AtCoder Conference 2025

by shindannin

Slide 1

Slide 1 text

ライブ参加で探る - 競プロを長く楽しむヒントと AHCへのアプローチ診断人(@NICO_SHINDANNIN)

Slide 2

Slide 2 text

自己紹介 • 診断人(shindannin) ▪ 2008年に競プロをはじめる ▪ ニコ生でライブ放送していた ▪ ゲームプログラマー ▪ AHCを中心に参加 ◦ 焼きなまし法のコツ ◦ 第１回マスターズ選手権２位 2

Slide 3

Slide 3 text

好きなアルゴリズムは？ The Slido app must be installed on every computer you’re presenting from

Slide 4

Slide 4 text

本日の内容 • １競技プログラミングの幅 ▪さまざまなコンテストの歴史 • ２競技プログラミングを続けるコツ • ３競技プログラミングの深さ ▪AHCレッドコーダーにインタビュー 4

Slide 5

Slide 5 text

１競技プログラミングの幅 5

Slide 6

Slide 6 text

https://x.com/yu4u/status/1783470935884136948/photo/1

Slide 7

Slide 7 text

競技プログラミングの幅 • 一般のイメージ→ABC, ARC系。正解がある。 • いろいろなコンテストがある ▪ 使用するアルゴリズム・技術の違いがある ▪ 競技プログラミングが役に立つことが増える 7

Slide 8

Slide 8 text

好きなジャンルは？ The Slido app must be installed on every computer you’re presenting from

Slide 9

Slide 9 text

ゲームAI系 • CodinGame 9 https://www.codingame.com/replay/12468653

Slide 10

Slide 10 text

ゲームAI系 • Kaggle – Lux AI 10 https://www.kaggle.com/competitions/lux-ai-2021

Slide 11

Slide 11 text

ゲームAI系 • CodeVS（終了） 11 https://www.youtube.com/watch?v=opaDu3FKfzg

Slide 12

Slide 12 text

言語が選べない • CODEFORCES – Unknown Language Round ▪ コンテスト開始直前まで、使用言語が明かされない。 12

Slide 13

Slide 13 text

言語が選べない 13

Slide 14

Slide 14 text

言語が選べない • Befunge 14

Slide 15

Slide 15 text

量子コンテスト • CODEFORCES – Microsoft Q# Coding Contest (2018) 15

Slide 16

Slide 16 text

量子コンテスト • QCoder 16 https://www.qcoder.jp/ja

Slide 17

Slide 17 text

圧縮・解凍するだけ • AtCoder - Weathernews Programming Competition 17

Slide 18

Slide 18 text

TopCoderのクラウド ▪ 開発アイディアを出すコンテスト ▪ 不具合報告コンテスト 18

Slide 19

Slide 19 text

Google - Distributed Code Jam（終了） • 分散並列計算 ▪ 入力が10^13とかあるが、分散させることができる ▪ 分散版の二分探索など、分散独自のアルゴリズムもいろいろある。 19

Slide 20

Slide 20 text

Google - Hash Code （終了） • ヒューリスティック＆巨大データ ▪ テストケースが１つ１つが全然違う ▪ 巨大なデータの癖を分析する必要がある。 ◦ データ分析と貪欲法が大事 20

Slide 21

Slide 21 text

GPU/シェーダ言語 • Shader Competition 21 https://shader-competition.saina.jp

Slide 22

Slide 22 text

GPU/シェーダ言語 • 出力が画像 22

Slide 23

Slide 23 text

GPU/シェーダ言語 • 出力が音声 23

Slide 24

Slide 24 text

24 競技プログラミングの幅 GPU – O(logN)で総和 http://sp16.cs179.org/

Slide 25

Slide 25 text

競技プログラミングの幅 - まとめ • いろいろなコンテストがある • 新たな発見もあるので、様々なコンテストに、ぜひチャレンジを！ • 新しいコンテストが現れてほしい 25

Slide 26

Slide 26 text

２競技プログラミングを続けるコツ 26

Slide 27

Slide 27 text

競技プログラミングを続けるうえで困難なこと The Slido app must be installed on every computer you’re presenting from

