4

我正在做一个小型扑克程序，我想确定一副牌的洗牌程度。我有一个包含 52 张牌的列表，然后我运行我的洗牌算法，我希望能够确定牌组在某种规模上洗牌的效果。有人知道如何做到这一点吗？谢谢

编辑：哇。很多回应。一切都很好，但不完全是我想要的。这是我没有进一步说明我的问题的错。但我认为萨兰最接近我真正想要的。让我具体说明。

我不想要一个“完美”的洗牌马上。我已经阅读了这一点，并实现了 Fisher-Yates。那个非常擅长提供“完美”的洗牌。我正在尝试做的是模拟一个真实世界的情况，朋友们正在玩德州扑克，庄家拿走牌组并使用 riffle shuffle 与其他洗牌混合进行洗牌。最后，我想要的是一种衡量现实世界洗牌之间差异的方法。

一个例子。假设这副牌总是新鲜的（A 到 K 同花色，然后下一个花色 A 到 K 全部四种花色）。乔拿起牌组，做了 2 次洗牌，中间有 1 次。彼得做了 5 次剥离洗牌。我想找到一种方法来查看哪个“更好”地洗牌。

我想得越多，我就越觉得这很难确定。

再次感谢。

编辑 23.10.2013

这是我想出的方法，将 Sarans 的想法与我的想法结合起来：

 public int checkShuffle(List<Card> cardDeckToCheck,int[] previousOrder)
    {
        // Higher is worse? Sure.
        int score = 0;

        for (int i = 0; i < cardDeckToCheck.Count; i++)
        {
            Card cardToCheck = cardDeckToCheck[i];
            Card cardToLeft = null;
            Card cardToRight = null;

            // Should cost more since the card has not moved at all.
            // For this I need an array that shows me the arangement of the deck before shuffling.
            if(cardToCheck.index == previousOrder[i])
            {
                score += 3;
            }

            if (i == 0)
            {
                Console.WriteLine("i == 1");
                cardToRight = cardDeckToCheck[i+1];
                // if the card we are checking is one lower or one higher than the card to the right
                if(Math.Abs(cardToCheck.index - cardToRight.index) == 1)
                {
                    score++;
                }
                continue;
            }

            else if (i == cardDeckToCheck.Count-1)
            {
                Console.WriteLine("i == carddecktocheck.count-1");
                cardToLeft = cardDeckToCheck[i - 1];
                // if the card we are checking is one lower or one higher than 
                if (Math.Abs(cardToCheck.index - cardToLeft.index) == 1)
                {
                    score++;
                }
                continue;
            }

            else
            {
                cardToLeft = cardDeckToCheck[i - 1];
                cardToRight = cardDeckToCheck[i + 1];
                // if the card we are checking is one lower or one higher than 
                if (Math.Abs(cardToCheck.index - cardToLeft.index) == 1)
                {
                    score++;
                }
                if (Math.Abs(cardToCheck.index - cardToRight.index) == 1)
                {
                    score++;
                }
                continue;
            }

        }
        return score;
    }

我首先将牌组的外观记录到一个 int 数组中，然后将牌组洗牌，然后使用洗牌后的牌组和牌组的先前顺序运行此方法。像这样：

int[] previousOrder = getCurrentOrder(deck.getDeck());
deck.setDeck(riffleShuffle2(3));
textBoxShuffleness.Text = "" + checkShuffle(deck.getDeck(), previousOrder);
displayDeck(deck);

当我从未洗牌的牌组开始并运行 riffle shuffle 方法 5 次时，我得到 70、33、28、5、10。当我从未洗牌的牌组开始并运行 Durstenfeld 洗牌方法 5 次时，我得到 5,0,7,11,7。

这些结果非常符合我的预期。

如果有人能发现这种方法有问题，那么如果您能发表评论，我将不胜感激：）谢谢

4

4 回答 4

7

为了有任何希望，你需要一遍又一遍地运行你的洗牌程序，总是从相同的初始牌组开始，并比较结果。

如果完全公平，您预计任何给定的牌在洗牌后都有 52 分之一的机会出现在任何位置。

如果存在偏见，您会发现它在某些地方比其他地方更频繁地结束。

当然，与理想的 1-in-52 会有一些变化是可以预料的。
可接受的变化量可以通过统计数据和各种置信区间来预测。（95%？97%？）

即使你有一个完美的分布，这并不意味着你的洗牌是随机的。
（想象一个洗牌算法，它只是在每次连续洗牌时将牌组旋转一张牌......它会产生完美的 1-in-52 结果，但不会是随机的）

要寻找的另一个方面是卡片之间的相关性。
例如，黑桃 A 和黑桃 K 的最终位置应该完全不相关。
一个糟糕的洗牌算法可能会将这两张牌一起移动，从而导致高相关性。检查每张卡片与其他卡片的相关性在计算上是昂贵的，但应该是一个简单的算法。

我认为最终结果是您无法证明您的算法是公平/良好的洗牌。您只能设置各种测试来寻找“坏”的洗牌（非均匀分布，或牌位的高度相关性）。如果你通过了所有关于 bad-shuffle 的测试，这并不意味着你的算法在测试没有涵盖的其他方面没有缺陷。
但它确实给你增加了信心。

可能有更好的方法来测试随机性，但在计算上是不可能的。

正如Coding Horror 博客条目所指出的，更好的方法可能是针对非常小的纸牌（本文使用 3 张纸牌）运行您的算法，并仔细评估这些结果。只有 3 张卡片应该更容易追踪所有路径，并查看所有结果是否同样可能。

于 2013-10-17T19:03:20.580 回答
3

这里有一些信息：随机性测试。值得注意的是，如果您的 shuffle “通过”所有此类测试，则表明 shuffle 可能是真正随机的。但是，如果您使用的是伪随机生成器，那么您已经知道它不是。

于 2013-10-17T19:05:11.823 回答
1

一个想法是获取列表并用整数值填充它（每张卡 1 个整数）。制作另一组代码，获取 int 值并将其转换为您的卡值，这样您就可以保留哪些卡属于哪些数字。随机化整数列表，然后遍历列表中的每一行，并标记有多少在一组范围内或从前一个数字开始的 1-2 个整数范围内。最后，您为差、好、好等设置一组百分比比例...

这可能不是最好的解决方案，但您将能够了解列表的分布情况。

于 2013-10-17T19:15:34.613 回答
1

你无法衡量一副牌的洗牌程度，因为每张牌的组合都是同样可能的。

但是，您可以衡量您的洗牌算法到底有多好。Jeff Atwood 有一些关于这个特殊问题的帖子：

http://www.codinghorror.com/blog/2007/12/shuffling.html

http://www.codinghorror.com/blog/2007/12/the-danger-of-naivete.html

于 2013-10-17T19:05:24.667 回答