我心中的智能斗地主AI，而非单纯一个牌型分析算法

我心中的智能斗地主AI，而非单纯一个牌型分析算法 作者： 暗夜、Bingo、流潮，转载请注明来源。 备注：个人见解  整体思路图： 神经网络直观图： 实现过程(含部分源代码)： 1、出牌方式 主动出牌，即首发起方，每轮出牌的出牌发起人，可以在现有手牌里任意出牌，主动出牌比被动出牌变量多，因为你出什么牌将影响接下来的牌局走向。   被动出牌，被动出牌有一定的限制性，受制于上线出牌牌型，与主动出牌比较变量想对较少。 2、牌型分析 牌型按照从大到小不计算面值依次为火箭、炸弹、三顺、双顺、三条、对子、单牌，四带二排除。 分析方法可以按照 权值、手数进行提取，本人分析牌型是按照手数提取，出牌略带权值计算，决定一些出牌转折点的走向。 具体分析参考本人实例： ① 按照牌型大小提取出 火箭和除火箭剩下的所有牌型，比如3333444456788，结果：{array(3333,4444),array(4444567,3333567)}，按照此类方法把各牌型全部分析完毕。 参考图： ② 计算手数，从火箭开始判断，无火箭取炸弹，无炸弹取三顺，以此类推取得最佳最少手数。 ③ 四、五、六项遍历解析法，此法无权值分数计算，也是最笨最有效的方法，即按照①②的结果对剩余牌进行手数计算，返回每项的最佳出牌组合和相应手数，如图：唯一的缺点是效率慢，全部遍历不实际，可以选取重要的牌型遍历。 PS：分析包含过滤重复、最佳提取、手数比较、排除等。 3、出牌、AI 用一句话来概述AI：人脑的思考过程用代码实现。 这里用到了神经网络，我并非专业全能程序员，我所理解的神经网络就如同我师傅对我所说，看一群蚂蚁中的其中一只看不出什么，要看整个蚁群的走向，神经网络也是如此，每一个蚂蚁都是一个变量，不同变量组成不同结果，结果是不可预测的。 人之所以会思考，也是具有神经网络，只不过人脑神经元的数量和执行效率是目前电子远远比不上的，所以，只能把一部分神经元结合成一个神经元，斗地主AI的实现过程对于这种专业技术来说显得微不足道，只要掐准其中一部分比较重要的神经元来决策策略即可，那么，斗地主AI就很容易的实现了原始神经网络机制，也就具备了一些“策略”，看起来不那么像电子产。 ① 首先，赋予AI眼睛、嘴巴、鼻子等，给AI最大限度的可接收信息，比如：地主是谁、地主剩余手牌数量、同伙是谁、同伙剩余手牌数量、自己是不是地主、自己的牌是否有大于对方的牌，有的话哪一组最合适；还有最重要的部分就是记牌分析，出多少，剩多少，剩了什么都要记录分析。备注：自主学习系统本人还没有接触，听一起做事的朋友小Q说写过一个，但是程序崩溃，这也是下一步将要主重参考的环节。 ②  然后，根据上面的入口信息分析、筛选，比如当地主还剩1张牌时，最大限的出对牌，直至出完手牌，这里用到了容错概念，比如，手牌并非全部对牌，或者在此过程中同伙 跟了牌，AI就会再此基础上再次分析同伙是不是全是对牌，如果不是，利用记牌器分析出谁的权值大，当分析完毕结果不理想时，容错就起到了作用，进而整个AI转向到另一个神经元来分析，最终并非一个结果，就像有了性格一样，而非严格按照代码逻辑进行判断，对于不同的神经元，根据不同的上级神经元传递的信息来赋值不同的权值，接着进行下一个神经元。 ③ 最后，返回结果，AI做出相应操作。 斗地主AI只能最大限度的提高机器人胜率，绝对不能像阿法狗那种，自主学习就能越来越高的提高胜率，因为起点不同，结果不同，斗地主的胜率是起始手牌决定的，算法AI只是辅助胜率。 有想法的朋友不妨一起交流一下 QQ群： 567817566。  备注：本人不才，高手前辈请勿耻笑，更愿意请老师们前辈们帮助我学习成长！