In zellularen Automaten gibt es ein wirklich wichtiges Problem, das so genannte Mehrheitsproblem :

Das Mehrheitsproblem oder die Dichteklassifizierungsaufgabe ist das Problem, eindimensionale Regeln für zellulare Automaten zu finden, die die Mehrheitsabstimmung genau durchführen.

...

Bei einer Konfiguration eines zellularen Automaten mit zwei Zuständen mit insgesamt i + j Zellen, von denen i im Nullzustand und j im Einzustand sind, muss eine korrekte Lösung des Abstimmungsproblems schließlich alle Zellen auf Null setzen, wenn i> j und muss schließlich alle Zellen auf eins setzen, wenn i <j. Der gewünschte Endzustand ist nicht spezifiziert, wenn i = j ist.

Obwohl nachgewiesen wurde, dass keine zellularen Automaten das Hauptproblem in allen Fällen lösen können, gibt es viele Regeln, die es in den meisten Fällen lösen können. Der Gacs-Kurdyumov-Levin-Automat hat eine Genauigkeit von ca. 78% bei zufälligen Anfangsbedingungen. Die GKL-Regel ist nicht kompliziert:

• Radius von 3, was bedeutet, dass der neue Zustand der Zelle von 7 vorherigen Zellen abhängt: von sich selbst, den 3 Zellen rechts und den 3 Zellen links.
• Wenn sich eine Zelle derzeit Oin einem Status befindet, ist ihr neuer Status der größte Teil von sich selbst, die Zelle befindet sich zu ihrer Linken und die Zelle 3 Schritte zu ihrer Linken.
• Wenn sich eine Zelle derzeit 1in einem Status befindet, ist ihr neuer Status die Mehrheit von sich selbst, die Zelle zu ihrer Rechten und die Zelle 3 Schritte zu ihrer Rechten.

Hier ist ein Beispiel:

0 1 0 1 1 1 0 1 1 0 1 0 0 1
0 1 1 1 1 1 1 1 0 0 1 1 0 0
0 1 1 1 1 1 1 1 1 0 1 0 0 0
0 1 1 1 1 1 1 1 0 1 0 1 0 0
0 1 1 1 1 1 1 0 1 0 1 0 1 0
0 1 1 1 1 1 0 1 0 1 0 1 1 1
1 1 1 1 1 0 1 0 1 1 1 1 1 1
1 1 1 1 0 1 1 1 1 1 1 1 1 1
1 1 1 1 1 1 1 1 1 1 1 1 1 1

In diesem Beispiel hat der Zellularautomat 8> 6 korrekt berechnet. Andere Beispiele benötigen längere Zeiträume und erzeugen in der Zwischenzeit einige coole Muster. Unten sind zwei Beispiele, die ich zufällig gefunden habe.

0 0 1 1 1 1 1 0 0 0 0 0 0 0 0 0 0 0 0 1 1 0 0 0 0 1 1 0 1 1 1 1 0 1 0 0 1 1 1
1 0 0 1 1 1 1 1 1 1 1 1 1 0 1 1 0 0 1 0 0 0 1 0 0 0 0 1 0 0 1 0 0 0 1 0 0 1 1

Das nächste Level erreichen

Soweit meine Internetrecherche gezeigt hat, wurden fast alle akademischen Untersuchungen zum Mehrheitsproblem mit Zertifizierungsstellen in zwei Bundesstaaten durchgeführt. Bei dieser Herausforderung werden wir das Mehrheitsproblem auf Zertifizierungsstellen mit drei Zuständen ausweiten . Ich werde dies das Pluralitätsproblem nennen . Pluralität oder relative Mehrheit bezieht sich auf die Bedingung, in der eine der Optionen mehr Stimmen als jede der Alternativen hat, aber nicht unbedingt die Mehrheit aller Stimmen.

