《棋牌游戲服務器》斗地主AI設計

設計目標

要取得良好效果，首先要搞清楚一個問題：我們想得到一個什么樣的斗地主AI？
我們的AI是用在手游產品當中，在真實玩家不足時為用戶提供陪玩服務，這個目標決定了這個AI要具備以下兩個核心特點：
1、執行效率高，要為在線運行為玩家提供服務，不能給服務器太大壓力；
2、模擬人的思維方式，讓AI看起來像一個中等水平的玩家，而不是追求很高的勝率。

斗地主的AI一般有三個核心部分：拆牌、出牌、接牌。要提高算法的執行效率，在這三個環節就不能完全依賴深度搜索的策略，在本設計方案中，所有的策略基本都是“靜態規則+有限搜索”的套路。打個比方，在拆牌過程中，我拆出了三張、對子、單張之后，在給三張配帶牌的時候怎么選擇呢？我只會對單張、對子做一下簡單的篩選，而不會去考慮是否把某個順子的尾部拆出來當帶牌會更優。

要讓AI看起來像人，其實就是把常見的一些出牌套路用算法表達出來。這里運用策略模式來組織代碼，不同的策略有不同的優先級，理論上，我們可以通過不斷地添加策略來完善這個AI。打個比方，對於出牌，假設我們有以下三條策略（實際算法當然不止三條）：1)只剩一手牌策略，直接出完就贏了，2）只有一手小牌，其他全部大牌，小牌放到最后，其他從小往大出；3）小牌優先策略，找出最小的牌來出。這幾個策略的優先級就是1>2>3。

“搜索”在接牌過程中用得比較頻繁，比如別人出一個三帶一，我手上的牌拆出來是三帶一對，那么是把這個對子拆掉呢，還是另外找一個單張。打個比方如果手上是"QQQkk345678"，那么顯然是帶一張3比較好，如果手上是“QQQKK56789”,那么應該拆對k。這里會對所有符合規則的帶牌做一個搜索，然后評判哪個方案是最優的，於是關鍵點就是采用什么評判規則。

我采用一種基於分值的手牌評價規則，一手牌，無論多少張，先進行拆牌，然后每個牌組（牌組指單張、順子、對子等可以一次出掉的牌）都有一個分值，最后把所有牌組的分值加起來，形成一個手牌分值。上面所說的接牌搜索過程，會進行反復的拆牌和分值計算，因此拆牌的算法必須非常高效。

上面介紹了這個斗地主AI的核心設計思路，其中評分規則參考了這篇文章：https://blog.csdn.net/sm9sun/article/details/70787814；拆牌算法參考了這篇文章：http://www.360doc.com/content/11/0108/09/2617151_84917660.shtml，在此對兩位作者表示感謝。網上介紹的所有斗地主AI設計，都過於簡單，用來調試程序還行，直接用於線上產品則遠遠不夠。

拆牌算法

拆牌算法總體上是一個基於牌型優先級的查找過程： 

1. 如果有火箭，找出來；
2. 如果有炸彈，找出來（炸彈不拆）；
3. 如果有2，全部找出來（2不會參與順子）；
4. 如果有飛機，找出來（飛機也不拆）；
5. 找出所有的順子，每個順子盡量長；
6. 處理順子
   
   1. 順子分裂，現有一個順子345678910，發現手上還剩下一張6和7，那么順子分裂成34567和678910；
   2. 順子拆出連對，現有一個順子345678910，發現手上還有345，變成334455和678910更好，就把順子里面的345放回去；
   3. 順子拆出三張，現有一個順子345678，發現手上還有88，那么變成34567和888更好，就把順子里面的8放回去；
   4. 順子如果蓋住對子、三張、連對，如果發現打散牌組數更少，則打散，比如7789910JJJQKK，拆散了更好；
   5. 順子拆出兩頭的對子，現有一個順子67890JQ，發現手上還有Q和6，那么把孫子里面的Q和6放回去；
   6. 反復進行1）到5），直到沒有進一步變化；
7. 剩余的牌里面找出所有的連對；
8. 查看所有的連對，如果長度超過3，且一端有三條，把三條拆出來；
9. 剩余的牌里面找出所有的三張；
10. 延長順子：如果一個順子的兩端外面有一個對子，如果這個對子小於10，則並入順子，比如34567+88,那么變成345678+8;
11. 合並順子：相同的順子變成連對，首尾相接的順子連成一個；
12. 剩余的牌里面找出所有對子和單張。