Slide 28

Slide 28 text

競プロを続ける難しさ • 時間がない • 練習しないとレートが下がる • 飽きる？ • まわりの人がやらなくなる？ 28

Slide 29

Slide 29 text

競プロを続ける難しさ • 時間がない ▪ 学業・入試・卒論 ▪ 就職・昇進 ▪ 家庭 29

Slide 30

Slide 30 text

競プロを続ける難しさ • 練習しないとレートが下がる ▪ モチベーション低下 ▪ レートが下がるのを恐れてコンテストに参加しない 30

Slide 31

Slide 31 text

競プロを続けるコツ • 参加するコンテストを変えてみる。 ▪ 時間の融通が利かない ◦ AHCなどの長期コンテスト ◦ AtCoder以外もあります（Kaggle, CodinGameなど） ▪ 時間が足りない ◦ ABCなどの短期コンテスト ◦ 練習せずに参加してもOK！ 31

Slide 32

Slide 32 text

競プロを続けるコツ • どうしても忙しく無理→いったんやめる。 ▪ 忙しさが落ち着いてから、しれっと復帰する。 ▪ 復帰しづらいかもしれないが、気にしない。 ▪ 相対的なレートでは落ちていてもその後続ければ、絶対的な実力は上がってるはず 32

Slide 33

Slide 33 text

競プロを続けるコツ • コミュニティ ▪ SNS - X(twitter)など ▪ YouTubeライブを見てみる。してみる。 ▪ 大学内の合宿系コンテストに参加 ▪ オフ会 33

Slide 34

Slide 34 text

競プロを続けるコツ • 栄枯盛衰だと思う（気にしない） 34

Slide 35

Slide 35 text

注意！ • 現在競プロにはまっている状態なら全時間突っ込んでOKです！ ▪ 一番実力が上がる時期 ▪ 「競プロ以外の大事なこともやらなければ」と思っても、他の事もどうせ手がつかないので無理です。 35

Slide 36

Slide 36 text

３競技プログラミングの深さ 36

Slide 37

Slide 37 text

AHCが攻略されつつある？ • OpenAIが２位 37

Slide 38

Slide 38 text

AHCが攻略されつつある？ • 一方で、 ▪ AIはAHC界隈のアルゴリズムを使用している ▪ コミュニティ内で流行ってない意外で効果的なアルゴリズムがありそうなのに • 一般問題でもヒューリスティック界隈のアルゴリズムは強いという結論？ 38

Slide 39

Slide 39 text

そこで • 有識者の方に聞いてみました。 • ついでに、AHCのコツについても聞きました。 39

Slide 40

Slide 40 text

４名のレッドコーダーにインタビュー • saharanさん • montplusaさん • tomerunさん • simanさん 40

Slide 41

Slide 41 text

貪欲法は簡単そうに見えて最難関 • 貪欲法 ▪ ABCでも、いくらでも難しい問題が作れる ▪ AHCでも、やりかたがいくらでもある。 • 焼きなまし法やビームサーチより重要そう 41

Slide 42

Slide 42 text

【質問１】 AHCで貪欲法が重要とされていますが、攻略の定型化は難しいと考えています。貪欲法を使用する際に、意識している点や工夫している点はありますか？ 42

Slide 43

Slide 43 text

saharanさんの回答 43 • 「どの要素を簡略化するか」というのが難しく、いつも注意して考えるようにしていますが、しばしば失敗します。また、いきなり賢い貪欲法を書こうとせず、まずはすごく単純なものを書いてみて、ビジュアライザで挙動を観察しながら次はどこに手を付けるとよさそうかというのを考えるようにしています。あとは、「焼けそう！」と思ってももう少し我慢して貪欲を考える、というのを意識するようにしています。