Problemstellung

1. Es gibt einen 1D-Zellularautomaten mit 3 Zuständen und Radius 3.
2. Es gibt 151 Zellen mit einer kreisförmigen Randbedingung.
3. Diese Zellen erhalten einen zufälligen Ausgangszustand, unter der einzigen Bedingung, dass einer der drei Zustände eine strenge Mehrzahl hat. "Zufällig" bedeutet eine unabhängige gleichmäßige Verteilung für jede Zelle.
4. Die Genauigkeit einer Regel ist der Prozentsatz der (gültigen) zufälligen Anfangsbedingungen, unter denen sich alle Zellen innerhalb von 10000 Generationen auf den richtigen Zustand (den mit der Mehrzahl) synchronisieren .
5. Ziel ist es, eine Regel mit hoher Genauigkeit zu finden,

Pluralitätskantenfälle: Jede Konfiguration mit 50/50/51 ist eine gültige Startkonfiguration (da es eine strenge Vielzahl gibt), während jede Konfiguration mit 51/51/49 nicht gültig ist (da es keine strenge Vielzahl gibt).

Der Suchraum ist 3 ^ 3 ^ 7 (~ 3e1043), weit außerhalb der Reichweite jeder erschöpfenden Suche. Dies bedeutet, dass Sie andere Techniken wie genetische Algorithmen anwenden müssen, um dieses Problem zu lösen. Es wird auch einige menschliche Technik erfordern.

Die 10000-Generierungsregel kann sich ändern, abhängig von den Laufzeiten / der Genauigkeit der Regeln, die die Benutzer finden. Wenn es zu niedrig ist, um angemessene Konvergenzraten zuzulassen, kann ich es erhöhen. Alternativ kann ich ihn absenken, um als Krawattenbrecher zu dienen.

Gewinnen

Der Gewinner ist die Person, die die Radius-3-CA-Regel mit der höchsten Genauigkeit unter allen Teilnehmern einreicht.

Ihr Beitrag sollte enthalten ...

• Eine Beschreibung der Regel ( ggf. mit Wolfram-Code )
• Die Genauigkeitsrate und die Stichprobengröße
• Eine angemessene Erklärung, wie Sie die Regel entdeckt haben, einschließlich der Programme, die Sie geschrieben haben, um sie zu lösen, oder einer "manuellen" Technik. (Dies ist der interessanteste Teil, da alles andere nur rohe Zahlen sind.)

Vorherige Arbeit

• Ein Artikel von Juille und Pollack , der beschreibt, wie sie eine Zwei -Staaten-Regel mit einer Genauigkeit von 86% entwickelt haben.
• In diesem Artikel wurden r = 3, 149-Zellen-CAs mit zwei Zuständen verwendet. Es wurde jedoch nicht versucht, das Mehrheitsproblem zu lösen, sondern Regeln zu finden, die schnell zu einem abwechselnden 1Gesamtmuster führen 0. Trotz dieser Unterschiede vermute ich, dass viele Techniken ähnlich sein werden.
• Eine (nicht sehr hilfreiche, weil hinter einer Paywall stehende) Zeitung von Wolz und de Oliviera, die derzeit den 2-Staaten-Rekord hält

Art von GKL plus Bergsteigen, 61.498%

• Wenn eine Zelle eine 0 ist, sehen Sie sich die Zellen 3 links, 1 links und sich selbst an. Stellen Sie den Wert auf Mehrheit ein. Wenn es ein Unentschieden ist, bleiben Sie so, wie Sie sind.

• Wenn eine Zelle eine 1 ist, sehen Sie sich die Zellen 3 rechts, 1 rechts und sich selbst an. Stellen Sie den Wert auf Mehrheit ein. Wenn es ein Unentschieden ist, bleiben Sie so, wie Sie sind.

• Wenn eine Zelle eine 2 ist, sehen Sie sich die Zellen 2 links, 2 rechts und 3 rechts an. Stellen Sie den Wert auf Mehrheit ein. Wenn es ein Unentschieden ist, bleiben Sie so, wie Sie sind.

Ich habe 59453 von insgesamt 100000 erhalten, 59.453%

Einige Mutationen und Anstiege führten zu 61498/100000 = 61,498%.

