蜘蛛纸牌算法毕业论文

一开始要很贪。发第一张牌时尽量叠牌，把底下的牌都翻出来，并力求挖一个空位出来。深挖洞广积粮。这样你才能站得高看得远，才能运筹帷幄，才能先发制人，才能暗渡陈仓。后面不要太贪。不要太有洁癖，别看见可以叠的牌就屁颠屁颠去叠了。要眼观八路耳听四方，多看看，能消的先消掉再说。剩下就会好办一些。贪得无厌只会断送全局。我以前经常把很多牌一队一队的理顺了，但是没法消。要尽量留后路，不要只顾眼前爽快，把各种花色的牌都乱七八糟叠一起了会对后面的游戏造成非常不利的影响。无论如何不能让KQJ这种老大级的牌挡在前面，要把他们解决掉。(消掉或搬到空位上去。)在发最后一张牌之前冷静理牌，切忌悲观绝望轻易放弃。发了最后一张以后，就听天由命了，但仍要相信奇迹。

1、计分规则

游戏开始时，为500分。以后每移牌或撤销移牌一次，扣一分。当一组 同一花色的牌被移除整理到左下方时，加100分。游戏中可以出现负分。在负分时，执行撤销操作，分数将自动变为0。

2、翻牌规则

游戏开局只有每叠牌的第一张默认为翻开状态。当移动一叠牌所有已翻开牌到其他地方时，未翻开牌的中最上面的一张将自动翻开。每次发牌的十张牌都为翻开状态。

扩展资料：

游戏攻略

1、开局要选好，如果一排也开不了，这局机会就不大了。

2、发了三次牌以后，整个牌局应有点样了，如果还是乱乱的，就是开局没弄好。

3、顺牌过程中，感觉位置比较理想时，可以适当保存，成功率会提高不少。

4、相同花色的有机会就弄到一块，有时可能就差一张牌的位置。

5、尽量把牌压在一排上，长一点没关系，有时可能会四、五十张。

参考资料来源：百度百科-蜘蛛纸牌

本人因为上课无聊，所以经常研究八副不收蜘蛛纸牌(即结束前将八副牌不收，整理顺序排列在八列)。玩法主要是狂用撤销键，狂开空位，活用交换将同色排列在活位，散色排列在K下，发牌后记住k的发牌位，将K列移在k下。因为1下不能放东西，而k不能放别的上，所以x...1k...x连是极强的。最佳为，也可，较差。最后整理八列的时候基本只有一个活口，因此要尽早将K上方的牌打开(在不浪费空列的前提下)试想如果只有一活列的情况下，基本需要把最后一个K上有盖牌的列打开的时候，就没有了活列，如果盖牌过多，有互为连牌的时候就会直接卡死告负。

某叠牌经过调整 所剩余的空白列数量，有时调整后会增加空白列，有时调整后会减少空白列。有些调整需要使用两个空白列，调整后还能剩余两个空白列。而有些调整也使用两个空白列，调整后剩余一个空白列。空白列就像一个公共资源，要保持这个资源的畅通。非空白列也可以用来缓冲，只是能力有限，对调整的起始点数有要求。嫁接：某一列排列整齐，但在点数小的部分发生了紊乱，将紊乱点数之前的某点数移动到其他垃圾堆里。就像苹果烂的部分，要连周围好的一起咬去。

开局要选好，如果一排也开不了，这局机会就不大了。发了三次牌以后，整个牌局应有点样了，如果还是乱乱的，就是开局没弄好。顺牌过程中，感觉位置比较理想时，可以适当保存，成功率会提高不少。相同花色的有机会就弄到一块，有时可能就差一张牌的位置。尽量把牌压在一排上，长一点没关系，有时可能会四、五十张。

认真阅读下面的文章，并思考文末互动提出的问题，严格按照 互动：你的答案 格式在评论区留言，就有机会获得由 机械工业出版 社 提供的优质科普书籍 《天才与算法》 一本。

单人蜘蛛接龙 （以下简称为“ 蜘蛛纸牌 ”）是人们经常在电脑上在线或者离线玩的一款很受欢迎的 游戏 。由名字可以看出，这个 游戏 是只有一个玩家的。 游戏 中一共有两套标准扑克牌，玩家需要按顺序把扑克牌排列成完整的八组（两套牌，各四种花色），从而进一步把它们从台面上消除。牌可以从牌组中提取或者按照特定规则从一列移动到另一列。我们这里不再详细地讨论 游戏 规则，假设我们的读者已经了解 游戏 的规则了。要是你需要回忆一下，可以看这里。在这里我们只讨论这个 游戏 的四组的版本。

蜘蛛纸牌中含有两套标准扑克牌

玩家们一直在抱怨说不同的软件存在偏差 。具体来讲，就是如果程序探测到了玩家的胜率很高，它可能就 暗中操纵 后面的牌的次序来降低胜率。玩家本身也有可能被偏向从而发挥出最好水平。不过，通过一些基本的 统计学手段 ，我们有可能对这种“偏向的指控”进行证实或者驳斥。这一点也可以作为一个很好的练习，来看看 一个人是如何使用在现实世界观察到的数据并配合统计学手段来判断一个假说（比如“蜘蛛纸牌程序是有偏向性的”）是真的还是假的。

