内容简介：德州扑克算法 用于带鬼牌的德州扑克的算法，目前支持两张鬼，包括以下功能 查表算法(内存占用十几M) 评估算法(内存占用300M) 使用 <dependency> <groupId>com.github.esrrhs</groupId> <artifactId>...
德州扑克算法
用于带鬼牌的德州扑克的算法，目前支持两张鬼，包括以下功能
- 查表算法(内存占用十几M)
- 评估算法(内存占用300M)
使用
<dependency>
<groupId>com.github.esrrhs</groupId>
<artifactId>texas_algorithm</artifactId>
<version>1.0.12</version>
</dependency>
// 获取2张手牌5张公牌的最大的5张牌
TexasAlgorithmUtil.getMax("黑2,黑3", "方2,方A,黑7,黑5,鬼");
// 获取7张牌的大小，用于比牌
int win = TexasAlgorithmUtil.getWinPosition("方4,方A,鬼,黑A,黑3,黑5,黑6");
// 获取2张手牌4张公牌的胜率，用于评估
float p = TexasAlgorithmUtil.getHandProbability("方3,鬼", "黑2,黑4,黑5,黑K");
测试玩玩
- 解压texas_algorithm.rar到当前文件夹
- 运行TestUtil.Main
生成表玩玩
- 解压 texas_algorithm.rar 到当前文件夹
- 运行 TexasAlgorithmUtil.Main，需要添加 vm 参数 -Xmx8000m
查表算法
查表算法，给定任意 7 张牌（5 张和 6 张也支持），查表给出 5 张最大牌的牌面以及大小、胜率、类型。查表方法很简单，下面讲一下生成表的算法。
算法实现
穷举 C(52, 7)的组合
52 张牌再加 2 张鬼牌里面选7张，一共有 1 亿多种组合，对7张牌进行编码变成 long 类型，得到一个 1 亿长度的数组。
- 给定 6 张和 5 张，也是同理生成
多线程快速排序
对这 1 亿长度的数组进行从小到大排序，排序依据就是 7 选 5 后的大小。使用多线程快速排序，在8核的机器上，排完大概需要 10 小时。
- 如果把最终的查表算法替换原始的比牌算法，速度可以缩短到2小时。
结果输出
数组已经排好序，现在按照顺序输出到一个文件，内容有 key、大小顺序、ma x牌的值、max 牌的类型、可阅读的牌面信息。最后文件大小差不多 12G。
- 注意到大小其实是阶梯状的，就是有很多牌是一样大，但是先后顺序不同，所以在输出的时候，要再做一下比牌处理。
结果去色
1 亿条数据如果直接用，内存会爆，使用去色算法缩减规模。分为有花色和无花色两个文件，最后文件总大小 18 M。实际加载到内存占用几十 M。
- 对于同花的类型，比如同花、同花顺、皇家同花顺，7张牌的分布肯定是比如红红红红红梅黑，就是至少 5 张牌是同花色的，于是可以转变花色成为方方方方方黑黑，节省 key 值
- 对于非同花的类型，花色毫无作用，那么只需要把花色全去掉，变成方方方方方方方即可
查询方法
给定 7 张牌，先去同花表里查，如果没有就去非同花表里查，两个都有就谁大选谁。
评估算法
评估算法，给定 2 张手牌，0-4 张公牌，大致估算出这手牌在 1v1 情况下的胜率。
算法实现
胜率计算
注意到前面已经生成了 7 张牌的大小顺序了，那么现在给定 N 张牌(2<=N<=6），只需要去 7 张牌的集合里遍历，看包含这 N 张牌的 7 张牌的胜率，做一下平均值就是平均胜率。顺便还会生出最大胜率最小胜率。5个输出文件最终大小是 2G。
结果去色
这个N张牌的胜率表同样存在重复的，采用类似的方法去掉花色，分为两张表，查询先查询原始表，没有再去查询去掉花色的表。通过这种方法，6 个文件可以缩减到 300 M。实际加载到内存差不多 200 M。
公牌查询
把公牌代入上面计算的胜率表中，查询得到公牌的胜率情况，也就是说对方用这个公牌去组成 7 张牌的平均胜率记为 P1，以及最大和最小胜率 P1Max 和 P1Min。
手牌公牌查询
把我的手牌和公牌加起来，代入上面的胜率表中，查询得到一个平均胜率 P2。注意这时候 P2 是不准确的，因为手牌被重复使用了。这里存在误差。
胜率预估
P1、P2 都已经拿到，根据 P1 和 P2 的关系用 P1Max 和 P1Min 做下差值即可得出胜率。这里假定分布是均匀的所以也会有误差。
预估误差
如果采用最原始的方法穷举所有组合，即固定手牌和固定公牌，穷举剩下公牌和对方手牌，并计算胜率，目前 2 张手牌 4 张公牌需要 20 多天才能计算完，并且数据量已经超标。通过和实际胜率比较，误差大部分在0.1 以内，比如实际胜率 0.5，预估 0.6。
以上就是本文的全部内容，希望本文的内容对大家的学习或者工作能带来一定的帮助，也希望大家多多支持 码农网
猜你喜欢:
- AS3.0 扑克牌乱序排列法洗牌
- 通俗易懂--决策树算法、随机森林算法讲解(算法+案例)
- 限流算法之漏桶算法、令牌桶算法
- 什么是Paxos算法？Paxos算法是区块链核心算法之一
- 一文读懂对称加密算法、非对称加密算法和Hash算法
- 算法(六):图解贪婪算法
本站部分资源来源于网络，本站转载出于传递更多信息之目的，版权归原作者或者来源机构所有，如转载稿涉及版权问题，请联系我们。
