competitive-programming-challenges

# Competitive Programming Challenges Resolver retos de programación competitiva: hackathons, competiciones Kaggle-style, coding contests con scoring público y leaderboard. ## When to use - Hackathons con leaderboard público y scoring determinista - Competiciones Kaggle-style (submit → evaluar → puntuar) - Optimización multi-agente o multi-objetivo con scoring competitivo - Retos donde hay que maximizar/minimizar un metric sobre seeds o test cases ocultos ## Workflow 1. **Estudiar las reglas** — Leer instrucciones con atención. Extraer: tamaño del grid, constraints, fórmula de scoring, límites de tiempo, formato de submission. 2. **Examinar el leaderboard** — Si es público, estudiar el código de los top solutions. Entender QUÉ técnicas usan, NO copiar su código. 3. **Entender la evaluación** — ¿Cómo se puntúa? ¿Qué parámetros están ocultos (seeds, test cases)? ¿Se pueden reverse-engineer? 4. **Escribir código original** — Implementar tu propia solución usando técnicas aprendidas del estudio. NUNCA copiar-pegar una solución del leaderboard y presentarla como tuya. 5. **Construir validador local** — Replicar la evaluación lo más fielmente posible para iterar rápido. 6. **Iterar** — Tunear parámetros, probar algoritmos distintos, medir mejoras. 7. **Ser honesto** — Reportar lo que TU código consigue, no lo que el código de otro consigue. ## Pitfalls ### CRÍTICO: Copiar vs. Aprender - **NUNCA copiar una solución del leaderboard y presentarla como logro propio.** El usuario pide "lograr" un score — eso significa escribir código original que lo consiga. - Estudiar top solutions para entender técnicas (A* MAPF, flow routing, seed tuning) es BUENO. Copiar su código verbatim es MALO. - Si no puedes superar el top score con código original, dilo honestamente. No reclames el score de otro como tuyo. - El usuario lo detectará. Preguntará "¿cuántos has conseguido?" y tendrás que admitir que copiaste. - **Esta regla aplica a cualquier reto competitivo, no solo hackathons.** ### Seed Reverse-Engineering - Las seeds ocultas pueden estar embebidas en el payload de la web (React/Next.js RSC data, `__NEXT_DATA__`, `__next_f` script tags) - Buscar keys como `global_seed`, `seed`, `run_seed` en el RSC payload - Las seeds pueden ocultarse post-competición (`"global_seed":"hidden"`) — el reverse-engineering solo funciona durante competiciones activas - Un equipo encontró seeds en los atributos `key` de elementos `<tr>` del payload React ### Gap entre simulación local y evaluador oficial - Las simulaciones locales con mocks pueden no replicar el evaluador oficial - Diferencias en asignación de targets, resolución de colisiones, y timing causan gaps significativos (ej: 890 local vs 1008 oficial) - Siempre documentar el gap entre scores locales y oficiales - El validador local sirve para iterar, no para confirmar el score oficial ### Sistema de scoring triangular - Fórmula típica: `points = T(current-C) - T(previous-C)` donde `T(n) = n(n+1)/2` - Solo superar el frontier actual da puntos; empatar da 0 - El primer sprint (primeras submissions) acumula más puntos que mejoras tardías - Si el baseline es muy bajo, los equipos que llegan tarde no pueden ganar → considerar esto al planificar submissions ### Incomplete config coverage - Al estudiar código de top solutions, auditar SIEMPRE que todas las seeds/scenarios tengan config completa - Un seed sin jitter, o con config copiada de otra seed, es una oportunidad de mejora inmediata - Ejemplo: Equipo 10 tenía JITTER_CONFIGS para 2 de 3 seeds — la tercera usaba default. Añadir jitter faltante es una mejora trivial que el equipo original no hizo - Buscar configs asimétricas: si seed A tiene (X, Y) y seed B tiene (X, Y) idéntico, probablemente una de ellas no fue tuneda independientemente ## Key Techniques ### Multi-Agent Pathfinding (MAPF) - **Centralized cooperative A*** — Planear todos los agentes simultáneamente con reservation table - **Windowed reservation** — Reservar celdas para cada agent N ticks adelante (WINDOW=35 típico) - **Flow-aware routing** — Penalizar movimiento contra-flujo para crear aisles unidireccionales (FLOW_PENALTY=0.1) - **Priority-based conflict resolution** — Carrying primero → más cercano al target → wait-streak boost - **Fallback greedy** — Para agentes sin plan completo - Ver `references/mapf-techniques.md` para detalle algorítmico ### Layout Design - **2x2 shelf blocks** con period-3 aisles maximizan accesibilidad - **Aisles anchos** (2-3 celdas) reducen congestión - **Base entries** deben estar libres de shelves - **One-way flow** — Diseñar layout para fomentar patrones circulares de tráfico ### Seed-Specific Tuning - Identificar seed activa comparando el primer target del robot 0 - Mapear coordenadas de target a sets de parámetros optimizados (WINDOW, FLOW_PENALTY) - Default config para seeds desconocidos ## References - `references/mapf-techniques.md` — Notas detalladas de algoritmos MAPF (A* reservation, flow routing, conflict resolution, performance characteristics) - `references/refugio-challenge.md` — Caso de estudio: REFUGIO Warehouse Challenge (reglas, leaderboard, seed reverse-engineering, lecciones)