基础知识

从本文的角度出发，我们这 里假设玩家在玩蜘蛛纸牌的时候不使用“撤销”“重来”“加步”（把 游戏 削减为一个简陋的初始版本），这样玩家就不用考虑计分、花费的时间以及移动的步数了。 很多人都认为在这样的条件下 游戏 几乎赢不了，但是加州州立大学长滩分校的史蒂夫·布朗在他出色的著作《蜘蛛纸牌获胜策略》中给出了一些详细的策略，并且提到在306局 游戏 中可以取得的胜率。同时他也指出自己的玩法还不是完美的，那些专业玩家可以做得更好，甚至达到超过60%的胜率。我利用了布朗的这些策略进行了实验，结果表明确实能够达到超过的胜率。

理想情况下， 电脑端蜘蛛纸牌 游戏 能够模拟真实情况下且洗牌充分的纸牌 游戏 。如果在 游戏 的任何一个节点，有 N 张牌还没被看过，那么每张牌都有 1/N 的可能性作为下一张翻面的牌出现（为了叙述的方便，我们忽略了具有相同花色和大小的纸牌之间的等价性）。举个例子，在起始位置我们知道有 10 张牌被亮了出来。因为总共的 104 张牌里一共有 8 张 K，所以单张亮出来的牌是 K 的概率是 8/104=1/13，因此亮出来的牌是 K 的 期望张数是 10×1/13=10/13。如果在玩了相当多局数的 游戏 之后，我们发现亮出来K的数目平均下来接近 11/13，我们就有理由相信这款蜘蛛牌程序是有偏向性的。

测试数据

对于每一局 游戏 来说我们都希望记录一组能够反映牌运气好坏的数据，数值越高，证明获胜的几率越大。我们想到的一个方案是评估在一局绝对公平、无偏袒性的 游戏 里，这些测试数据的取值，再和我们怀疑可能存在偏向性的 游戏 中记录的数据值进行比较。

一旦最初的十张牌都确定下来，我们就能计算出 “保证轮数 （guaranteed turns，GT）”，即玩家在被迫更换至另一排之前能够确定亮出的牌的最少数目。无论何时，当新的一排的十张牌已经确定下来后，我们都可以做一个类似的计算，假装它是新的一局 游戏 的开始。 这样一来我们就可以计算出 GT的平均值（AGT） 。如果几轮下来GT的值很小，那么玩家就要有麻烦了 。要说明的是AGT和玩家本身无关，所以很容易通过进行很多次实验（即确定很多排）来模拟出AGT的概率分布。

经验来谈， 如果卡牌的整体分布比较糟糕的时候，玩家同样会陷入麻烦 。比如说有七张Q但是只有两张J没有打出来的时候，即使你有一列或者多列已经清空，仍然会有问题出现。因此在这里定义一个 整体方差（total square variation，TSV） ，取值为相邻大小的牌的数目的负的平方之和。在刚才的例子里，七张 Q 和两张 J 在求和时会贡献出 -（7-2） 2 =-25 一项。这里取负值是为了确保 TSV 的增减性与获胜概率的增减性一致，就和AGT一样。每亮出一张新牌我们就计算一下TSV，这样我们可以算出来单局 游戏 的 平均TSV（ATSV） 。要提起注意的是ATSV同样与玩家无关，我们假定玩 游戏 的玩家会按照一个随机顺序把所有扣着的牌都亮出来（尽管玩家可以选择先亮哪张牌，但是亮出的每张牌概率是一样的）。幸运的是这一点可以通过模拟很容易就做到。

蜘蛛纸牌的典型散点图（○=获胜，×=落败）

一个典型的散点图如上图，这里蓝色圆圈和红色叉叉依次表示获胜和落败。

模拟结果显示对于没有偏袒的 游戏 程序而言，在大量局数的 游戏 之后，AGT应该等于而ATSV应该等于。在下面这个示例的起始位置中，GT=1，TSV=-42，因为这局 游戏 还没结束，我们还不知道AGT和ATSV的值是多少。

示例，起始位置GT=1，TSV=-42

计算如下：

假设检验

为了检验一个蜘蛛纸牌 游戏 是不是有偏向性，我们采用一种叫 假设检验 的手段。我们 先制定一个零假设（意思就是我们怀疑的效应可能不存在），在我们这里是指“蜘蛛纸牌程序并不存在偏向性”，那互补的假设就是“蜘蛛纸牌程序故意使绊子使得玩家的胜率下降”。

首先选取一个较大的数N作为待检测的蜘蛛纸牌 游戏 的局数，然后每一局我们计算一次AGT和ATSV。接下来的总体思路是 求出我们要比对的观察结果的概率（即P值） ，或者更极端一点说， 零假设为真（即程序没有偏向性）的概率 。如果概率低于某一个阈值（即显著性水平），一个没有偏向性的程序就不太可能产生我们在N局 游戏 中观察到的这种AGT和ATSV值，那我们就 拒绝零假设 并且得到 “ 游戏 有偏向性”的结论。

