[发明专利]一种掼蛋扑克的机器博弈出牌方法、系统及存储介质

权利要求书

1.一种掼蛋扑克的机器博弈出牌方法，其特征在于，包括以下步骤：

1)计算所持扑克牌中每种拆牌方式的拆牌损失E1及所拆牌型对应的价值E2，计算每种拆牌方式的能量值Ea＝E1+E2；

2)比较每种拆牌方式的能量值，得到minEa；

3)计算价值k为常量；

4)根据Eb的值对应的牌型进行出牌。

2.根据权利要求1所述的掼蛋扑克的机器博弈出牌方法，其特征在于，步骤1)中，所述的拆牌损失E1的值等于所持扑克牌的个数。

3.根据权利要求1所述的掼蛋扑克的机器博弈出牌方法，其特征在于，步骤1)中，每种牌型对应的价值计算方式如下：

三张相同牌的Value值：V3(i+1)＝V3(i)+1；

两张相同牌的Value值：V2(i+1)＝V2(i)+1；

炸弹的Value值：V4(2)＝V3(A)+1，V4(3)＝V4(2)+1；

同花顺的Value值：V5(2)＝V4(A)+1，V5(i+1)＝V5(i)+1；

i为牌的数值；

在抽到一手牌时，共有26张牌，从2-A共有13张牌，在灌蛋扑克中会抽到一张牌，这张牌对应的红心就作为自由牌，可以替代任何牌型；具体方式如下：

当随机抽到本局打牌为红心5时，2～4对应value值分别是1～3，6～A对应的value值分别是4～12，方块5、黑桃5、梅花5对应的value值为13，红心牌作为14以此类推；两个2小于两个3，五个2大于4个A的定义进行牌的value值的定义。

4.根据权利要求1所述的掼蛋扑克的机器博弈出牌方法，其特征在于，步骤1)中，所持扑克牌分为以下三类：

第一类有效牌C1：不拆牌的情况下，能够降低组数的牌；

第二类有效牌C2：不能降低组数，但可以增加价值；

第三类有效牌C3：不能提高C1、C2的效率，但可以帮助对家压牌。

5.根据权利要求1所述的掼蛋扑克的机器博弈出牌方法，其特征在于，步骤3)中，常量k通过以下方法得到：

预先给定k的值，当k＝2，放大损失值进行计算，当k＝1/2，减少损失值战的比例进行计算，通过每次增加或减少0.5不断调整，找到赢牌次数最多的k的值；首先通过把发到手中的一副牌，放入深度学习神经网络中进行训练，通过改变参数：训练轮数epoch、归一化参数min-max、学习率learning rate，获得整副牌赢的概率最大的k的值。

6.根据权利要求5所述的掼蛋扑克的机器博弈出牌方法，其特征在于，每个k值训练20次，计算当前k的赢牌概率，在程序中预先设定增加0.5作为自动训练的方式，每增加0.5，测试一次赢牌的概率，最终筛选出最容易赢牌的k的值。

7.根据权利要求5所述的掼蛋扑克的机器博弈出牌方法，其特征在于，所述的深度学习神经网络为基于蒙特卡洛树搜索的神经网络。

8.根据权利要求1所述的掼蛋扑克的机器博弈出牌方法，其特征在于，所述的网络结构结构包括：3个卷积层、一个Flatten层、4个Dense全连接层和1个softmax层；在所述卷积层中，卷机核大小为3*3，卷机步长为1；所述Flatten层的作用是将输入的多维数据一维化，也就是也就是把[height，width，channel]的数据压缩成长度为height×width×channel的一维数组，然后再与全连接层连接；在经过所述Dense全连接层后，softmax层将多个标量映射为一个概率分布，其输出的每一个值范围在(0，1)；softmax函数经常用在神经网络的最后一层，作为输出层，进行多分类。

9.一种掼蛋扑克的机器博弈出牌系统，其特征在于，包括：存储器、处理器以及存储在所述存储器上的计算机程序，所述计算机程序配置为由所述处理器调用时实现权利要求1～8中任一项所述的方法的步骤。

10.一种计算机可读存储介质，其特征在于：所述计算机可读存储介质存储有计算机程序，所述计算机程序配置为由处理器调用时实现权利要求1～8中任一项所述的方法的步骤。