前言:
我也是突然心血来潮, 想写写炸金花这类游戏的AI实现. 本文算是这一系列的第二篇, 主要写炸金花的胜率预估, 主要基于蒙特卡罗的思想, 胜率是炸金花AI的核心决策数据, ^_^.
相关文章:
德州扑克AI--Programming Poker AI(译).
系列文章说来惭愧, 之前一直叫嚷着写德州AI, 不过可惜懒癌晚期, 一直没去实践, T_T. 相比而言,***简单很多, 也更偏重于运气和所谓的心理对抗.
系列文章:
1.炸金花游戏的模型设计和牌力评估
2.炸金花游戏的胜率预估
3.基于EV(期望收益)的简单AI模型
4.炸金花AI基准测试评估
5.动态收敛预期胜率的一种思路
蒙特卡罗(Monte Carlo):
该算法属于模拟统计, 通过大量的随机模拟, 来达到/接近精确解的方法, 简单有效.
它的一个最有名的例子, 就是模拟求解PI(圆周率), 在2*2的正方形中区域中, 随机生成大量的点, 最后PI满足如下公式:
圆面积/正方形面=圆内覆盖的点数/全部点=PI/4
这边不再具体阐述了, 具体可以参考博文: 蒙特卡罗（Monte Carlo）方法计算圆周率π
胜率预估:
手牌胜率预估, 我们假定一副牌(52张), 玩家数N(2~6)之间变化, 在经历足够多的模拟随机发牌后, 手牌的胜率趋于真实值.
伪代码如下(炸金花没有平局, 这里把牌力相等, 认为输):
# 假定随即模拟10000局, 其他玩家n个sim_n = 10000player_n = 其他玩家数hand_cards = 玩家自己的手牌# 玩家胜利的次数win_n = 0for i in range(sim_n):players <- 随机给n个玩家发牌if 玩家的手牌 > 所有其他玩家的手牌:win_n += 1# 这次概率值, 就接近真实的胜率return win_n / sim_n
是不是觉得非常的简单, ^_^.
各类牌型的胜率统计:
这边选择了一些典型的牌型, 看看它在不同的对局用户数下, 胜率的变化:
由此可见, 拿到顺以上的牌, 胜率相当的高, 而且随人数变化小. 拿到对子也是不错的牌, 需要根据对子本身的大小和参与人数来做一个合理的评估.
真实代码:
贴一下代码:
import randomimport timeCARD_CONST = {"A": 14,"2": 2,"3": 3,"4": 4,"5": 5,"6": 6,"7": 7,"8": 8,"9": 9,"T": 10,"J": 11,"Q": 12,"K": 13}class Card(object):"""牌的花色+牌值"""def __init__(self, val):self.suit = val[0]self.rank = val[1]self.value = CARD_CONST[val[1]]def __str__(self):return "%s%s" % (self.suit, self.rank)class Shoe(object):def __init__(self, deck_num=1):""":param deck_num: 几副牌, 默认为1副牌"""self.deck_num = deck_numself.cards = [Card(s+c) for s in "HDSC" for c in "A23456789TJQK"] * self.deck_numself.idx = 0def reshuffle(self):# 打散牌self.idx = 0random.shuffle(self.cards)def deal(self, exc_arr=[]):""":param exc_arr: 发牌需要过滤掉的牌, 避免重复:return:"""while self.idx < len(self.cards):card = self.cards[self.idx]self.idx = self.idx + 1if str(card) in exc_arr:continuereturn cardreturn None# 核心思路和德州一致, 把牌力映射为一个整数# 牌力组成: 4个半字节(4位), 第一个半字节为牌型, 后三个半字节为牌型下最大的牌值# 牌型, 0: 单张, 1: 对子, 2: 顺子, 3: 金, 4: 顺金, 5: 豹子# 高highHIGH_TYPE = 0# 对子PAIR_TYPE = 1 << 12# 顺子STRAIGHT_TYPE = 2 << 12# 同花(金)FLUSH_TYPE = 3 << 12# 同花顺STRAIGHT_FLUSH_TYPE = 4 << 12# 豹子LEOPARD_TYPE = 5 << 12class ThreeCardEvaluator(object):"""工具类"""@staticmethoddef win_prop(cards, n=2, sim_n=10000):"""胜率计算:param cards::param n: 玩家数(包含玩家自己):param sim_n: 模拟的轮数, 轮数越多越接近真实值:return:"""random.seed(time.time())shoe = Shoe(deck_num=1)exc_arr = [str(_) for _ in cards]owner_hand_value = ThreeCardEvaluator.evaluate(cards)# 胜利次数win_n = 0for _ in xrange(sim_n):# 打散牌谱shoe.reshuffle()player_cards = []for j in xrange(n - 1):player_cards.append([shoe.deal(exc_arr=exc_arr) for _ in range(3)])# 统计其他玩家中最大的手牌值max_hand_value = max([ThreeCardEvaluator.evaluate(_) for _ in player_cards])if owner_hand_value > max_hand_value:win_n += 1# 大量模拟后的胜率return win_n * 1.0 / sim_n@staticmethoddef evaluate(cards):"""牌力值计算:param cards: 三张牌构成的手牌:return:"""if not isinstance(cards, list):return -1if len(cards) != 3:return -1vals = [card.value for card in cards]# 默认是从小到大排序vals.sort()# 豹子检测leopard_res, leopard_val = ThreeCardEvaluator.__leopard(cards, vals)if leopard_res:return LEOPARD_TYPE + (vals[0] << 8)# 同花检测flush_res, flush_list = ThreeCardEvaluator.__flush(cards, vals)# 顺子检测straight_res, straight_val = ThreeCardEvaluator.__straight(cards, vals)if flush_res and straight_res:return STRAIGHT_FLUSH_TYPE + (straight_val << 8)if flush_res:return FLUSH_TYPE + (flush_list[2] << 8) + (flush_list[1] << 4) + flush_list[2]if straight_res:return STRAIGHT_TYPE + (straight_val << 8)# 对子检测pair_res, pair_list = ThreeCardEvaluator.__pairs(cards, vals)if pair_res:return PAIR_TYPE + (pair_list[0] << 8) + (pair_list[1] << 4)# 剩下的高highreturn HIGH_TYPE + (vals[2] << 8) + (vals[1] << 4) + vals[2]@staticmethoddef __leopard(cards, vals):if cards[0].rank == cards[1].rank and cards[1].rank == cards[2].rank:return True, cards[0].valuereturn False, 0@staticmethoddef __flush(cards, vals):if cards[0].suit == cards[1].suit and cards[1].suit == cards[2].suit:return True, valsreturn False, []@staticmethoddef __straight(cards, vals):# 顺子按序递增if vals[0] + 1 == vals[1] and vals[1] + 1 == vals[2]:return True, vals[2]# 处理特殊的牌型, A23if vals[0] == 2 and vals[1] == 3 and vals[2] == 14:return True, 3return False, 0@staticmethoddef __pairs(cards, vals):if vals[0] == vals[1]:return True, [vals[0], vals[2]]if vals[1] == vals[2]:return True, [vals[1], vals[0]]return False, []
测试代码:
# !/usr/bin/env python# -*- coding:utf-8 -*-import sysreload(sys)sys.setdefaultencoding("utf-8")if __name__ == "__main__":card_cases = [[Card('HK'), Card('SK'), Card('DK')],# 豹子[Card('HA'), Card('HK'), Card('HQ')],# 顺金[Card('HA'), Card('HK'), Card('HT')],# 金[Card('HA'), Card('HK'), Card('SQ')],# 顺子[Card('H9'), Card('D9'), Card('ST')],# 对子[Card('H9'), Card('DA'), Card('ST')] # 高牌]for case in card_cases:p = ThreeCardEvaluator.win_prop(case, n=6, sim_n=10000)card = ', '.join([str(_) for _ in case])print "[{}] = {}".format(card, p)
测试结果:
[HK, SK, DK] = 0.9988[HA, HK, HQ] = 0.989[HA, HK, HT] = 0.9668[HA, HK, SQ] = 0.7506[H9, D9, ST] = 0.4335[H9, DA, ST] = 0.1245
总结:
本文是炸金花系列的第二篇, 后续要讲讲炸金花AI的编写, ^_^, 希望自己能坚持.
如果觉得《炸金花游戏(2)--炸金花游戏的胜率预估》对你有帮助，请点赞、收藏，并留下你的观点哦！
