简述打麻将,需要运气,也需要脑力。作为玩家,需要搭好牌架子,然后一张一张的摸牌,最后达到听牌,最终胡牌。
本文讲述的即是AI如何尽量做到高智商的打麻将。其中摸牌我们是控制不了的,所以就在打牌上下手。 首先还是先复习下麻将玩法。
github地址 使用maven<dependency>
<groupId>com.github.esrrhs</groupId>
<artifactId>majiang_algorithm</artifactId>
<version>1.0.8</version>
</dependency> // load AITableJian.load(Files.readAllLines(xxx)); AITableFeng.load(Files.readAllLines(xxx)); AITable.load(Files.readAllLines(xxx)); // 出牌 int card = AIUtil.outAI(cards, gui); // 碰 boolean isPeng = AIUtil.pengAI(cards, gui, pengCard, 0.d); // 杠 boolean isGang = AIUtil.gangAI(cards, gui, gangCard, 0.d); 花色分类普通牌:万筒条,每门有序数从一至九的牌各四张
风牌:東、南、西、北
箭牌:中、發、白
牌型术语胡牌公式N×连子 + M×刻子 + 1×将 N>=0, M>=0
鬼牌鬼牌的定义就是能够变成任意牌的牌,通常是提前指定或者每次随机决定,比如白板做鬼,如下图:
在本文中,不需要考虑鬼牌,因为不会打鬼牌,所以我们只需要把其他牌做的完美,就可以随便和鬼牌达到听牌胡牌。 案例分析我们先举几个直观的例子,看看人是怎么思考出牌的 1万2万3万2条,很简单打这个单的2条,剩下的就是连子
1万2万3万1条1条7条,1条做将,打这个单的7条
1万2万3万2筒3筒1条2条,要想组连子,需要3条、1筒4筒,拆这个1条2条,打1条好,2条万一摸到3条4条还有机会
解决思路从上面的例子可以看出来,打牌的过程,其实就是评估打完之后的牌面,取一个最佳牌面。 也就是说,算法变成了评估牌面积分的算法,越高说明牌越好,也说明这副牌可以胡的概率更高。 评估方法为了评价这副牌的积分,也就是胡牌的概率,我们可以给他再摸N张牌,看看胡牌情况。参考如下示例,可以很直观得出牌面积分:1万2万3万 > 1万2万3万2条3条 > 1万2万3万2条。 表格生成有了评估方法后,我们只需要对每个花色的手牌,分配N张牌给他,然后计算胜率,就可以知道牌面积分。 不过考虑到计算量太大,所以我们可依然使用查表法,提前计算好,方便快速查找。 当然,这里的问题就是不会去参考当前桌子剩余的牌,不过相比计算效率,这一点牺牲是可以接受的。 牌型编码查表的第一步,要对手牌进行编码做key。 表生成在生成表的阶段,时间是不值钱的,所以生成方法我们可以任意穷举。 首先分为普通、风、箭三张表 穷举出所有的key,比如普通表,就是000000000-444200000,因为每一种牌最大4张,且总和不超过14张牌。 对于每个key,给定输入N张牌,生成这个key在有将无将下的胜率。 例如1万2万5万5万:110020000
生成的胜率信息有 1万2万5万5万:无将 0.006099681251811069(这手牌如果不做将,能胡的概率是0.006) 1万2万5万5万:有将 0.03433398152649489(这手牌如果做将,能胡的概率是0.03,因为有现成5万的将,只需要3万就能胡)
评估算法有了前面辛苦生成的表格,那么评估积分算法就很简单了。 对玩家手上的牌进行编码,变成多个key和鬼牌总数N,例如手牌如下
得到key:110020000、020000000和鬼牌总数2,同时对于没有的花色,也补上key。 对每个key查询表,得到对应的胜率信息列表 上面的例子就会有 1万2万5万5万:无将 0.006 1万2万5万5万:有将 0.03 2筒2筒:无将 0.02 2筒2筒:有将 1.0 条子(无):无将 1.0 条子(无):有将 0.05 风牌(无):无将 1.0 风牌(无):有将 0.05 箭牌(无):无将 1.0 箭牌(无):有将 0.05 简单递归下,计算胜率总和的最大值,并且满足有且只有1个将,本例中,将取筒子,max=4.006 递归M层分配鬼和将的耗时 M是花色数目,M<=5
出牌算法 |