Ich werde wahrscheinlich ein bisschen mehr testen und später weitere Informationen veröffentlichen.

"Wirf einfach die Zwei raus und mache GKL" - 55.7%

Es ist nicht so einfach zu erraten, was eine gute Regel sein würde, deshalb habe ich versucht, mir zumindest etwas auszudenken, das über 1/3 liegen würde. Die Strategie besteht darin, zu versuchen, die richtige Antwort zu erhalten, wenn der Mehrheitsstatus 0 oder 1 ist, und den Verlust zu akzeptieren, wenn er 2 ist. Bei 100.000 Versuchen wurden 56,5% erzielt, was etwas besser ist als erwartet, wenn 78% multipliziert werden ( Score von GKL) * 2/3 (Bruchteil der Zeit, in der die Antwort 0 oder 1 ist) = 52%.

Konkret lautet die Strategie wie folgt:

• Wenn die Zelle 0 oder 1 ist, nehmen Sie die Mehrheit der 3 Zellen wie in der GKL-Strategie, aber ignorieren Sie alle Nachbarn, die 2 sind. Wenn es ein Unentschieden ist, lassen Sie die Zelle unverändert.
• Wenn die Zelle 2 ist, wählen Sie die Zahl 0 oder 1 in der gesamten Nachbarschaft aus. Wenn es ein Gleichstand ist, wählen Sie den Wert ganz links, der 0 oder 1 ist. Wenn alle Nachbarn 2 sind, bleiben Sie 2.

Ich habe diesen Code zum Testen verwendet:

#include <iostream>
#include <algorithm>
#include <string.h>
#include <random>
#include <cassert>

#define W 151
#define S 3
#define R 3

typedef int state;

struct tape {
    state s[R+W+R];
    state& operator[](int i) {
        return s[i + R];
    }
    template<typename Rule> void step(Rule r) {
        for(int i = 0; i < R; i++) s[i] = s[W + i];
        for(int i = 0; i < R; i++) s[R + W + i] = s[R + i];
        for(int i = 0; i < W; i++) {
            s[i] = r(s + R + i);
        }
        memmove(s + R, s, W * sizeof(*s));
    }

    state unanimous() {
        state st = (*this)[0];
        for(int i = 1; i < W; i++) {
            if((*this)[i] != st)
                return -1;
        }
        return st;
    }
};

std::ostream& operator<<(std::ostream& s, tape& t) {
    for (int i = 0; i < W; i++)
        s << t[i];
    return s;
}

state randomize(tape& t) {
    static std::mt19937 rg(390332);
    begin:
    int c[S]{};
    for(int i = 0; i < W; i++) {
        state s = rg() % S;
        c[s]++;
        t[i] = s;
    }
    state* smax = std::max_element(c, c + R);
    int nmaj = 0;
    for (int n : c) nmaj += n == *smax;
    if (nmaj > 1) goto begin;
    return smax - c;
}

template<bool PrintSteps, typename Rule> int simulate(Rule r, int trials, int giveup) {
    int successes = 0;
    for(state s = 0; s < S; s++) {
        state t[2 * R + 1];
        for(int i = 0; i <= 2 * R; i++) t[i] = s;
        assert(r(t + R) == s);
    }
    while(trials--) {
        tape tp;
        state desired = randomize(tp);
        int steps = giveup;
        while(steps--) {
            tp.step(r);
            state u = tp.unanimous();
            if(~u) {
                bool correct = u == desired;
                if(PrintSteps) {
                    std::cout << correct << ' ' << giveup - steps << '\n';
                }
                successes += correct;
                break;
            }
        }
    }
    return successes;
}


struct ixList {
    int n;
    int i[2 * R + 1];
};



state rule_justTossOutThe2sAndDoGKL(const state* t) {
    const ixList ixl[] = {
        { 3,{ -3, -1, 0 } },
        { 3,{ 0, 1, 3 } },
        { 6,{ -3, -2, -1, 1, 2, 3 } } 
    };
    int c[S]{};
    for (int i = 0; i < ixl[*t].n; i++)
        c[t[ixl[*t].i[i]]]++;
    if (c[0] > c[1]) return 0;
    if (c[1] > c[0]) return 1;
    if (*t < 2) return *t;
    for (int i = -R; i <= R; i++)
        if (t[i] < 2) return t[i];
    return 2;
}

int main()
{
    int nt = 100000;
    int ns = simulate<false>(rule_justTossOutThe2sAndDoGKL, nt, 10000);

    std::cout << (double)ns / nt << '\n';
    return 0;
}

"Stiehl einfach das Beste und entwickle es weiter", bleh

Bearbeiten: Im aktuellen Zustand findet diese Antwort, anstatt bessere Muster zu finden, eine bessere Zufallsstichprobe.

Diese Antwort codiert / decodiert Lösungen, indem alle Zustände als ternäre Zahlen (niedrigstwertige Ziffer zuerst) aufgelistet werden. Die Lösung für 59,2%:

000000000010010010000000000000000000000000000000000000000000010000010000110000000
000000000010010010000000000111111101111111111111111111000011000010011011000011010
000000000012010011001000000021111111111120111211111111000000000000011010000010000
000011000010022110000000202000000002000000000020000000001010000000011011000011010
020000000010010010001000000111101111111111111111111111010011000011111111010011010
000000000010010010000000000111111111101111111111112111000011010110111011010011011
000000000010010010000000000010000000000000000100002011000000000100011010020010000
000020020010010010000200000111102111111111111111111101000011010010111011000011011
000100000010010010000000000121111111111111111111111111000210000012011011002011010
000000000010010110000000000111112112111111111001111111000010000010011011000011010
000000000010010120000200000111211111111111111111110111110011010011100111010011011
000000000010010010000000000011111111111111111111111111000011010010111211210012020
010000000010010010020100020111110111111111111111111110010111010011011111010111011
002000000010010010000000000111110111111111211111111111001111111111111111111111111
000000000110010010000000000111111111111111211111111111010111011111111111011111011
001000000010010010000000000011111101111111111111110111000011010010111011010011010
001000000010010110000000000111111111111111102111110111010111011111111111011111101
000000000210010010000000000111111111111111111111011111010011010011111111010111011
000000000010010010000000000112111111111111111111101011000000000000011010000010000
000000000010010010000000000111111111111111111111111111000011010010111011010011011
000200000012010010000000000111111111111112111111111111000010000210011211001011010
000000000010010211000002000111111111111111111111111111000001010010111011010011010
000021200010210010000101100111111111111211111110110211010111021111111101010111111
000000000010010010000000000111111111111101111111111111010011010111111111010110021
000200000010010010000000010111111111101111111121112111000210001010011011000011010
000000000010010010000000000111111111111111111111111111210011010021111111010111011
000020000010010010000000000111111111111111111111111111000011010010121011010011012

Diese Antwort wurde aus feersums 55,7% unter Verwendung des folgenden Codes entwickelt. Für diesen Code ist libop erforderlich , meine persönliche C ++ - Bibliothek nur für Header. Es ist sehr einfach zu installieren, tun Sie dies einfach git clone https://github.com/orlp/libopin demselben Verzeichnis, in dem Sie das Programm gespeichert haben. Ich schlage vor, mit zu kompilieren g++ -O2 -m64 -march=native -std=c++11 -g. Um die Entwicklung zu beschleunigen, empfehle ich außerdem, libop vorzukompilieren, indem Sie den obigen Befehl on ausführen libop/op.h.

#include <cstdint>
#include <algorithm>
#include <iostream>
#include <cassert>
#include <random>

#include "libop/op.h"

constexpr int MAX_GENERATIONS = 500;
constexpr int NUM_CELLS = 151;

std::mt19937_64 rng;

double worst_best_fitness;

// We use a system with okay-ish memory density. We represent the ternary as a
// 2-bit integer. This means we have 32 ternaries in a uint64_t.
//
// There are 3^7 possible states, requiring 4374 bits. We store this using 69
// uint64_ts, or little over half a kilobyte.