那我们如何计算得到 p 值，即观察到我们已经观察到的AGT和ATSV值（这证明 游戏 没有偏向性）的概率呢？在模拟中我们已经得到了在无偏向性的 游戏 中AGT和ATSV的期望值，依次是和。更有意思的是，概率论会告诉我们，在无偏向性的 游戏 中AGT和ATSV的值是如何分布的，换句话说，它可以帮助我们计算出观察到某一特定AGT和ATSV值的概率。所谓的“ 学生 t 检验 ”可以把所有这些数值考虑进去并得出我们想要的p值。详细内容这里略过，有兴趣的可以参照概率与统计的相关内容。

从本文的角度出发我们选择 N=100 作为我们玩这个待检验的 游戏 程序的局数，得到了显著性水平值为 。

胜率估计

除了AGT和ATSV之外，我们也想评估一下 对于“无偏向性”的蜘蛛纸牌程序来讲，“真正的”获胜概率。 一个明显的困难在于胜率是和玩家有关的，所以很难验证“一个玩家能赢50%的 游戏 ”这种说法。另一个情况是我在不同的蜘蛛纸牌 游戏 程序中得到了从45%到60%的胜率，而且没有证据显示我在使用这些程序的过程中胜率有所提高（也就是说，我的胜率并不随着时间增加而呈现出正相关）。

一个比较有意思的免费在线纸牌 游戏 网站 Pipkin's Idiot's Delight Solitaire Server，这里面包含了许许多多的纸牌 游戏 。它允许玩家在从1到999999的数字中指定一个“种子数”。举例来说，如果种子数为142857，起始的10张牌就总是2J56J9JQ59这几张，但是组合方式会不同。要注意的是，要是玩家在 游戏 之前随机生成一长串种子数，那么程序就不能根据玩家的胜率来调整难度水平了。正是因为这个原因，可以选择这个网站来估计胜率。

在零假设为真的时候拒绝零假设被称为第一类错误，它出现的概率等于显著性水平。假说检验中的另一类错误被称为第二类错误，它是指在零假设为假的情况下接受零假设。

我在Idiot's Delight上玩了100局 游戏 ，使用了从1到100的种子数。最终我赢了59局，输了41局。所以我估计我在玩“无偏向性”的蜘蛛纸牌 游戏 的时候胜率会在59%左右。

估计值

我在Free Spider Solitaire上玩了100局蜘蛛纸牌 游戏 。虽然选择了在这里玩 游戏 但是试验之后，这里的 游戏 体验真的很“糟糕”：尽管可以赢，但是就算高手玩家玩起来也会很困难。每一局 游戏 记录下 游戏 的输赢结果以及AGT和ATSV数据。我观察到AGT和ATSV的p值依次是 和 。这意味着AGT和ATSV的数据都要低于预期（也就是说，玩家会吃亏），但是因为这两个数值都高于我们的的阈值，它们在统计上都不显著： 这可能是因为偶然变化导致了较低的值的出现 。

不幸的是我只赢了其中的46局，比预期少了13局。这说明可能 还需要进一步测试验证 。然而要知道每个玩家的胜率都不一样，我很有可能在这100局里还没有发挥出最佳状态。

从中我给出的结论是没有足够的证据证明Free Spider Solitaire上的程序是有偏向性的。 46局的胜局数是有一点让人沮丧，但是确实， 这次这个程序经受住了考验 。然而其他的蜘蛛纸牌程序可能就没这么幸运了。

作者：Trevor Tao

翻译：Dannis

审校：Nuor

原文链接：

tian

福

tian

利

xiang

时

shang

间

今天我们将送出由 机械工业出版社 提供的优质科普书籍 《天才与算法》 。

美、英两国双料院士马库斯·杜·索托伊先生巅峰作品。我们即将进入一个由算法主导世界，AI将在绘画、音乐、写作等向人类发起挑战，作者用数学帮我们理解算法及创造力的本质，帮助人类去创造一个人与机器共存的美好未来。

阅读本书，你将会惊叹思维之美妙、见识之广博，更会惊叹人类的创造力有着如此严密的逻辑和音符般的节奏。

【互动问题： 你在生活中还运用过哪些具体的统计学知识？ 】

请大家严格按照 互动：问题答案 的格式在评论区留言参与互动，格式不符合要求者无效。

*本活动仅限于微信平台

↓ 点击标题即可查看 ↓

1. 套娃吗？你先看这个岛中湖中岛中湖中岛

2. 都靠这位天才科学家20岁时的论文，你才能用手机拍照发朋友圈

3. 朝天空开枪，子弹掉下来还有杀伤力吗？|

4. 乐高还能悬浮在半空中？上百万人已看懵！

5. 古装片的射箭动作把物理学家看笑了，导演咱能不能专业点？

6. 即使被它淹没也不会窒息，这是什么神奇液体？

7. 数学课上捡了个橡皮，勾股定理就看不懂了

8. 物理学写给你的情书

9. 唯一两次获得诺贝物理学奖的人，你却不一定认识他

10. 妈妈问我的桌子为什么这么乱！