Python 用于骰子扑克游戏的expectiminimax树

我目前正在用Python编写一个骰子扑克游戏。这些规则与应用商店不久前推出的一款旧的移动骰子扑克游戏不同，取而代之的是它

规则如下:

• 玩家和AI最初每人掷5个骰子
• 玩家和AI选择要持有的骰子，并滚动其余的骰子，将结果显示给彼此
• 重复上述步骤
• 排名较高的人（见下文）获胜，绝对高牌将成为平局的破坏者

• 五种
• 一类四个
• 直的
• 满座
• 一类三个
• 两对
• 一对
• 高牌

相关代码如下：

class Tree(object):
    '''Generic tree node'''
    def __init__(self, children=None, value=None, type=None):
        self.children = []
        self.value = value
        self.type = type  # either 'player', 'ai', or 'chance'
        if children is not None:
            for child in children:
                self.add_child(child)

    def add_child(self, node):
        assert isinstance(node, Tree)
        self.children.append(node)

    def is_terminal(self):
        return len(self.children) == 0


def expectiminimax(node):
    '''Adapted from Wikipedia's pseudocode'''
    MAX_INT = 1e20
    if node.is_terminal():
        return node.value
    if node.type == 'player':
        q = MAX_INT
        for child in node.children:
            q = min(q, expectiminimax(child))
    elif node.type == 'ai':
        q = -MAX_INT
        for child in node.children:
            q = max(q, expectiminimax(child))
    elif node.type == 'chance':
        q = 0
        for child in node.children:
            # All children are equally probable
            q += len(node.children)**-1 * expectiminimax(child)
    return q


def ai_choose(ai_hand, player_hand):
    '''
    Given an AI hand and a player hand, choose which cards to hold onto
    for best outcome.
    '''
    def construct_tree(ai_hand, player_hand):
        '''
        Construct a 5-layer (?) tree for use with expectiminimax.
                      Δ                MAX
                    /   \
                   O ... O             CHANCE - Possible AI moves
                 /  \   /  \
                ∇ .. ∇ ∇ .. ∇          MIN - Possible card dice rolls
              /   \    ........
             O ... O  ...........      CHANCE - Possible player moves
           /  \   /  \ ............
          ▢ .. ▢ ▢ .. ▢ .............  END - Possible card dice rolls
        '''
        tree_structure = ['ai', 'chance', 'player', 'chance', 'ai']
        tree = Tree(type=tree_structure[0])
        for subset in powerset(ai_hand.hand):
            tree.add_child(Tree(value=subset))
    # ...

这层结构正确吗？或者应该重新排列最小层、最大层和偶然层

---

也欢迎其他一般性意见。

据我所知，分层是正确的。不久前我做了类似的事情，我认为您可以在没有树数据结构的情况下实现它，它应该是可行的，而且可能更干净，因为您不需要机会类型。

据我所知，分层是正确的。不久前我做了类似的事情，我认为您可以在没有树数据结构的情况下实现它，它应该是可行的，而且可能更干净，因为您不需要机会类型。

等等，为什么我不需要机会类型？游戏不是决定性的。对不起，我的错。当我写这个的时候，我还在想我自己的程序。你的显然是不确定的。但是如果你想写一个人工智能，那么玩家得到的骰子就不重要了。除非你能投降。人工智能应该计算出哪个对他最好。因为这不会对球员产生影响。@Allafesta嗯，我想会的，对吧？因为玩家所拥有的可能会激发AI的更高风险。如果AI有一个满屋子，它应该根据玩家是否有一对和玩家是否有直道做出不同的决定。等等，为什么我不需要机会类型？游戏不是决定性的。对不起，我的错。当我写这个的时候，我还在想我自己的程序。你的显然是不确定的。但是如果你想写一个人工智能，那么玩家得到的骰子就不重要了。除非你能投降。人工智能应该计算出哪个对他最好。因为这不会对球员产生影响。@Allafesta嗯，我想会的，对吧？因为玩家所拥有的可能会激发AI的更高风险。如果AI有一个满屋子，它应该根据玩家是否有一对和玩家是否有一对直人做出不同的决定。