// Turn 7 cells into a state index, by encoding as ternary.
int state_index(const int* cells) {
    int idx = 0;
    for (int i = 0; i < 7; ++i) {
        idx *= 3;
        idx += cells[6-i];
    }
    return idx;
}

// Get/set a ternary by index from a 2-bit-per-ternary encoded uint64_t array.
int get_ternary(const uint64_t* a, size_t idx) {
    return (a[idx/32] >> (2*(idx % 32))) & 0x3;
}

void set_ternary(uint64_t* a, size_t idx, int val) {
    assert(val < 3);
    int shift = 2*(idx % 32);
    uint64_t shifted_val = uint64_t(val) << shift;
    uint64_t shifted_mask = ~(uint64_t(0x3) << shift);
    a[idx/32] = (a[idx/32] & shifted_mask) | shifted_val;
}


struct Rule {
    uint64_t data[69];
    double cached_fitness;

    Rule(const char* init) {
        cached_fitness = -1;
        for (auto i : op::range(69)) data[i] = 0;
        for (auto i : op::range(2187)) set_ternary(data, i, init[i] - '0');
    }

    double fitness(int num_tests = 1000);

    Rule* random_mutation(int num_mutate) const {
        auto new_rule = new Rule(*this);

        auto r = op::range(2187);
        std::vector<int> indices;
        op::random_sample(r.begin(), r.end(),
                          std::back_inserter(indices), num_mutate, rng);

        for (auto idx : indices) {
            set_ternary(new_rule->data, idx, op::randint(0, 2, rng));
        }

        new_rule->cached_fitness = -1;
        return new_rule;
    }

    int new_state(const int* cells) const {
        return get_ternary(data, state_index(cells));
    }

    void print_rule() const {
        for (auto i : op::range(2187)) {
            std::cout << get_ternary(data, i);
            if (i % 81 == 80) std::cout << "\n";
        }
    }
};


struct Automaton {
    uint64_t state[5];
    int plurality, generation;

    Automaton() : generation(0) {
        for (auto i : op::range(5)) state[i] = 0;

        int strict = 0;
        while (strict != 1) {
            int votes[3] = {};
            for (auto i : op::range(NUM_CELLS)) {
                int vote = op::randint(0, 2, rng);
                set_ternary(state, i, vote);
                votes[vote]++;
            }

            // Ensure strict plurality.
            plurality = std::max_element(votes, votes + 3) - votes;
            strict = 0;
            for (auto i : op::range(3)) strict += (votes[i] == votes[plurality]);
        }
    }

    void print_state() {
        for (int i = 0; i < 151; ++i) std::cout << get_ternary(state, i);
        std::cout << "\n";
    }

    bool concensus_reached() {
        int target = get_ternary(state, 0);
        for (auto i : op::range(NUM_CELLS)) {
            if (get_ternary(state, i) != target) return false;
        }

        return true;
    }

    void next_state(const Rule& rule) {
        uint64_t new_state[5] = {};

        std::vector<int> cells;
        for (auto r : op::range(-3, 4)) {
            cells.push_back(get_ternary(state, (r + NUM_CELLS) % NUM_CELLS));
        }

        for (auto i : op::range(NUM_CELLS)) {
            set_ternary(new_state, i, rule.new_state(cells.data()));
            cells.erase(cells.begin());
            cells.push_back(get_ternary(state, (i + 4) % NUM_CELLS));
        }

        for (auto i : op::range(5)) state[i] = new_state[i];
        generation++;
    }
};


double Rule::fitness(int num_tests) {
    if (cached_fitness == -1) {
        cached_fitness = 0;
        int num_two = 0;
        for (auto test : op::range(num_tests)) {
            Automaton a;
            while (a.generation < MAX_GENERATIONS && !a.concensus_reached()) {
                a.next_state(*this);
            }

            if (a.generation < MAX_GENERATIONS &&
                get_ternary(a.state, 0) == a.plurality &&
                a.plurality == 2) num_two++;

            cached_fitness += (a.generation < MAX_GENERATIONS &&
                               get_ternary(a.state, 0) == a.plurality);

            if (cached_fitness + (num_tests - test) < worst_best_fitness) break;
        }

        if (num_two) std::cout << cached_fitness << " " << num_two << "\n";

        cached_fitness;
    }

    return cached_fitness;
}



int main(int argc, char** argv) {
    std::random_device rd;
    rng.seed(42); // Seed with rd for non-determinism.

    const char* base = 
        "000000000010010010000000000000000000000000000000000000000000000000010000000000000"
        "000000000010010010000000000111111111111111111111111111000010000010011011000011010"
        "000000000010010010000000000111111111111111111111111111000000000000011010000010000"
        "000000000010010010000000000000000000000000000000000000000010000010011011000011010"
        "000000000010010010000000000111111111111111111111111111010011010011111111010111011"
        "000000000010010010000000000111111111111111111111111111000011010010111011010011011"
        "000000000010010010000000000000000000000000000000000000000000000000011010000010000"
        "000000000010010010000000000111111111111111111111111111000011010010111011010011011"
        "000000000010010010000000000111111111111111111111111111000010000010011011000011010"
        "000000000010010010000000000111111111111111111111111111000010000010011011000011010"
        "000000000010010010000000000111111111111111111111111111010011010011111111010111011"
        "000000000010010010000000000111111111111111111111111111000011010010111011010011010"
        "000000000010010010000000000111111111111111111111111111010011010011111111010111011"
        "000000000010010010000000000111111111111111111111111111011111111111111111111111111"
        "000000000010010010000000000111111111111111111111111111010111011111111111011111111"
        "000000000010010010000000000111111111111111111111111111000011010010111011010011010"
        "000000000010010010000000000111111111111111111111111111010111011111111111011111111"
        "000000000010010010000000000111111111111111111111111111010011010011111111010111011"
        "000000000010010010000000000111111111111111111111111111000000000000011010000010000"
        "000000000010010010000000000111111111111111111111111111000011010010111011010011011"
        "000000000010010010000000000111111111111111111111111111000010000010011011000011010"
        "000000000010010010000000000111111111111111111111111111000011010010111011010011010"
        "000000000010010010000000000111111111111111111111111111010111011111111111011111111"
        "000000000010010010000000000111111111111111111111111111010011010011111111010111011"
        "000000000010010010000000000111111111111111111111111111000010000010011011000011010"
        "000000000010010010000000000111111111111111111111111111010011010011111111010111011"
        "000000000010010010000000000111111111111111111111111111000011010010111011010011012"
    ;

    // Simple best-only.
    std::vector<std::unique_ptr<Rule>> best_rules;
    best_rules.emplace_back(new Rule(base));
    worst_best_fitness = best_rules.back()->fitness();
    while (true) {
        const auto& base = *op::random_choice(best_rules.begin(), best_rules.end(), rng);
        std::unique_ptr<Rule> contender(base->random_mutation(op::randint(0, 100, rng)));

        // Sort most fit ones to the beginning.
        auto most_fit = [](const std::unique_ptr<Rule>& a, const std::unique_ptr<Rule>& b) {
            return a->fitness() > b->fitness();
        };

        if (contender->fitness() >= best_rules.back()->fitness()) {
            std::cout << contender->fitness();
            double contender_fitness = contender->fitness();
            best_rules.emplace_back(std::move(contender));
            std::sort(best_rules.begin(), best_rules.end(), most_fit);
            if (best_rules.size() > 5) best_rules.pop_back();
            std::cout << " / " << best_rules[0]->fitness() << "\n";
            worst_best_fitness = best_rules.back()->fitness();

            if (contender_fitness == best_rules.front()->fitness()) {
                best_rules.front()->print_rule();
            }
        }
    }

    return 0;
}

Handcodiert, 57,541%

Das sieht eigentlich nur bei den 5 Zellen darüber aus. Es könnte wahrscheinlich verbessert werden, indem die Reichweite vergrößert wird. Lief mit 100.000 Testfällen.

