国粹传承与发扬:基于云平台的虚拟麻将机系统

随着信息技术的迅速发展和传统文化的持续传承,结合现代科技手段的创新方式发扬国粹成了一种趋势。本项目旨在设计并实现一款基于云平台的虚拟麻将机系统,以解决现有实体麻将机存在的场地限制、容易导致疲劳和噪声扰民等问题,同时克服网络麻将应用缺乏实体体验的短板。该项目主要开发麻将游戏算法,包括牌的自动分发、智能出牌建议、胡牌判定以及复杂牌局的分析。这些算法与高度模拟实体麻将娱乐环境的虚拟麻将桌及智能数据处理技术相结合,不仅能够提供传统麻将游戏的全新体验,也为麻将游戏的现代化和传统文化的创新传承开辟了新途径,为用户提供更优质的娱乐服务。

一种大众麻将计算机博弈的快速出牌方法

麻将是一种典型的不完美信息博弈的项目,目前对于麻将问题的解决方法大多朝着深度强化学习方向进行研究,也取得了非常好的效果。但是,此类麻将AI都是建立在有高质量数据集基础上的,而大众麻将缺少关键的大量有效标注的数据集,因此,如何在对弈中快速出牌就成为主要问题。针对以上问题,对出牌动作进行研究,以启发式快速出牌为思路,提出了面向敌方胡牌牌张的蒙特卡洛评估法,将启发式快速出牌方法和蒙特卡洛评估法相结合,对每张手牌进行估值计算,通过估值分数决定每轮出牌牌张。以历史出牌次数为分界点,以此分界将博弈过程时序化为前后2个决策时段,前段采用启发式快速出牌方法,后段采用蒙特卡洛评估法。通过前后时段法分层递进决策处理过程,给出最佳出牌着法,能有效减少出牌的决策时间并降低点炮率。采用所提方法的程序在中国计算机博弈锦标赛中获得了一等奖,证明了该方法的有效性。

麻将博弈AI构建方法综述

麻将及其不同变体的规则复杂,构建高水平的麻将博弈AI(artificial intelligence)算法及其测试环境等面临巨大挑战。本文分析了麻将博弈的相关研究文献,梳理出基于知识和基于数据的两大类麻将AI构建方法,分析了每种类型的构建方法的优势和局限性,重点分析了Suphx构建方法。指出了麻将AI构建面临的问题和挑战;提出将经验回放、分层强化学习、好奇心模型、对手模型、元学习、迁移学习、课程学习等应用到麻将博弈AI算法优化中,构建多元化的麻将AI评估指标、通用对抗平台和高质量的数据集等未来的研究重点。

移情设计在乐龄游戏设计中的应用研究

目的寻求用户与开发人员之间的交互方式,使老年人与游戏产品之间产生情感纽带,更容易接受并使用乐龄游戏,也为后续展开乐龄游戏研究提供有益的借鉴。方法作为人类中心设计分支的移情设计,是研究老年人通过"说"、"做"、"想"3种表达方式所呈现内容的重要手段,利用行为观察和轨迹记录、探测包和座谈会等工具与方式,对移情设计方法的三步骤,即移情观察、寻求用户参与和体验设计原型,进行用户研究及数据分析,再提取重要故事情节并搭建原型作为角色扮演的基础。结果通过对移情设计方法的总结,梳理出基于移情理论的乐龄游戏设计流程及原则。运用所梳理的设计流程和方法,设计应用于乐龄麻将的游戏产品,并进行界面设计。结论移情设计在一定程度上能够提高乐龄游戏带给老年人的幸福指数。

牌型预测与蒙特卡洛模拟结合的麻将博弈策略

针对麻将博弈中状态空间巨大和隐藏信息过多等难点,提出利用局面信息缩减未知状态空间,并通过动态划分游戏状态提升牌型预测准确率的方法。根据麻将领域知识将对手玩家的弃牌信息转换为可利用信息,预测对手玩家持有某一牌型的概率,使用这一概率约束蒙特卡洛模拟的范围,得到对手手牌及需求牌的概率分布。通过对比试验表明:局面信息利用方法和动态游戏划分方法是有效的,不仅可以降低出牌的点炮风险,还可以获得更高的得分,实现了通过缩减未知状态空间提升麻将博弈水平的目的。

麻将运动的文化价值

一种社会体育民俗文化、一种高品味体育游戏长期受到赌博的污染和强暴，其原生文化意义却被隐藏了起来，必须得到纠正。强调了拥有极其广泛群众基础的麻将运动，丰富而深刻的文化内涵是其赖以生存和发展的基础。

一种多重优先经验回放的麻将游戏数据利用方法

针对大众麻将AI训练时经验回放机制中样本均匀采样导致训练缓慢的问题,提出了一种多重优先经验回放算法,即从时序差分误差、局面复杂程度、动作即时奖励3个维度对经验样本进行优先级标记,每次采样时优先级高的样本高概率被抽取来更新神经网络。为了验证算法的有效性,构建了大众麻将自博弈平台进行相应的实验验证。实验结果表明:相比随机经验回放方法,新方法将麻将AI的训练速度提升了22.5%。

