我认为对于任何人来说，“傻瓜”（以下单词都会用小写字母且没有引号）是俄罗斯和前苏联国家/地区最受欢迎的纸牌游戏（尽管在外面几乎是未知的）对任何人都是秘密。 尽管它的名字和相当简单的规则，但赢得它仍然更多地取决于玩家的技能，而不是纸牌的随机分布（用英语术语来说，两种类型的游戏分别称为技能 游戏和机会游戏 。）更多的技巧游戏 ）。
本文的目的是为游戏编写一个简单的AI。 “简单”一词的含义如下：
- 直观的决策算法（因此，没有机器学习将算法深深地隐藏在“幕后”）；
- 缺乏状态（也就是说，算法仅以当前时间的数据为准，简而言之，它不会记住任何东西（例如，它不会“计数”离开游戏的牌）。
（严格来说，第一段不再授予这种AI 本身被称为人工智能的权利，而只是伪AI。但是此术语已在游戏开发中确立，因此我们不会对其进行更改。）
我认为游戏规则是众所周知的，因此我不会再提醒他们。 那些想要检查的人，我建议您与Wikipedia联系，有关此主题的文章不错。
因此，让我们开始吧。 显然，愚蠢的人认为卡片越老越好。 因此，我们将基于对手部力量的经典评估来构建算法，并基于该评估做出决策（例如，扔出特定的牌）。 例如，我们将值分配给地图，如下所示：
- ace （A）-+600点，
- 国王 （K）-+500，
- 女 （Q）-+400，
- 杰克 （J）-+300，
- 十 （10）-+200，
- 九 （9）-+100，
- 八 （8）-0，
- 七 （7）--100，
- 六 （6）--200，
- 五 （5）--300
- 四 （4）--400，
- 三 （3）--500，
- 最后，降低（2）--600分。
（为了避免浮点数在计算中使用，我们使用100的整数倍，而仅使用整数。为此，我们需要负的额定值，请参阅本文下面的内容。）
特朗普牌比任何简单的牌都有价值（即使是王牌大局也能击败“普通”王牌），王牌中的等级也是相同的，因此要对其进行评估，只需在“基本”值上加上1300-例如，王牌大局将“花费” -600 + 1300 = 700点（即，仅比一张无王牌王牌多一点）。
在代码中（本文中的所有代码示例均在Kotlin中），看起来像这样（ relativaCardValue()函数返回相同的估计值，而RANK_MULTIPLIER只是一个等于100的系数）：
for (c in hand) { val r = c.rank val s = c.suit res += ((relativeCardValue(r.value)) * RANK_MULTIPLIER).toInt() if (s === trumpSuit) res += 13 * RANK_MULTIPLIER
las，还不是全部。 考虑以下评估规则也很重要：
- 拥有许多同等价值的卡牌是有利的-不仅因为它们可以“填满”对手，而且还可以轻松地击退攻击（尤其是在卡牌价值很高时）。 例如，在游戏结束时，一只手（为简单起见，我们假设以下的王牌是手鼓）
$$显示$$ \ Clubsuit 2 \ spadesuit 2 \ Diamondsuit Q \ heartsuit Q \ clubsuit Q \ spadesuit Q $$ display $$ 几乎完美（当然，如果对手没有用国王或王牌击败您）：您将被女士们击败，之后 死对头 给他一副演说。
但是，许多相同（当然是非王牌）西装的卡却有一个缺点-它们会彼此“干扰”。 例如手$$显示$$ \ spadesuit 5 \ spadesuit J \ spadesuit A \ Diamondsuit 6 \ Diamondsuit 9 \ Diamondsuit K $$显示$$ 非常不幸的是-即使对手没有在第一步中“淘汰”您的王牌，而是拿到了顶峰套装的牌，那么其他所有扔出的牌也将是其他套牌，他们将不得不提供王牌。 此外，很有可能五次比赛都无人认领-您的所有王牌的尊严都超过五分，因此在任何情况下（当然，除非您最初使用的是较年轻的卡片），否则您将无法使用其他任何卡片进行覆盖-这很可能会导致高。 另一方面，我们用十个棍棒代替了黑桃杰克，而用三重棍代替了王牌六：
$$显示$$ \ spadesuit 5 \ clubsuit 10 \ spadesuit A \ Diamondsuit 3 \ Diamondsuit 9 \ Diamondsuit K $$显示$$ 尽管我们用较低的牌替换了牌，但这样的手要好得多-首先，您不必打王牌（并且您更有可能使用黑桃A），其次，如果您击败了然后一张有三把王牌的牌，就有机会有人将三张黑桃扔给你（因为通常没有持有这样的牌的意思），而你会“抓住”这五张牌。
为了实现这些策略，我们修改了算法：在这里，我们考虑每套西装的张数和优势...
val bonuses = doubleArrayOf(0.0, 0.0, 0.5, 0.75, 1.25) var res = 0 val countsByRank = IntArray(13) val countsBySuit = IntArray(4) for (c in hand) { val r = c.rank val s = c.suit res += ((relativeCardValue(r.value)) * RANK_MULTIPLIER).toInt() if (s === trumpSuit) res += 13 * RANK_MULTIPLIER countsByRank[r.value - 1]++ countsBySuit[s.value]++ }
...在这里，我们为他们添加了奖金（ Math.max调用是必需的，以便不为低卡产生负奖金-因为在这种情况下，这也是有益的）...
for (i in 1..13) { res += (Math.max(relativeCardValue(i), 1.0) * bonuses[countsByRank[i - 1]]).toInt() }
……与此相反，我们对西装中不平衡的西装罚款（ UNBALANCED_HAND_PENALTY的值实验设置为200）：
最后，我们考虑到了手头上的卡片数量之类的平庸事物。 实际上，在游戏开始时拥有12张好牌是非常好的（特别是因为它们仍然只能被扔出不超过6张），但是在游戏结束时，除了您之外只有2张牌的对手时，情况并非如此。
我们总结一下-完整的评估函数如下所示：
private fun handValue(hand: ArrayList<Card>, trumpSuit: Suit, cardsRemaining: Int, playerHands: Array<Int>): Int { if (cardsRemaining == 0 && hand.size == 0) { return OUT_OF_PLAY } val bonuses = doubleArrayOf(0.0, 0.0, 0.5, 0.75, 1.25)
因此，我们已经准备好评估功能。 在下一部分中，计划描述一个更有趣的任务-基于这样的评估做出决策。
谢谢大家的关注！
PS此代码是作者在业余时间开发的应用程序的一部分。 它在GitHub上可用 （适用于台式机和Android的二进制版本，对于后者，该应用程序也可以在F-Droid上使用 ）。