Algorithmus:

If above == 0:
   if to the left there are only 2s or there is a 1 separated by 2s
       next state = 2
   else
       next state = 0
If above == 1:
   if to the right there are only 2s or there is a 0 separated by 2s
       next state = 2
   else
       next state = 1
If above == 2:
   ignore 0s to the left if the 0 is left of a 1 on the left
   ignore 1s to the right if the 1 is right of a 0 on the right
   if the closest 0 on the left is closer than the closest 1 on the right
       next state = 0
   else if the closest 1 on the right is closer than the closest 0 on the left
       next state = 1
   else
       next state = 2

Gen:

000000000222222222000222222222222222222222222222222222000000000222222222000222222
000000000222222222000222222111111111111111111111111111000222222111111111111111111
000000000222222222000222222222222222222222222222222222000000000222222222000222222
000000000222222222000222222222222222222222222222222222000000000222222222222222222
000000000222222222000222222111111111111111111111111111222111111111111111111111111
000000000222222222000222222111111111111111111111111111000000000111111111222111111
000000000222222222000222222222222222222222222222222222000000000222222222000222222
000000000222222222000222222111111111111111111111111111000222222111111111111111111
000000000222222222000222222222222222222222222222222222000000000222222222000222222
000000000222222222000222222222222222222222222222222222000000000222222222000222222
000000000222222222000222222111111111111111111111111111000222222111111111111111111
000000000222222222000222222222222222222222222222222222000000000222222222000222222
000000000222222222000222222222222222222222222222222222000000000222222222222222222
000000000222222222000222222111111111111111111111111111222111111111111111111111111
000000000222222222000222222111111111111111111111111111000000000111111111222111111
000000000222222222000222222222222222222222222222222222000000000222222222000222222
000000000222222222000222222111111111111111111111111111000222222111111111111111111
000000000222222222000222222222222222222222222222222222000000000222222222000222222
000000000222222222000222222222222222222222222222222222000000000222222222000222222
000000000222222222000222222111111111111111111111111111000222222111111111111111111
000000000222222222000222222222222222222222222222222222000000000222222222000222222
000000000222222222000222222222222222222222222222222222000000000222222222222222222
000000000222222222000222222111111111111111111111111111222111111111111111111111111
000000000222222222000222222111111111111111111111111111000000000111111111222111111
000000000222222222000222222222222222222222222222222222000000000222222222000222222
000000000222222222000222222111111111111111111111111111000222222111111111111111111
000000000222222222000222222222222222222222222222222222000000000222222222000222222

Testcode:

import java.lang.Math.*
import java.util.*

const val RADIUS = 3;
const val STATES = 3;
const val DIAMETER = 2 * RADIUS + 1
const val TAPE_LENGTH = 151

val CODE_SIZE = pow(STATES.toDouble(), DIAMETER.toDouble()).toInt()

const val GRADE_RUNS = 100000
const val GRADE_MAX_TIME = 10000


operator fun IntArray.inc() : IntArray {
    val next = this.clone()
    var i = 0
    while (i < size) {
        if (this[i] == STATES - 1) {
            next[i] = 0
        } else {
            next[i]++
            break
        }
        i++
    }
    return next
}
val IntArray.index : Int
    get() {
        var total = 0
        for (i in (size - 1) downTo 0) {
            total *= STATES
            total += this[i]
        }
        return total
    }

interface IRule {
    operator fun get(states : IntArray) : Int
}

fun IntArray.equalsArray(other: IntArray) = Arrays.equals(this, other)

class Rule : IRule {

    constructor(rule : IRule) {
        val start = IntArray(DIAMETER)
        var current = start.clone()

        code = IntArray(CODE_SIZE)
        try {
            do {
                code[current.index] = rule[current]
                current++
            } while (!current.equalsArray(start));
        } catch (e : Throwable) {
            println(Arrays.toString(code))
            println(Arrays.toString(current))
            throw e
        }
    }
    constructor(code : IntArray) {
        this.code = IntArray(CODE_SIZE) { if (it < code.size) code[it] else 0 }
    }

