La idea sutil detrás de aprender de los tableros fuertes: no todo acuerdo entre ellos es bueno. Algunos emplazamientos compartidos son estructura real; otros son una trampa común que limita cada búsqueda justo por debajo de la cima. Distinguir ambos y atacar la trampa.
Reproducir este resultado: prosa — no hay ningún cálculo detrás de esta página
Cada técnica vista hasta ahora trata el acuerdo entre tableros fuertes como algo bueno: allí donde los buenos tableros concuerdan, se los sigue. Esta descompone ese acuerdo, porque una parte de él es una trampa. Cuando muchas búsquedas independientes alcanzan todas un tablero alto pero imperfecto, coinciden en un enorme número de emplazamientos, y una parte de ese acuerdo es estructura genuina mientras que otra es un mal hábito compartido: una elección local que parece buena, se siente forzada y limita silenciosamente cada búsqueda justo por debajo de la cima. Toda la idea consiste en distinguir ambos y luego atacar la trampa.
Un simple recuento no puede separar la estructura real de la trampa, porque ambas aparecen casi en todas partes. El truco está en calcular dos frecuencias para cada patrón candidato y compararlas. Sobre un corpus de tableros repartidos en una amplia franja de puntuaciones, para cada par de celdas adyacentes y cada par de piezas que alguna vez ocupa ese lugar, se mide:
junto con un techo: la mejor puntuación de cualquier tablero que contenga el patrón. Emergen dos categorías. Un buen consenso es un alto con un techo alto, un patrón que los tableros fuertes comparten y que los mejores tableros conservan: estructura real y fiable. Una trampa de consenso es un alto con un techo estancado justo por debajo de la cima, un patrón que casi todos los tableros adoptan pero que ningún tablero de cabeza retiene: la elección equivocada consensuada que bloquea a toda una familia por debajo del récord. La vista de frecuencia única no puede distinguirlos; separar por cuenca es todo el movimiento.
Saber dónde están las trampas convierte el corpus en un mapa de qué
emplazamientos merecen confianza y cuáles hay que desmontar. El experimento
PALIMPSEST
lo usa para dirigir una búsqueda ALNS:
se toma un tablero atrapado en la cuenca de la trampa, se busca la cuña cuya
eliminación rompe el mayor número de patrones-trampa preservando los de buen
consenso, se rompen deliberadamente esas celdas y se devuelve el tablero al bucle
de reparación, cuyo operador de destrucción abre precisamente esas regiones rotas
y las reconstruye. Dirigida así, alcanzó 463, el mejor tablero que ha producido
este proyecto (el
experimento PALIMPSEST,
cuyo tablero versionado se reproduce mediante just research-record-boards).
La salvedad es la lección. Intentar usar la lista de trampas directamente, forzando a la búsqueda a evitar cada emplazamiento atrapado, no funcionó y empeoró los tableros. El valor estaba en leer el corpus para elegir hacia dónde apuntar la búsqueda, no en codificar en duro sus conclusiones como una prohibición. Un mapa aprendido es un buen lugar hacia el que orientar una búsqueda y un mal juego de grilletes que atornillarle, que es la misma frontera entre desempate y objetivo que atraviesa los a priori de corpus, vista desde el otro lado: aquí el peligro no es sobreponderar una buena señal, sino confiar en exceso en una señal sobre lo que es malo.
Incluso perfectamente dirigida, esta vía no franquea la cima. Reconstruir las regiones atrapadas tiende a caer de nuevo en el mismo tablero de cabeza ya conocido en lugar de en uno genuinamente nuevo, porque la trampa no es un error que una búsqueda más astuta evite; es el muro de rigidez en sí. Ese es el tema de la página sobre el colapso.