Slide 44

Slide 44 text

montplusaさんの回答 44 • （ここでは、少なくとも何らかの評価関数が後ろで見え隠れしているタイプの貪欲法について書いています）最適化問題を考えたとき、最小化・最大化したい指標に対してまさしく "貪欲に"採用するようなアルゴリズムが一番最初に思いつきますが、その後に将来的にツケが回ってくるような要素があればその分評価を減衰させて評価するというような構造にできないか考えます。

Slide 45

Slide 45 text

montplusaさんの回答 45 • 例として、「魔法使いがボスとの戦闘を終えるのにかかるターン数を最小化する」みたいな問題を考えると、1ターンのダメージを最大化したくなりますが、MP消費が激しい魔法では後半でMPが枯渇して失速してしまうので、制約によってはMP の効率を意識したほうがよかったりします。

Slide 46

Slide 46 text

tomerunさんの回答 46 • 貪欲というと目先の利益だけで動いていくという印象がありますが、そうならないよう、あくまで理想的な状態を考えてそれに近付いていけるような方法を考えます。

Slide 47

Slide 47 text

simanさんの回答 47 • 自分は貪欲法が得意とは言えませんが、takapt さんが書かれていた「確実に前進」という指針は今でも強く意識しています。「Topcoderマラソンマッチの探索問題で重要なこと」 https://qiita.com/takapt0226/items/b2f6d1d77a034b529e21 • 普段はまず、その盤面から打てる合法手をすべてピックアップし、その中から「この手を打つと確実にスコアが上がる（もしくは悪化しない）」ものを探す、という考え方でやっています。ただ、これはやってみるとかなり難しいです。

Slide 48

Slide 48 text

simanさんの回答 48 • 貪欲法は本質的に「常に良い状態を選び続ける」手法なので「一時的には盤面が弱く見えるけれど、最終的にはそのほうが良くなる手」の評価がとても難しくなります。そういうケースでは、1 手進めたうえで、その評価関数の中でさらに「N 手ぶん簡易シミュレーションしてみる」といった工夫を入れることもあります。ただし、このやり方だと 1 手あたりの評価コストが重くなってしまうので、「もっと軽量な近似評価でうまく代用できないか？」といつも悩んでいます。

Slide 49

Slide 49 text

simanさんの回答 49 • 自分の中で、貪欲法における基本的な評価関数のイメージは `問題のスコア + 良い特徴量 - 悪い特徴量` という形です。そして、この「良い特徴量」と「悪い特徴量」にどれだけ気づけるかが、貪欲の強さを大きく左右すると思っています。とはいえ、何が良くて何が悪いのかを判断するのは簡単ではなく、結局はいつもビジュアライザとにらめっこしながら試行錯誤しています。

Slide 50

Slide 50 text

simanさんの回答 50 • 盤面状態に関するあらゆる情報を可視化しておき、「どのような状態になっていれば良いのか」を考察しやすい環境を作ることが大事だと感じています。AHC は標準のビジュアライザがよくできているので、それをそのまま使うだけでも十分に考察はできますが、生成 AI がある現在では、独自のビジュアライザを用意しつつ、問題のコアな部分を理解・抽出するための可視化の重要度が、以前にも増して高くなっているのではないかと感じています。

Slide 51

Slide 51 text

【質問３】 AHCで、技術的に未開拓だと感じる領域や、現状の手法では攻略しきれていない問題タイプはありますか？ 51

Slide 52

Slide 52 text

saharanさんの回答 52 • 参加者のレベルがとても高いので、コンテストで出された問題は概ね制約の範囲内では攻略されていると感じます。技術的には、SIMD にとどまらずマルチコアを扱うような問題や、 GPU が利用可能な環境での問題が未開拓な領域だと感じています。

Slide 53

Slide 53 text

saharanさんの回答 53 • あとは、実業務でありがちな、入出力や問題の制約が最初からは完全に決まっておらず、様々な要素や要求を考慮して最適化問題に落とし込んでいくパートなどがありますが、これはコンテストとして出題するのは非常に難しそうです。

Slide 54

Slide 54 text

montplusaさんの回答 54 • AHCは競技性・楽しさの観点から極端に大きなインスタンスの問題は出ない気がしています（アルゴではよくある10^6サイズなど）。インスタンスが大きくなると焼きなまし相対的に少し使いにくそうだなあという印象があり、計算資源が圧倒的に足りない中での最適化みたいなところはあまり知見が集まっていない気がします。（そもそも貪欲法しかなくなってしまうのかもしれませんが）

Slide 55

Slide 55 text

tomerunさんの回答 55 • 多目的最適化：単にスコア関数が複数の要素を含むのではなく、それら複数の要素間の相対的な重要度に対応する複数の出力を提案するような形式 • 対戦相手が存在するようなゲーム

Slide 56

Slide 56 text

simanさんの回答 56 • どうしても時間制約が 2-3secになるので、長時間計算が必要となりそうな大規模な問題はあまり開拓されていないのかなと思っています。短時間だとどうしても「焼きなまし」「ビームサーチ(貪欲)」が強くなる印象なので、もっと時間制約を緩めることで新たな手法が有効になってくるのかなと思っています。（例えば機械学習とか）

Slide 57

Slide 57 text

競技プログラミングの深さ（まとめ） • AHC攻略方法は徐々に確立しつつある ▪ 問題の条件によっては、まだまだ奥が深くなりそう 57

Slide 58

Slide 58 text

まとめ • １競技プログラミングの幅 ▪さまざまなコンテストの歴史 • ２競技プログラミングを続けるコツ • ３競技プログラミングの深さ ▪AHCレッドコーダーにインタビュー 58

Slide 59

Slide 59 text

Audience Q&A The Slido app must be installed on every computer you’re presenting from

Slide 60

Slide 60 text

ここからおまけ 60

Slide 61

Slide 61 text

【質問６】コンテスト終了後は、どのように復習していますか？ 61

Slide 62

Slide 62 text

saharanさんの回答 62 • 流れてきた解法を見たり、上位の人のコードを読んで方針を理解するなどをしています。

Slide 63

Slide 63 text

saharanさんの回答 63 • 特に「それは思い付かなかった」という重要な考察が流れてきた場合は ▪ なぜ思いつかなかったのか ▪ どういう思考過程を経ればその方針に辿り着けたか ▪ 賢い解法だが、これは思い付けなくても仕方ないものなのかなどを分析します。

Slide 64

Slide 64 text

montplusaさんの回答 64 • コンテスト後にTwitterで大量の情報が飛び交うので、その時にしっかりと他の解法を見ています。近い点数の人が実は違う解法だったり、あきらめた解法ができている人がいたりするので学びは大きいと感じています。

Slide 65

Slide 65 text

tomerunさんの回答 65 • 復習は特にしていません…（しなくて良いという意味ではないです）復習よりかは、開催されているコンテストに出たいですからね

Slide 66

Slide 66 text

simanさんの回答 66 • 基本的には上位入賞者の解法を見ながら復習しています。昨今は生成AIのお陰でコードを読んでもらって細かい部分の解説とかも出来るようになっているので便利です。復習する場合は短期コンの問題をオススメします。長期コンに比べると問題もシンプルで解法も比較的シンプルになりやすいので、そこまで時間をかけずに上位のスコアを獲得することが出来ると思います。

Slide 67

Slide 67 text

【質問６】コンテスト終了後は、どのように復習していますか？ 67

Slide 68

Slide 68 text

saharanさんの回答 68 • 流れてきた解法を見たり、上位の人のコードを読んで方針を理解するなどをしています。

Slide 69

Slide 69 text

saharanさんの回答 69 • 特に「それは思い付かなかった」という重要な考察が流れてきた場合は ▪ なぜ思いつかなかったのか ▪ どういう思考過程を経ればその方針に辿り着けたか ▪ 賢い解法だが、これは思い付けなくても仕方ないものなのかなどを分析します。

Slide 70

Slide 70 text

montplusaさんの回答 70 • コンテスト後にTwitterで大量の情報が飛び交うので、その時にしっかりと他の解法を見ています。近い点数の人が実は違う解法だったり、あきらめた解法ができている人がいたりするので学びは大きいと感じています。

