[发明专利]一种桥牌牌局样本生成方法

说明书

技术领域

本发明涉及桥牌牌局样本生成领域，更具体地说，本发明涉及桥牌叫牌和打牌过程中根据叫牌约束生成牌局样本的方法。

背景技术

人工智能近年来受到越来越多的关注，机器博弈作为人工智能的试金石，是人们不断研究的领域。不完全信息博弈，具有信息不完全透明、搜索空间巨大及估值函数复杂等特点，在现实生活中的应用更加广泛，如战争、股票市场及商场。桥牌分别叫牌和打牌两个阶段，这两个阶段中玩家只能看到自己的牌信息，叫牌过程中透露出的一些牌信息，都是不完全信息博弈。在叫牌和打牌过程中经常采用的方法是通过抽样的方法将不完全信息博弈转化为完全信息博弈，从而进行前向搜索。

现有的生成桥牌牌局样本的方法都是采用随机生成的方法。该方法是在符合各玩家牌张数的情况下，随机分配未知的牌，判断生成的样本是否符合叫牌约束，若符合则保留样本，判断生成的样本是否达到k个，若达到k个则返回k个样本，若生成的样本没有达到k个且分配的时间没有用完，则重新生成下一个样本；若不符合则丢弃，若分配的时间没有用完则重新生成样本。由于该方法生成样本时的盲目性，导致生成满足叫牌约束的样本时间长，抽样不稳定的问题。

遗传算法是模仿自然界生物进化机制发展起来的随机全局搜索和优化算法，它借鉴了达尔文的进化论和孟德尔的遗传学说。它能在搜索过程中自动获取和积累有关搜索空间的知识，并自适应的控制搜索过程以求得最优解。遗传算法操作使用适者生存的原则，在潜在地解决方案种群中逐次产生一个近似最优解的方案。在遗传算法的每一代中，根据个体在问题域中的适应度值和从自然遗传学中借鉴来的再造方法进行个体选择，产生一个新的近似解。这个过程导致种群中个体的进化，得到的新个体比原来个体更能适应环境，就像自然界中的改造一样。

遗传算法是计算机科学人工智能领域中用于解决最优化的一种启发式搜索算法，是进化算法的一种。进化算法最初是借鉴了进化生物学中的一些现象而发展起来的，这些现象包括遗传、变异、自然选择以及杂交等。

针对桥牌牌局生成问题的分析，采用遗传算法进行求解存在三方面的问题：

问题1：种群退化的问题。桥牌牌局样本生成过程中分配时间固定，为了在分配时间结束时保留个最优样本，所以需要解决种群退化的问题。

问题2：变异和交叉产生致死个体的问题。为了方便编码和解码，本问题采用符号编码法，而符号编码法在变异和交叉过程中可能出现致死个体的问题。

问题3：种群多样性的问题。由于桥牌时间的限制，产生的样本数少即初始种群小，此时种群多样性极为关键，在普通的遗传算法中种群多样性考虑较少。

发明内容

本发明的目的在于：针对已有的桥牌牌局生成方法的快速性较差、稳定性较差的问题，本发明提供一种桥牌牌局生成方法。

本发明采用的技术方案如下：

为了克服已有的桥牌牌局生成方法的快速性较差、稳定性较差的不足，本发明采用遗传算法，充分利用已产生的适应度较好牌局样本，提供了一种快速性良好、稳定性较好的桥牌牌局样本生成方法，包括以下步骤：

一种桥牌牌局样本生成方法，包括以下步骤：

S1，根据叫牌过程得到的叫牌信息建立牌局约束数学模型，并采用符号编码法对牌局进行编码；

S2，根据步骤S1中的牌局约束数学模型和编码后的牌局，，生成k个初始牌局，即k个个体，然后将生成的k个个体作为初始种群，将初始种群加入种群库；

S3，计算种群库中每个个体的适应度；

S4，保存种群库中较优的k个个体；然后判断保存下来的k个较优个体所形成种群迭代的终止条件，如满足终止条件，执行步骤S6，否则，执行步骤S5；

S5，执行遗传算法操作：

首先对步骤S4中保存的k个较优的个体进行选择，得到选择出的个体；

然后对选择出的个体以概率P_c进行交叉操作，对进行交叉操作的个体则以概率P_m执行变异操作；对种群中没有进行交叉操作的个体进行变异操作；将进行交叉变异操作后的个体加入种群库中；

最后，重复执行步骤S3、S4；

S6，结束种群迭代，输出牌局。

进一步地，步骤S1中的叫牌信息包括每个玩家手中每个花色的牌张约束和大牌点约束，牌局约束数学模型包括每个玩家的每个花色的牌张约束和大牌点约束；对整个牌局中牌的编码采用符号编码法。

进一步地，步骤S3中每个个体适应度为所有玩家的每个花色牌的张数和大牌点所满足约束的总数

进一步地，步骤S4中，种群迭代的终止条件判断步骤为：