一个我希望能获得银牌的解决方案（目前排名第 29 位）

我们要感谢所有参与 LuxAI 竞赛的选手，感谢大家的辛勤付出。

我们真的很享受这次竞赛，虽然确实牺牲了一些睡眠时间。(>_<)

虽然我们未能达到金牌的位置，但截至目前我们已经获得了银牌。

---

基础 — 卓越的 Notebook

我们的方法建立在 @egrehbbt 发布的卓越 Notebook 之上，它构成了我们策略的核心：
https://www.kaggle.com/code/egrehbbt/relicbound-bot-for-lux-ai-s3-competition

我们要向 @egrehbbt 表示深深的感谢，感谢他提供了如此出色的资源。在此基础上，我们开发了一个简单的基于规则的解决方案，主要有五项修改。

修改 1：find_relics 密集模式

当遗迹尚未被发现，但我们的分数或对手的分数正在增加（即奖励正在出现）时，我们将所有飞船重定向到专注于搜索遗迹。

在这场游戏中，最重要的因素是确保我们在寻找遗迹方面不落后于对手。

修改 2：采集 – 能量充能 – SAP

除了采集之外，飞船还会为后来的“雪崩”攻击储备能量。

我们还使用 SAP 来拦截或阻碍进入我们区域的飞船。

修改 3：“雪崩”

接近游戏结束时，积累了能量的飞船会聚集在一起，攻击对方的采集区。

通过发动同步攻击，我们可以高概率压倒对手。关键是在最后 10 步扭转局势。

修改 4：预测地图变化

通过观察地图变化时间和能量积累，我们可以准确预测未来状态。

然后我们在考虑这些即将发生的地图变化的同时规划最佳路线。

修改 5：盲 SAP

即使看不见对手，我们也可以部署 SAP。

通过估算对手的奖励填充了多少（基于他们获得的分数），即使没有直接看到他们，我们也使用 SAP 来干扰他们的进度。

---

在这次竞赛中，我与我的同事 Kazuhiro.O 组队。起初，我们的分数相似，但随着竞赛的进行，他的分数显著上升。与此同时，我难以提高自己的分数，所以我通过优化他程序的速度来帮助他。

Kazuhiro.O 是一位优秀的同事，他在 SIGNATE（一个类似于 Kaggle 的日本平台）上拥有 Grandmaster 等级。我真的很感激我们能在这次竞赛中合作。