    val code : IntArray

    override fun get(states: IntArray) : Int {
        return code[states.index]
    }

    override fun toString() : String {
        val b = StringBuilder()
        for (i in 0 until CODE_SIZE) {
            if (i > 0 && i % pow(STATES.toDouble(), RADIUS.toDouble() + 1).toInt() == 0) {
                b.append('\n')
            }
            b.append(code[i])
        }
        return b.toString()
    }

    fun grade() : Double {
        var succeeded = 0
        for (i in 0 until GRADE_RUNS) {
            if (i % (GRADE_RUNS / 100) == 0) {
                println("${i/(GRADE_RUNS / 100)}% done grading.")
            }
            var tape : Tape
            do {
                tape = Tape()
            } while (tape.majority() == -1);
            val majority = tape.majority()
            val beginning = tape
            var j = 0
            while (j < GRADE_MAX_TIME && !tape.allTheSame()) {
                tape = tape.step(this)
                j++
            }
            if (tape.stabilized(this) && tape.majority() == majority) {
                succeeded++
            }/* else if (beginning.majority() != 2) {
                println(beginning.majority())
                tape = beginning
                for (j in 1..100) {
                    println(tape)
                    tape = tape.step(this)
                }
                println(tape)
            }*/
        }
        return succeeded.toDouble() / GRADE_RUNS
    }

}

fun getRandomState() : Int {
    return (random() * STATES).toInt()
}

class Tape(val tape : IntArray) {

    constructor() : this(IntArray(TAPE_LENGTH) { getRandomState() } )

    fun majority() : Int {
        val totals = IntArray(STATES)

        for (cell in tape) {
            totals[cell]++
        }

        var best = -1
        var bestScore = -1

        for (i in 0 until STATES) {
            if (totals[i] > bestScore) {
                best = i
                bestScore = totals[i]
            } else if (totals[i] == bestScore) {
                best = -1
            }
        }

        return best
    }

    fun allTheSame() : Boolean {
        for (i in 1 until TAPE_LENGTH) {
            if (this[i] != this[0]) {
                return false
            }
        }
        return true
    }

    operator fun get(index: Int) = tape[((index % TAPE_LENGTH) + TAPE_LENGTH) % TAPE_LENGTH]

    fun step(rule : IRule) : Tape {
        val nextTape = IntArray ( TAPE_LENGTH )

        for (i in 0 until TAPE_LENGTH) {
            nextTape[i] = rule[IntArray(DIAMETER) { this[i + it - RADIUS] }]
        }

        return Tape(nextTape)
    }

    fun stabilized(rule : IRule) = allTheSame() && majority() == step(rule).majority()

    override fun toString() : String {
        val b = StringBuilder()
        for (cell in tape) {
            b.append(cell)
        }
        return b.toString()
    }

}

fun main(args : Array<String>) {
    val myRule = Rule(object : IRule {
        override fun get(states: IntArray): Int {
            if (states[3] == 0) {
                if (states[2] == 1) {
                    return 2
                } else if (states[2] == 0) {
                    return 0
                } else if (states[1] == 1) {
                    return 2
                } else if (states[1] == 0) {
                    return 0
                } else {
                    return 2
                }
            } else if (states[3] == 1) {
                if (states[4] == 0) {
                    return 2
                } else if (states[4] == 1) {
                    return 1
                } else if (states[5] == 0) {
                    return 2
                } else if (states[5] == 1) {
                    return 1
                } else {
                    return 2
                }
            } else {
                if (states[2] == 0) {
                    if (states[4] != 1) {
                        return 0
                    }
                } else if (states[4] == 1) {
                    return 1
                }
                if (states[1] == 0 && states[2] != 1) {
                    if (states[5] != 1) {
                        return 0
                    }
                } else if (states[5] == 1 && states[4] != 0) {
                    return 1
                }
                return 2
            }
        }

    })
    var tape = Tape()
    println(myRule.grade())
}

Beispiel