欧洲乘车票-游戏运算中的适度步骤

第一天 他们给了我们游戏“乘车票。 欧洲。” 这是我对这个系列游戏的第一次结识，有必要尝试一下。

第五天。 不知怎的，我厌倦了定期丢失，是时候该向数学家寻求帮助了，并以此方式赢得当之无愧的胜利。


在google，excel和python 以及该死的母亲的帮助下，对游戏的机制进行了有益的介绍。 没有魔术药，但有用的东西出来了。


游戏中的积分可以通过四种不同方式获得。 提出的理论非常适合其中一种称为“构建大量路线”的理论。

公理游戏

1. 总共有46个城市在场。 在城市之间经过的路线有90种，不管是哪种类型（渡轮，隧道，双人）。 现场最多放置300辆货车（在“双”节中使用两个牵引车）-平均而言，牵引车的长度为3.33辆货车
2. 在运动场上有以下几方面的收获：
   

   	常规驾驶	双级	隧道	双隧道	轮渡服务	双轮渡
   色泽	有	有	有	有
   灰色的	有		有		有	有

   
   任何渡轮都不能同时是渡轮和隧道。

启示录一：并非所有汽车都同样有用

如果仔细计算城市之间的所有色差，事实证明，旅行车的最大需求量大致相同。 但是，如果您在平常阶段以外的区域添加“校正因子”，情况将发生很大变化（最流行和不需要的颜色之间的差异几乎达到20％）。

• 定期运输所需的货车估计为运输长度的100％（我们相信仅使用彩色汽车进行运输）。
• 估计双程货车的需求为50％（我们相信可以使用两种颜色中的任何一种货车进行拖运。例如，白色和橙色货车均可用于建造巴黎-法兰克福部分）。
• 花了一升咖啡，以便根据概率论来计算建造隧道所需的汽车；最后，它是通过蒙特卡洛方法计算的。 模拟了从整个甲板抽取三张纸牌的情况，记录了丢失“游戏纸牌”（机车或同色货车）的概率。 （在下文中：每次考虑完整套牌的可能性时，都不会考虑已经掌握在用户手中的牌 ）。
  

  添加。 货车	机率
  0	44.14％
  1个	41.95％
  2	12.71％
  3	1.2％

  
  修建长度为N的隧道所需要的汽车的“医院平均”总需求为：
  

  $$

  $$= N + 1 * 0.4194 + 2 * 0.1271 + 3 * 0.012 = N + 0.709$$
• 双隧道算作规则2和3的混合

通过按照这些简单规则编写的程序驱动了所有90条路径，我们得到以下输出（指示所需颜色的部分总数和“实际”汽车需求）：


灰色货车实际上是不存在的-在舞台的建造过程中，它们会被适当数量的任何颜色替换。 整数和小数部分的分隔符引起的混淆是由于使用了两个工具-Excel和Python，每个工具都以自己的方式表示实数。 您可以更深入地研究显示设置，但是为什么呢？ 这不会影响结果。

从这里得出第一个建议： 在一般情况下，使用黑色或白色货车制造灰色路线会更有利可图。 如果可能，应按预期使用并使用绿色和蓝色。

第二次启示：建造各种类型的拖拉车需要不同数量的举动

再一次，好老的蒙特卡洛（Monte Carlo）会计算您需要多少次“盲目”绘制两张牌（阅读：花招），以获取正确数量的汽车和/或机车，以构建适当长度和类型的拉伸段。 对于该阶段的构建，还需要移动一个步骤，输出如下表：


它本身几乎没有提供，但可以作为将来计算的基础。

该表中未包括双色隧道“马德里潘普洛纳（Pamplona Madrid）”（长3辆），因为它的移动数量是单独计算的，为7.511。

启示录三：并非所有城市都同样重要

爱丁堡市位于地图的左上角；距伦敦只有一倍路程。 同时，爱丁堡是两条路线的终点站（爱丁堡-雅典（21）和爱丁堡-巴黎（7））。 也就是说，在一个两人三人的游戏中，战争有可能在伦敦-爱丁堡的路线上展开，而其中一名选手将保持不完整的路线。

对于另外4个城市，合适的路径数与在该城市开始或结束的路线数一致。

城市名	的方式	终极
爱丁堡	1个	2
哥本哈根	2	2
斯德哥尔摩	2	2
布雷斯特	3	3
斯摩棱斯克	3	3

提示二： 如果您的路线在指定城市开始或结束，则应尽早在正确的方向上建立航迹。

如果我们不仅将自己限制在终端站，而且将它们限制在中间站（请参阅关于“计算”中间站的方法的第五个启示），我们会获得一种“繁忙”城市的评级，这些评级首先需要被“包围”。

城市名	的方式	终极	中级
巴黎	7	3	11
柏林	5	4	8
法兰克福	6	2	9
威利	5	2	6

在排名的另一侧是对路线兴趣不大的城市-它们可以在比赛结束时留给以后（主要是有足够的汽车）。

城市名	的方式	终极	中级
塞瓦斯托波尔	5	1个	1个
彼得格勒	4	2	0
里加	3	1个	0
安哥拉	3	2	0
雅典	4	3	0
巴塞罗纳	3	2	0
布鲁塞尔	4	2	1个

启示录四：并非所有路线都同样有用

迄今为止，以下数据可用：

• 卡中的路线列表。
• 城市之间的运输清单。
• 建立一种或另一种类型的阶段所需花费的平均移动次数。

很有可能为每条路线找到最快的路径（以最少的移动次数即可构建路线的方式）。 Dijkstra算法非常适合此操作 ，因为构建它所需的移动次数被用作各个阶段的平衡。

下表显示了收益最高和收益最低的路线，路线的“收益”（赢得的点数/花费的移动次数）变化非常明显，而“长距离的路线”（以蓝色突出显示）在表的上方充满信心：

第五启示：并非所有的拖运都同样有用。

准备好最佳路径列表后，您可以评估每条线的“工作量”，并选择用于最多路径的“关键”部分。


由于对这些区域的明显需求，迟早将为它们带来斗争。 如果您的竞争对手尽早出现网站使用问题，那将更好。

秘诀三： 如果您的路线通过上述路线（并穿过爱丁堡-伦敦部分），则只要有正确颜色的汽车就应先行。

如果有4-5名玩家参加，则双阶段比赛的情况会有所简化。

在表的另一端，平均游戏中的需求量最小。


通常，如果您鸟瞰城市和城市交通热图（褐色，较忙；白色为零），则很明显斗争将在何处展开。


这些提示在急忙时很有用-建立比其他任何人都更快的路线。 数学计算城市之间最有利可图的路线（点数/移动次数），添加“最长连续分支”的算法，使用先前构造的路段以及使用车站的对手路线，仍在等待他们的研究人员。

胜利和有趣的战斗。

“算术”的延续