Slide 71

Slide 71 text

tomerunさんの回答 71 • 復習は特にしていません…（しなくて良いという意味ではないです）復習よりかは、開催されているコンテストに出たいですからね

Slide 72

Slide 72 text

simanさんの回答 72 • 基本的には上位入賞者の解法を見ながら復習しています。昨今は生成AIのお陰でコードを読んでもらって細かい部分の解説とかも出来るようになっているので便利です。復習する場合は短期コンの問題をオススメします。長期コンに比べると問題もシンプルで解法も比較的シンプルになりやすいので、そこまで時間をかけずに上位のスコアを獲得することが出来ると思います。

Slide 73

Slide 73 text

【質問２】焼きなまし法・ビームサーチなどの定番アルゴリズムで、他の人とは違った工夫をしている点はありますか？ 73

Slide 74

Slide 74 text

saharanさんの回答 74 • ビームサーチでは、差分更新ビームサーチ (Euler tour beam search) を使うことで、今考えている問題（保持すべき状態が大きい）にビームサーチが適用できるようにならないかというのを必ず考えるようにしています。焼きなまし法では、これといった一般的な工夫は特にしていません。問題ごとのスコアの差分計算や近傍の質が全ての鍵を握っている印象です。

Slide 75

Slide 75 text

montplusaさんの回答 75 • ビームサーチでは、高度化する前は必ず評価値計算ののちにを乗せるようにしています。というのも、次候小さめの乱数成分補の評価値に大きな団子地帯があると、それにわずかに及ばなかった実はよい候補が淘汰されてしまい、似たような団子地帯の候補ばかりが残るという現象が起きます。

Slide 76

Slide 76 text

montplusaさんの回答 76 • 実装初期はこの現象によりビームサーチの効果があまり実感できないことが多く、誤って「方針に見込みがない」と方針を捨ててしまわないようにしています。実装を詰めていくといわゆる重複盤面の除去や評価関数の改善などにより、段階的にタイブレーク+α程度に影響力を下げていっている記憶があります。

Slide 77

Slide 77 text

tomerunさんの回答 77 • ライブラリ化をしない（極限まで最適化をしようとすると結局全体に手を入れることになるので）（ほとんど整備をサボっていることの言い訳です…）

Slide 78

Slide 78 text

simanさんの回答 78 • 焼きなまし法はそんなに得意ではないので他の人と異なる工夫はあまり無いかもしれません。近傍はなるべく小さく、差分計算が可能なものを考える（イテレーションの回数を増やすため）ビームサーチはとにかく「評価関数」と「多様性」が大事だと思っていて、重複排除のためのハッシュ関数をいい感じに設計したりとかは頑張っているかもしれません。

Slide 79

Slide 79 text

simanさんの回答 79 • 「評価関数」は結局、貪欲の強さみたいなところがあるので Q1の話と近いところがありますが、とにかくビジュアライザを見ながら「良い状態」とはみたいなことをずっと考えています。一応木上のビームサーチとかは手元に持っていますがここだけで差がつくみたいなことはあまり無い気がします。

Slide 80

Slide 80 text

【質問８】 AHCの4時間コンテストで意識している時間配分・進め方はどんなものですか？また、アイディアが多すぎる場合の優先順位のつけ方・戦略があれば教えてください。 80

Slide 81

Slide 81 text

saharanさんの回答 81 • 最初 1 時間くらいは貪欲による方針をじっくり考えて、2 時間時点で結果を見てその後の方針を決め、残り 2 時間で焼きなまし・ビームサーチ・貪欲を詰める、というのが理想のパターンですが、なかなか実現できていません。アイデアが多すぎるときは、あまりに自明なもの、実装に時間がかかるものを捨てて、ある程度の非自明さと実装のしやすさのトレードオフを考えて実装する方針を選択します。