一种大众麻将计算机博弈的胡牌方法研究

麻将博弈游戏作为非完美信息博弈中的典型项目,与德州扑克、桥牌等其他非完美信息博弈游戏相比,最大的不同是玩家游戏顺序时常被打乱而产生较大不确定性,导致博弈策略设计及局面评估困难。针对大众麻将游戏规则,构造了一种快速胡牌方法。为此,首先分析麻将的大众规则;其次,基于各种牌型和持有牌点数,提出一种胡牌距离概念,以最短胡牌距离为标准,作为玩家的决策依据;最后,依据已知公开的出牌和玩家手上牌张信息,融合先验知识后,进一步计算每种出牌行为的期望胜率,从而获得出牌行为评估值,作为玩家的决策依据。实验结果表明:利用维持最短胡牌距离为核心的快速胡牌方法,在有限牌对局数下,比如在中国计算机博弈锦标赛中此局数设定为10000局,依据设计的智能体,能取得46.85%以上的牌局胜利,该值远高于仅仅使用纯粹经验方法的数值。

基于Expectimax搜索与Double DQN的非完备信息博弈算法

麻将作为典型的非完备信息博弈游戏主要通过传统Expectimax搜索算法实现,其剪枝策略与估值函数基于人工先验知识设计,存在假设不合理等问题。提出一种结合Expectimax搜索与Double DQN强化学习算法的非完备信息博弈算法。在Expectimax搜索树扩展过程中,采用Double DQN输出的估值设计估值函数并在限定搜索层数内获得分支估值,同时设计剪枝策略对打牌动作进行排序与部分扩展实现搜索树剪枝。在Double DQN模型训练过程中,将麻将信息编码为特征数据输入神经网络获得估值,使用Expectimax搜索算法得到最优动作以改进探索策略。实验结果表明,与Expectimax搜索算法、Double DQN算法等监督学习算法相比,该算法在麻将游戏上胜率与得分更高,具有更优异的博弈性能。

“搓麻”行为是否应完全纳入政府治理的范畴?——基于南充地区的分析

"搓麻"现象在我国随处可见,随着这一现象的兴起,很多学者都对此提出了顾虑,认为"麻将风"必须引起政府的高度重视,否则后果将不堪设想。本文以四川省南充市为例,以"搓麻"行为者为研究对象,通过问卷调查方式,并对采集数据利用SPSS15.0进行统计分析,结果发现:(1)"搓麻"行为普遍存在,缘于公民更多地将其定义为一种娱乐方式,将麻将作为消遣时间的一种工具;(2)"搓麻"行为对公民生活的影响并没有某些学者所指出的那般恶劣;(3)绝大部分公民能够理性地在"搓麻"行为与正常生活间做出选择。由此得出结论:"搓麻"行为大众化不是一个性质恶劣的社会问题,不应完全纳入政府治理的范畴。政府对"搓麻"行为的治理,除非民众将"搓麻"行为作为赌博方式,触犯了如"赌博罪"等刑法罪名,否则政府不宜加以干涉。

麻将博弈逻辑性质之再探析——关于麻将博弈对局的性质与潘天群教授商榷

潘天群和桂起权两位教授在《关于麻将博弈逻辑对话》一文中把麻将博弈逻辑对局的性质界定为非合作的、零和的、动态的、不完全信息的博弈;但笔者认为麻将博弈逻辑对局的性质应随着具体条件的变化而具有动态性和多样性,即具有合作与非合作,零和与非零和,动态与静态,完全信息与不完全信息的麻将博弈二重性,它们相互区别,相辅相成,辩证转化。

结合先验知识与蒙特卡罗模拟的麻将博弈研究

针对内陆麻将缺乏统一平台和大量牌谱数据,难以设计出基于监督学习的博弈算法的问题,本文设计了一系列将规则、经验与蒙特卡罗方法相结合的博弈算法。首先,分别针对麻将博弈的弃牌模块、听牌模块、吃牌模块提出了弃牌优先级、听牌有效数、吃牌优先级的方法,完善了麻将AI的知识体系,设计了基础版博弈算法Fanfou_ba和优化版博弈算法Fanfou_op;其次,提出了利用蒙特卡罗方法模拟听牌对手手牌来降低己方点炮概率的提升版博弈算法Fanfou_mc;最后,将3种博弈算法进行对比实验。实验结果显示Fanfou_op相比Fanfou_ba胜率提高了9.76%,Fanfou_mc相比Fanfou_op胜率提高了0.13%且点炮率降低了0.47%,表明本文所提出的改进策略是可行并有效的。

基于Cocos2d-x引擎的麻将游戏设计

智能手机的迅速普及,推动了手机游戏行业的快速发展。Cocos2d-x是一款开源的2D游戏框架,在国内国际游戏开发中占有较大的份额。在对Cocos2d-x游戏引擎架构及其关键技术进行学习的基础上,依据Cocos2d-x的基本框架和跨平台、可移植的特性,基于Microsoft Visual C++2013平台进行了一款休闲麻将小游戏的开发。经测试表明,游戏运行流畅、功能齐全,Cocos2d-x引擎的运用节省了该游戏的开发时间和成本。