舉個例子，一手牌“333455678910JJK22小王”： 

1. 先把炸彈、2、王拆出來，剩下“333455678910JJK”
2. 找順子，得到345678910J，剩下"335JK"
3. 由於順子的左側有3張，於是順子變成45678910J，剩下3335JK
4. 由於順子右側的J有一對，於是順子變成45678910,剩下3335JJK
5. 找三張，得到333；
6. 剩下的得到5、JJ、K。

至此，一手牌就拆好了，為了簡化算法，我們不拆炸彈，不拆飛機。在主動出牌時，會按着這個拆牌來出；在接牌時則不會，會依據對方的牌型來搜索一個更優方案，此時順子、飛機、炸彈都可能被拆散，具體細節下文會講。

帶牌選擇

上面拆好的牌組，三張和飛機是沒有帶牌的，在此基礎上選擇帶牌是比較容易的，就是在對子和單張里面選擇最小的牌即可。

減少單張的拆牌

一個常見的場景是，當我的敵人只剩下一張牌時，此時應該采用一種“讓單張盡量少的策略”，這個策略和常規策略大體相同，有兩個不同點： 1. "延長順子“這一步不執行； 2. 帶牌選擇的時候，優先選擇單張

評分規則

一手牌到底好不好，我們需要一個量化標准，也就是給手牌評一個分值。否則沒法決策是否叫地主，在接牌過程中也沒法決策A方案好，還是B方案好，抑或不要才是最好選擇。

評分的大體理念是，對一個牌組來說，越能管牌，分值越大；越不容易被管，分值越大。而一手牌的分值，則不僅取決於拆出來的牌組的分數，還取決於拆出來牌組的組數，和前者正相關和后者負相關。 

為了平衡，牌組的分值可能是正的，也可能是負數，以10為參考點，單張10為0分，9為-1分，J為1分。每個牌組有一個maxCard屬性，單張和對子就是自身，順子和連對是最大那張牌，三帶是有三張的那個牌，這個很容易理解，相同的牌型比較大小，就是比較maxCard。我們評分也基於這個屬性。

牌型	分值	備注
單牌	maxCard-10
對子	maxCard-10	如果為正，+50%
三張	maxCard-10	如果為正，+100%
三帶	maxCard-10	如果為正，+50%,因為帶牌了比三張加得少
順子	Max(0,(maxCard-10)/2)
連對	同上
飛機	同上
飛機帶	同上，如果帶牌的分數為正，把帶牌的分數也加上
炸彈	固定9
火箭	12

這個設定規則，是在調試過程中依據經驗感覺不斷調節的出來的。比如對子和三張的額外加分問題，是要體現出大對子比如(22)的價值。而順子分值公式，是基於“順子很難管牌，分數不宜過高,但是本身也很難被管”這個事實。所以這組規則沒啥嚴密的邏輯，也不一定合理。 

接下來就是手牌的評分規則，也就是若干個牌組在一起怎么評分，最初的公式是：sum(牌組分)-PxN，每個輪次設定一個固定的分值P，用牌組分值的和減去P乘以牌組數量N。這個機制有一個很難解決的問題，就是P的取值，P過大，過於強調輪次的價值，在牌局初期接牌的時候過於激進（無論出什么牌都導致總分值增加，因為輪次減少了）；P過小，過於忽略輪次的價值，在牌局末期出牌過於保守（大牌攥着出不去，因為減少一個輪次加不了幾分）。

幾經周折，最后定個兩個規則：
1、大牌的輪次忽略，因為大牌總是出得去的（我們手上多個炸彈，不會有任何負面影響），包括王、2、炸彈；
2、P的取值是一個列表:{ 6, 6, 6, 5, 5, 5, 4, 4, 4, 3}，意思是索引1~3->P=6，索引4~6->P=5，索引7~9->P=4；之后P=3，這樣在早期一手大牌出去減分會比較多(這時減少一組牌所得到的輪次分增益比較少)，到后期減分比較少。 

總體來說，牌的分值更多具有比較意義，而不具備絕對意義。我們在整個AI系統中，除了在叫地主時，盡量去比較兩個出牌方案的優劣，而避免把一手牌的分值去和一個常數進行比較。

出牌策略

出牌策略就是在一種特定模式下的出牌套路，所以我們識別一個特定模式，就可以編寫一個策略。反過來，這個策略也會檢查一下，當前的牌局是否符合對應的模式，如果不符合它就不處理，交給下一個策略處理。

有些策略適用於農民，有些適用於地主，這里我們羅列一下農民的出牌策略，按優先級從搞到低：

策略	適用模式	出牌
oneHand	手里只剩一組牌	出完即贏
allBig	手里只有一組小牌,其他大牌	先出大的，再出小的
foreEnemySingle	敵人只有兩張牌，我有絕對的大單，其他都是對子	出單，迫使對方出單
letFirend	我下手是隊友，只有一張牌，且我有<10的牌	出小單張
smallAndLong	有些小的順子、連對、飛機	先出這些
fewPoke	牌比較少的時候	優先出單張以外的牌
enemyOnePoke	地主一張牌時，我在他上手	盡量出其他牌型，否則從大往小
enemyOnePoke	地主一張牌時，我在他下手	如果有對子，而且單張很多，出非最小單張，期望和對家配合，否則同上
smallFirst	兜底的策略	小牌優先出

理論上，如果我們找到新的模式，就可以創建新的策略添加到這個列表，我們的AI也就越完善。

牌的大小預測

在上面的策略中，提到一組牌是大還是小，實際是指，這手牌對方接住的可能性大還是小。比如我有一個34567，對方只有3張牌，而且王已經出過了，那么我認為這順子是大牌。

我們合理地利用“出過的牌“，“我手里的牌”，“別人手上牌的數量”這個幾個信息，做出上面的判斷。所謂“合理”，就是指正常的玩家，也知道這些信息，也能做出類似的判斷；而不能去作弊開“天眼”。

策略之間的呼應

如果仔細琢磨一下，可以發現allBig，foreEnemySingle，enemyOnePoke這幾個策略之間是相互呼應的。這一輪使用了這個策略，如果順利，下一輪就可能落入另外一個模式，這也有點像真人的布局謀划。我在設計策略的時候，有兩個原則：1）策略上下文無關（以前的出牌過程不影響）；2）策略之間盡量互相呼應。

接牌策略

接牌是被動的，所以策略相對少一些。 以農民接牌策略為例：

策略	適用模式	出牌
oneHand	手里只剩一組牌，且能接	接牌
jieAndWin	接完之后，進入上面的allBig模式	接牌
enemyOnePoke	地主一張牌，在我下手	除非隊友出牌足夠大，否則盡量用大牌接
letFriend	隊友下手，且只有一張牌，我有<10的牌	盡量大牌接
normal	兜底的策略

接牌策略里，這個兜底的策略是最難寫的，因為這里要決策接還是不接，大體考慮以下幾個因素： 

1. 是否隊友的牌；
2. 我的牌是否非常好；
3. 地主是我的上手還是下手；
4. 對方還剩多少牌；
5. 出牌大小；
6. 接牌的大小；

我設計的兜底策略大體是這樣的：

1. 首先通過搜索找到一個能接牌的最佳牌組，如果找不到，就結束了；
2. 如果是隊友的牌，相對還比較大，我不接
3. 如果是隊友的牌，我肯定不用大牌接；
4. 如果是地主的牌，我的牌絕對得好，肯定接；
5. 如果是地主的牌，接了之后我的牌不變差太多，接；
6. 如果是地主的牌，我的接牌比他大得不多（比如王對2），接；
7. 如果是地主的牌，接牌是順子、飛機、連對這類，接；
8. 如果是地主的牌，我要動用炸彈，如果他牌還很多，出的又不是王和2之類，不接；
9. 如果是地主的牌，他的牌很少，或者他出大牌了，接。

第一步搜索接牌，不會考慮拆牌的結果，而是去手牌里面強行搜索，比如要接一對QQ，我手里有KKK2235，那么KK和22會先后被搜索到，然后判斷剩下手牌的評分來比較方案的優劣。

后面都是一些瑣碎的判斷，其中“多少分算絕對好牌”，“多少張牌算多”，都是比較主觀的設定。

贏牌路徑

在出牌策略和接牌策略里，有一個優先級最高的策略，即“贏牌策略”，現在的牌面存在一個能贏的出牌方法。打個比方，我現在手里有3組牌，如果只有一組小牌，那么把它放的最后出就可以了。這個場景下，判斷一組牌的大小，是看對手有沒有可能接住它，而不是看它的絕對大小。先把如何“判斷大小”的細節放在一邊，先看看算法過程。

出牌贏牌路徑判定

1、先掃描一下所有的牌組，別人能接住的牌組數，記為s；
2、如果s=0或1，那么判定成功，只要把僅有的小牌放到后面即可；
3、如果s==2，假設這兩組牌為s1,s2；那么看剩下的牌里面是否有一組牌能接住s1，如果有，那么判定成功，此時出s1即可，s2也類似；如果s1和s2都沒有牌能接住，判定失敗； 4、s>2，判定失敗。

接牌贏牌路徑判定

1、先找到一組能接住當前牌的牌組，記為p，找不到則判定失敗；
2、如果p是對手接不住的牌，那么看剩下的牌是否滿足“出牌贏牌路徑判定”；
3、如果p是對手能接住的牌，那么看剩下的牌組里面是否存在相同牌型的的當前最大牌記為l（意思就是肯定能把牌再要回來，比如當前出對子55，p是66，但是我手里還有22），再看剩下的牌（除了p和l）是否滿足“出牌贏牌路徑判定”； 

判斷牌的大小

在贏牌路徑判定這個場景下，判斷一組牌的大小，是看對手有沒有可能接住它，而不是看它的絕對大小。考慮三個因素： 桌面上還剩什么牌、我的手里有多少牌、對手還有幾張牌。依據這三個數據能計算出對手能接住某個牌組的概率。

算法大體是這樣的：
1、假設桌面上剩下牌的集合記作T，我手里的牌集合就做H，那么E=T-H是敵人手里牌的一個超集，敵人手里的牌張數是n，現在要牌組p能被敵人接住的概率；
2、如果敵人總的牌數n比p的張數還要少，那么p被接的概率等於敵人有火箭的概率；
3、看E里面能否找到能接住p的牌，如果找不到，那么p被接的概率等於敵人有火箭的概率；
4、如果找到一個牌組q能接住p，那么假設q包含的每張牌在敵人手里的概率是e/|E|,以二項分布的公式來計算敵人手里有q的概率；
5、如果能找到多組類似的q，那么分別計算再以“或的關系”組合起來。

這個算法計算出的是一個大概的估計值，基本已經夠用，而且我們並不考慮一般“炸彈”的存在，因為真實的玩家也會傾向於忽略有普通炸彈的情況。

總結

 

從測試的情況來看，這個AI系統的效果還是可以的，看起來比較像人在出牌。這個實現方案有幾個顯著的缺點：
1、單純的對手牌評分局限很大，場上的局勢不僅包括我手里有什么牌，還包括主動權的變化，桌面剩余牌的變化，沒有能找到一個合適的數據模型來統一這些因素；
2、由於前一個原因，導致算法不斷地針對特殊情況打補丁，上面的羅列的策略內部，或多或少都有一些補丁，導致的后果就是算法的可維護性急劇下降，而且往往牽一發而動全身；
3、不考慮上下文，比如不會針對某個人前面出過什么牌來猜測他手里有什么牌；
4、所謂按人的思維來建立策略，實際上就是按作者本人的打牌習慣，因此缺少一些變化，萬一遇到沒考慮到的某種牌型，AI有可能犯傻；

5、沒有能設計出自動化測試方案，我讓三個機器人來出牌，人工觀察是否有問題，調試效率非常的低。