Question

我正在用minimax树实现一个二十一点游戏，它计算概率并自动依赖于这个概率。

假设我们玩1套牌，第一个游戏经销商需要：＆＃39; 5 ＆＃39;和玩家需要＆＃39; 5 7 ＆＃39;所以球员的总得分为12分。

在这种情况下，首先我要检查玩家站立决定的所有可能概率。

如果玩家站立：

我在卡片中保留的卡片如下：甲板结构（K，V）K：卡号，V：卡数

{1: 4, 2: 4, 3: 4, 4: 4, 5: 2, 6: 4, 7: 3, 8: 4, 9: 4, 10: 16}

现在，经销商应该通过17号。一些例子可以是这样的：

5(base card) + 1(11) + 1 = 17  (possibility of this hand : 4/49 * 3/48)
5(base card) + 1(11) + 2 = 18  (possibility of this hand : 4/49 * 4/48)
......
5 (base card) + 10 + 1 + 1 = 17 (possibility of this hand : 16/49 * 4/48 * 3/48)

我的问题是，我如何计算所有这些可能性并计算最终球员决定的可能性。我无法弄清楚如何编码这些数字组合。

编辑：

我找到了这个代码来计算可能的组合。它和我的样子很相似。我需要为我的问题改变这个，我希望我能做到。

def subset_sum(numbers, target, partial=[]):
    s = sum(partial)

    # check if the partial sum is equals to target
    if s == target: 
        print "sum(%s)=%s" % (partial, target)
    if s >= target:
        return  # if we reach the number why bother to continue

    for i in range(len(numbers)):
        n = numbers[i]
        remaining = numbers[i+1:]
        subset_sum(remaining, target, partial + [n]) 


if __name__ == "__main__":
    subset_sum([3,9,8,4,5,7,10],15)

    #Outputs:
    #sum([3, 8, 4])=15
    #sum([3, 5, 7])=15
    #sum([8, 7])=15
    #sum([5, 10])=15

Answer 1

这场比赛对于极小极大赛来说并非如此。

在极小极大情况下，两名玩家根据已知位置进行移动，并考虑其他玩家在确定其最佳移动时的移动。

由于这个例子有两个玩家，玩家（他实际上并没有移动，因为他改变了董事会的状态，除了决定是否站立）和经销商（只做随机移动），具有随机选项的未知板状态，特别是minimax不能使用。

在这种情况下，一个运行得相当好的算法将是从5和添加的7开始：

base = 5
cards = [7]

使用以下公式：

if sum(cards) + base < 16:
  hit()
else:
  if evalStand() > minStandChance:
    hit()

没有必要在真实时计算卡片树，因为玩家无论如何都需要获得另一张卡片。

之后，获得站立后的概率：

def evalStand():
  hand = base + sum(cards)
  sums = []
  for cardValue, count in cards.items():
    for i in range(count):
      sums.append(cardValue + hand)
  return len([i for i in sums if i <= 21])/float(len(sums))

简单地过滤掉仍然可以获得玩家的可能牌的比率＆lt; = 21.这个游戏中常用的策略是爬上21号。这就模仿了它。如果在下一轮之后站立的概率小于0.5，则玩家可以停止获得牌。

同样，这种情况对minimax来说并不好，但这应该是一个很好的替代解决方案。

修改

正如@NickLarsen所指出的那样，minStandChance代表了一种启发式方法。没有一个100％准确的变量，但可以根据您希望AI玩多少风险进行调整。（接近0是有风险的，接近1是保守的）。

二十一点极小极大算法

1 个答案: