Neon-Lightcycle-Duell
Zwei Agenten ziehen Neonspuren über ein Gitter. Das Territorium wird in Echtzeit per Voronoi-Zerlegung aufgeteilt — wer mehr offenen Raum beansprucht, gewinnt.
Die Territoriums-Überlagerung ist ein Wettlauf, kein Bild 🖖
Die farbige Aufteilung sieht wie ein Voronoi-Diagramm aus, und sie ist eines – nur misst sie Züge durch offene Felder, nicht die Luftlinie. Sobald eine Spur liegt, gehen die beiden Maße völlig auseinander. Nimm ein Gitter aus 22×22 Feldern, zieh eine Spur die Mittelspalte hinunter und lass in der letzten Reihe eine einzige Lücke: Das Feld zwei Schritte gegenüber ist 44 Züge entfernt – einundzwanzig hinunter, zwei hinüber, einundzwanzig wieder hinauf. Zweiundzwanzigmal weiter, als es aussieht. Eine Wand, über die man hinwegsehen kann, muss man dennoch umfahren. Deshalb zeichnet sich die Überlagerung bei jeder Kurve neu, und deshalb steht Voronoi in der Auswahlliste als Strategie, nicht als Verzierung.
Ein Wettlauf um Raum, kein Kampf 🖖
Bei einem Lightcycle-Duell greift niemand den anderen an – du verlierst nur, wenn du in eine Wand, eine leuchtende Spur oder eine Sackgasse fährst. Das eigentliche Ziel ist es, dir genug freien Raum zum Weiterfahren zu sichern. Die praktische Lehre: Halte dich an die Ränder und fülle den Platz in ordentlichen Bahnen, statt quer durch die offene Mitte zu schneiden, was dir weniger Fluchtwege lässt als deinem Gegner.
Optimales Spiel ist beweisbar schwer 🖖
Man könnte meinen, ein so kleines Gitter sei leicht „lösbar“ – im Allgemeinen ist es das nicht. 2012 bewies Tillmann Miltzow, dass die Bestimmung des Siegers von Tron auf beliebigen Graphen PSPACE-schwer ist – eine Klasse, die weithin als noch schwieriger gilt als die NP-vollständigen Probleme hinter den meisten Rätseln. Genau deshalb setzt dieses Werkzeug auf Heuristiken wie gierige Korridore und 2-ply-Minimax, statt den wirklich optimalen Zug zu berechnen.
Quellen (1)
- Insight block 3 — why the tool uses heuristics rather than solving the game: T. Miltzow, "Tron, a Combinatorial Game on Abstract Graphs." Lecture Notes in Computer Science 7288 (Fun with Algorithms 2012), 293–304.
Vom 42Math-Team · Aktualisiert
Anhand veröffentlichter Quellen geprüft. Korrekturen willkommen. Redaktionsrichtlinie · Korrekturen
Alle Lektionen: Gezeitenzone →
Beispielaufgaben
- Gierig gegen gierig - Ausgeglichenes Duell: mittelgroße Arena, mittlere KI-Vorsicht
- Enge Arena - Enge Arena erzwingt frühe Korridor-Entscheidungen und birgt hohes Kollisionsrisiko
- Minimax-Duell - Hohe Geschwindigkeit + aggressive KI sorgen für chaotische, kurze Runden
- Spielen (schwacher Bot) - Große Arena mit zurückhaltender KI gibt dem Spieler mehr Kontrolle beim Fallenstellen