的做法是尝试每一个词。当然，那很糟糕。我认为这是一个更好的方法。作为第一个技巧，选择最常见的字母等。但我认为你可以更有效地做到这一点

是的，有一个最佳策略。但是，该策略取决于对给定单词列表求解博弈树。词表是有限的；在每个节点上都有一组有限的选择；可以对每个猜测进行配置，以确保结果添加大量信息，从而使您更接近解决方案。因此，博弈树是有限的

为给定词典（单词列表）构建游戏树。如果你想要保证最优攻击，你需要求解博弈树，包括极小极大和修剪。如果你想在更短的时间内找到一个非常好的攻击，那么从决策树的ML（机器学习）区域中抽取

---

这足以让你找到解决方案吗？

我们怎么知道我们什么时候赢了？@juvian我们从电脑上收到一条信息，它说我们猜对了单词。如果一个字母满足前三个条件呢？像猴面包树？我开始读这个问题，我觉得我错过了几个句子：“计算机现在随机选择”-“现在”意味着已经发生了其他事情-在那之前发生了什么事情吗？“其中一个词”-哪个词？也许是有人在做同样的挑战？是的，我想是的。现在我有一些事情可以研究。但是，是否有一个解决方案需要渐近小于log（n）的尝试（如果n是可能的单词的数量）？@ ueAuy考虑你做一个查询，你的答案将提供你可以丢弃一些条目的信息。您需要在每个查询中丢弃至少一半，才能生成日志（n）解决方案，但您认为这是不可能的。请注意，您可以制定一个简单的策略，在最多26+k*（l-2）个查询中解决任何单词，其中k是不同字符的数量，l是单词的长度。@ueial:不，您不能比O（log（n））做得更好。事实上，一个精心构建的单词列表会给你留下O（n）。一个为您构建的最佳单词列表将是O（log8（n）），因为您可以从每个猜测中提取8个分类（3个二进制决策）。