锤子，剪刀，布游戏的研究

最新推荐文章于 2024-10-22 16:11:30 发布

原创

最新推荐文章于 2024-10-22 16:11:30 发布

· 507 阅读

0 ·

版权

文章标签：

#算法

本文探讨了在kaggle上的锤子剪刀布游戏AI模拟，包括随机数策略、对手平均策略和基于历史得分的动作选择策略。尽管尝试了多种方法，如考虑对手行为和历史得分，但结果显示随机数策略仍然表现最佳。作者计划通过比较和调整参数来进一步研究这个问题。

摘要生成于 C知道，由 DeepSeek-R1 满血版支持，前往体验 >

题目来自于kaggle。用AI模拟锤子，剪刀，布的游戏。下面是我的一些解法和尝试。

1. 随机数

最直观的解法。用随机数产生。代码如下：

import numpy as np


def random_agent (observation, configuration):
    return np.random.randint(1, 10000) % 3

这个解法得到了742.2分。

2. 基于对手会使用平均的策略

这个想法基于对手会比较平均的出锤子，剪刀，布，那样我就永远猜测对手下一次会出已经出过的里面的最少的那个。代码如下：

import numpy as np

counts = {}

def random_agent (observation, configuration):
    if observation.step > 0:
	    counts[observation.lastOpponentAction] = counts.get(observation.lastOpponentAction, 0) + 1
    count_of_zero = counts.get(0, 0)
    count_of_one = counts.get(1, 0)
    count_of_two = counts.get(2, 0)
    
    if count_of_zero == count_of_one and count_of_one == count_of_two:
        answer = np.random.randint(1, 10000) % 3
    elif count_of_zero <= count_of_one and count_of_z