Slide 82

Slide 82 text

montplusaさんの回答 82 • 4時間でできる範囲を見積もって、それ以上に手を伸ばさないようにしています。1位を狙うのであればちょっと弱気すぎるかもしれませんが、最近の4時間コンテストは4時間では詰め切れない複雑さの問題が出てきがちなので、ある程度の割り切りが重要な気がします。最後の1時間はチューニングに使いたいので、メイン方針自体は3時間時点で完成していたいです。

Slide 83

Slide 83 text

tomerunさんの回答 83 • 短期コンテストだと、とりあえずの貪欲を書いて様子を見ようというのをついやってしまいますが、局所最適に陥って本質的な強い戦略に行きづらくなるように感じており、やめた方が良さそうだと最近思っています。前半2時間くらいは実験と考察に振るくらいで良いかもです。複数のアイディアの中では、実装量と影響度のコスパが大きそうなものからやります。

Slide 84

Slide 84 text

simanさんの回答 84 • 4時間コンテストは「問題の誤読」が一番怖いので、最初の 30分は問題理解の時間にしています。自分の経験上早めに解き始めても終盤の数十分はパラメーター調整を行っていることが多いので、それなら前半の数十分を問題理解の時間にしようという考えです。ここ最近は生成AIのお陰で「とりあえず思いついたアイデア」を色々試せるようになったので、特に優先度はつけていなくてとりあえず実装してみてスコアを計算する、といった戦略になっています。

Slide 85

Slide 85 text

simanさんの回答 85 • 「評価関数」は結局、貪欲の強さみたいなところがあるので Q1の話と近いところがありますが、とにかくビジュアライザを見ながら「良い状態」とはみたいなことをずっと考えています。一応木上のビームサーチとかは手元に持っていますがここだけで差がつくみたいなことはあまり無い気がします。

Slide 86

Slide 86 text

【質問９】 AHCの10日間コンテストで、スコアが伸びない・アイデアが停滞したとき、どのように打開していますか？ 86

Slide 87

Slide 87 text

saharanさんの回答 87 • 苦しみます。とにかく考えられる方針を実装しやすいものからできるだけ多く試していきます。やや hacky ですが、相対スコアを利用して、どの傾向の問題でスコアが取れていないのかを見て伸びしろを分析します。Psyho のツイート (https://x.com/FakePsyho/status/1605570944537280512) を思い出します。1 位のスコアから、解がどのような状態になっている必要があるかを分析します。風呂に入ります。

Slide 88

Slide 88 text

montplusaさんの回答 88 • 基本的には、将来性のある解法を序盤にできるだけ慎重に考えます。実装中の心づもりとしては、「まだこの部分は詰め切っていない」という部分を常に持っておき、終盤までは完全に詰まることがないようにしています。なんとなく届かなさそうなときはほかの可能性を探ってはいますが、そこは降りてくるかの運頼みなところがあります。

Slide 89

Slide 89 text

tomerunさんの回答 89 • そのような状態になってから打開できたことはないような気がしますね…

Slide 90

Slide 90 text

simanさんの回答 90 • スコアが伸びない、アイデアが停滞したときにやることですが、地道ですがやはり各テストケースを分析して、スコアが出るケースと出ないケースのビジュアライズ結果を比較していくのが大事だと思います。「どういう条件なら高スコアになるのか」を調べられるように、様々なパラメーター（問題特有のやつ, ex) フィールドの広さ) を可視化出来るようにして、高スコアを取るための条件を整理していく感じです。また、制限を無視した場合にどうなるのかを実験したりもします。例えば制限時間が 2secなところを 200secにして時間をかければ高スコアが取れるのかとか、何か制約を緩くしてみてその条件なら高スコアが取れるのかとか、とにかく今上位が取っているであろうスコアはどうすれば追いつくことが出来るのかをひたすら考える感じです。

Slide 91

Slide 91 text

simanさんの回答 91 • 「評価関数」は結局、貪欲の強さみたいなところがあるので Q1の話と近いところがありますが、とにかくビジュアライザを見ながら「良い状態」とはみたいなことをずっと考えています。一応木上のビームサーチとかは手元に持っていますがここだけで差がつくみたいなことはあまり無い気がします。