快速入门

安装

要安装 AlphaCube，请打开终端并运行以下命令：

pip install -U alphacube

使用方法

基本用法

在 Python 中使用 AlphaCube 非常简单。首次调用 alphacube.load() 时，所需的模型数据将被下载并缓存。

import alphacube

# 加载预训练模型
# 在 CPU 上默认为 "small"，在 GPU 上默认为 "large"
alphacube.load()

# 使用给定的打乱公式求解魔方
result = alphacube.solve(
    scramble="D U F2 L2 U' B2 F2 D L2 U R' F' D R' F' U L D' F' D R2",
    beam_width=1024,
)
print(result)

输出

{
    'solutions': [
        "D L D2 R' U2 D B' D' U2 B U2 B' U' B2 D B2 D' B2 F2 U2 F2"
    ],
    'num_nodes': 19744,        # 探索的总搜索节点数
    'time': 1.4068585219999659 # 时间（秒）
}

提高解法质量

如果您想要更短的解法，请增大 beam_width 参数。 这会使搜索更加详尽，但代价是需要更多的计算时间。

result = alphacube.solve(
    scramble="D U F2 L2 U' B2 F2 D L2 U R' F' D R' F' U L D' F' D R2",
    beam_width=65536,
)
print(result)

输出

{
    'solutions': [
        "D' R' D2 F' L2 F' U B F D L D' L B D2 R2 F2 R2 F'",
        "D2 L2 R' D' B D2 B' D B2 R2 U2 L' U L' D' U2 R' F2 R'"
    ],
    'num_nodes': 968984,
    'time': 45.690575091997744
}

允许额外几步

您不仅可以获得最短的解法，还可以使用 extra_depths 参数获得稍长的解法。 这会指示求解器在找到第一个解法后继续搜索。

alphacube.load()  # model_id="small"
result = alphacube.solve(
    scramble="D U F2 L2 U' B2 F2 D L2 U R' F' D R' F' U L D' F' D R2",
    beam_width=65536,
    extra_depths=1
)
print(result)

输出

{
    'solutions': [
        "D' R' D2 F' L2 F' U B F D L D' L B D2 R2 F2 R2 F'",
        "D2 L2 R' D' B D2 B' D B2 R2 U2 L' U L' D' U2 R' F2 R'",
        "D R F2 L' U2 R2 U2 R2 B2 U' F B2 D' F' D' R2 F2 U F2 L2",  # 额外
        "L' D' R' D2 L B' U F2 U R' U' F B' R2 B R B2 F D2 B",      # 额外
        "R' F L2 D R2 U' B' L' U2 F2 U L U B2 U2 R2 D' U B2 R2",    # 额外
        "L' U' F' R' U D B2 L' B' R' B U2 B2 L2 D' R2 U' D R2 U2"   # 额外
    ],
    'num_nodes': 1100056,
    'time': 92.809575091997744
}

GPU 加速

如果您有兼容的 GPU 或 Mac，可以通过加载 large 模型获得显著的速度提升。

alphacube.load(model_id="large")
result = alphacube.solve(
    scramble="D U F2 L2 U' B2 F2 D L2 U R' F' D R' F' U L D' F' D R2",
    beam_width=65536,
)
print(result)

输出

{
    'solutions': ["D F L' F' U2 B2 U F' L R2 B2 U D' F2 U2 R D'"],
    'num_nodes': 903448,
    'time': 20.46845487099995
}

应用顺手偏好

要找到更易于手动执行的解法，请向 solve 方法提供一个 ergonomic_bias 字典。 每个转动都被赋予一个分数，分数越高表示该转动越理想。这也启用了诸如 u 和 r 这样的宽转。

ergonomic_bias = {
    "U": 0.9,   "U'": 0.9,  "U2": 0.8,
    "R": 0.8,   "R'": 0.8,  "R2": 0.75,
    "L": 0.55,  "L'": 0.4,  "L2": 0.3,
    "F": 0.7,   "F'": 0.6,  "F2": 0.6,
    "D": 0.3,   "D'": 0.3,  "D2": 0.2,
    "B": 0.05,  "B'": 0.05, "B2": 0.01,
    "u": 0.45,  "u'": 0.45, "u2": 0.4,
    "r": 0.3,   "r'": 0.3,  "r2": 0.25,
    "l": 0.2,   "l'": 0.2,  "l2": 0.15,
    "f": 0.35,  "f'": 0.3,  "f2": 0.25,
    "d": 0.15,  "d'": 0.15, "d2": 0.1,
    "b": 0.03,  "b'": 0.03, "b2": 0.01
}

result = alphacube.solve(
    scramble="D U F2 L2 U' B2 F2 D L2 U R' F' D R' F' U L D' F' D R2",
    beam_width=65536,
    ergonomic_bias=ergonomic_bias
)
print(result)

输出

{
    'solutions': [
        "u' U' f' R2 U2 R' L' F' R D2 f2 R2 U2 R U L' U R L",
        "u' U' f' R2 U2 R' L' F' R D2 f2 R2 U2 R d F' U f F",
        "u' U' f' R2 U2 R' L' F' R u2 F2 R2 D2 R u f' l u U"
    ],
    'num_nodes': 1078054,
    'time': 56.13087955299852
}

模型与权衡

AlphaCube 提供了来自原始论文的三种计算最优训练模型："small"、"base" 和 "large"。

虽然更大的模型更准确，但最佳选择取决于您的硬件。

• 在 CPU 上，"small" 模型通常是时间效率最高的选择。
• 在 GPU 上，"large" 模型表现出最高的性能，并能在最短的时间内找到最佳解法。

命令行选项

如果您更喜欢从命令行使用 alphacube，也可以这样做：

alphacube \
    --model_id large \
    --scramble "F U2 L2 B2 F U L2 U R2 D2 L' B L2 B' R2 U2" \
    --beam_width 100000 \
    --extra_depths 3 \
    --verbose

使用缩写标志，

alphacube \
    -m large \
    -s "F U2 L2 B2 F U L2 U R2 D2 L' B L2 B' R2 U2" \
    -bw 100000 \
    -ex 3 \
    -v

更多详情请参阅 API 参考 > CLI。

注意： 命令行界面 (CLI) 每次执行都会加载指定的模型，因此它最适合单次使用的命令，而不是在脚本中重复求解。