texas_algorithm 德州扑克算法 项目简介
德州扑克算法用于德州扑克的算法，包括以下功能查表算法评估算法使用<dependency>
<groupId>com.github.esrrhs</groupId>
<artifactId>texas_algorithm</artifactId>
<version>1.0.7</version>
</dependency>// 获取2张手牌5张公牌的最大的5张牌
TexasAlgorithmUtil.getMax("黑2,黑3", "方2,方A,黑7,黑5,黑6");
// 获取7张牌的大小，用于比牌
int win = TexasAlgorithmUtil.getWinPosition("方4,方A,黑2,黑A,黑3,黑5,黑6");
// 获取2张手牌4张公牌的胜率，用于评估
float p = TexasAlgorithmUtil.getHandProbability("方3,方A", "黑2,黑4,黑5,黑K");测试玩玩解压texas_algorithm.rar到当前文件夹运行TestUtil.Main生成表玩玩解压texas_algorithm.rar到当前文件夹运行TexasAlgorithmUtil.Main,需要添加vm参数-Xmx8000m查表算法查表算法，给定任意7张牌（5张和6张也支持），查表给出5张最大牌的牌面以及大小、胜率、类型。查表方法很简单，下面讲一下生成表的算法。算法实现穷举C(52, 7)的组合52张牌里面选7张，一共有1亿多种组合，对7张牌进行编码变成long类型，得到一个1亿长度的数组。给定6张和5张，也是同理生成多线程快速排序对这1亿长度的数组进行从小到大排序，排序依据就是7选5后的大小。使用多线程快速排序，在8核的机器上，排完大概需要10小时。如果把最终的查表算法替换原始的比牌算法，速度可以缩短到2小时。结果输出数组已经排好序，现在按照顺序输出到一个文件，内容有key、大小顺序、max牌的值、max牌的类型、可阅读的牌面信息。最后文件大小差不多12G。注意到大小其实是阶梯状的，就是有很多牌是一样大，但是先后顺序不同，所以在输出的时候，要再做一下比牌处理。结果去色1亿条数据如果直接用，内存会爆，使用去色算法缩减规模。分为有花色和无花色两个文件，最后文件总大小18M。实际加载到内存占用几十M。对于同花的类型，比如同花、同花顺、皇家同花顺，7张牌的分布肯定是比如红红红红红梅黑，就是至少5张牌是同花色的，于是可以转变花色成为方方方方方黑黑，节省key值对于非同花的类型，花色毫无作用，那么只需要把花色全去掉，变成方方方方方方方即可查询方法给定7张牌，先去同花表里查，如果没有就去非同花表里查，两个都有就谁大选谁。评估算法评估算法，给定2张手牌，0-4张公牌，大致估算出这手牌在1v1情况下的胜率。算法实现胜率计算注意到前面已经生成了7张牌的大小顺序了，那么现在给定N张牌(2<=N<=6），只需要去7张牌的集合里遍历，看包含这N张牌的7张牌的胜率，做一下平均值就是平均胜率。顺便还会生出最大胜率最小胜率。5个输出文件最终大小是2G。结果去色这个N张牌的胜率表同样存在重复的，采用类似的方法去掉花色，分为两张表，查询先查询原始表，没有再去查询去掉花色的表。通过这种方法，6个文件可以缩减到300M。实际加载到内存差不多200M。公牌查询把公牌代入上面计算的胜率表中，查询得到公牌的胜率情况，也就是说对方用这个公牌去组成7张牌的平均胜率记为P1，以及最大和最小胜率P1Max和P1Min。手牌公牌查询把我的手牌和公牌加起来，代入上面的胜率表中，查询得到一个平均胜率P2。注意这时候P2是不准确的，因为手牌被重复使用了。这里存在误差。胜率预估P1、P2都已经拿到，根据P1和P2的关系用P1Max和P1Min做下差值即可得出胜率。这里假定分布是均匀的所以也会有误差。预估误差如果采用最原始的方法穷举所有组合，即固定手牌和固定公牌，穷举剩下公牌和对方手牌，并计算胜率，目前2张手牌4张公牌需要20多天才能计算完，并且数据量已经超标。通过和实际胜率比较，误差大部分在0.1以内，比如实际胜率0.5，预估0.6。
<groupId>com.github.esrrhs</groupId>
<artifactId>texas_algorithm</artifactId>
<version>1.0.7</version>
</dependency>// 获取2张手牌5张公牌的最大的5张牌
TexasAlgorithmUtil.getMax("黑2,黑3", "方2,方A,黑7,黑5,黑6");
// 获取7张牌的大小，用于比牌
int win = TexasAlgorithmUtil.getWinPosition("方4,方A,黑2,黑A,黑3,黑5,黑6");
// 获取2张手牌4张公牌的胜率，用于评估
float p = TexasAlgorithmUtil.getHandProbability("方3,方A", "黑2,黑4,黑5,黑K");测试玩玩解压texas_algorithm.rar到当前文件夹运行TestUtil.Main生成表玩玩解压texas_algorithm.rar到当前文件夹运行TexasAlgorithmUtil.Main,需要添加vm参数-Xmx8000m查表算法查表算法，给定任意7张牌（5张和6张也支持），查表给出5张最大牌的牌面以及大小、胜率、类型。查表方法很简单，下面讲一下生成表的算法。算法实现穷举C(52, 7)的组合52张牌里面选7张，一共有1亿多种组合，对7张牌进行编码变成long类型，得到一个1亿长度的数组。给定6张和5张，也是同理生成多线程快速排序对这1亿长度的数组进行从小到大排序，排序依据就是7选5后的大小。使用多线程快速排序，在8核的机器上，排完大概需要10小时。如果把最终的查表算法替换原始的比牌算法，速度可以缩短到2小时。结果输出数组已经排好序，现在按照顺序输出到一个文件，内容有key、大小顺序、max牌的值、max牌的类型、可阅读的牌面信息。最后文件大小差不多12G。注意到大小其实是阶梯状的，就是有很多牌是一样大，但是先后顺序不同，所以在输出的时候，要再做一下比牌处理。结果去色1亿条数据如果直接用，内存会爆，使用去色算法缩减规模。分为有花色和无花色两个文件，最后文件总大小18M。实际加载到内存占用几十M。对于同花的类型，比如同花、同花顺、皇家同花顺，7张牌的分布肯定是比如红红红红红梅黑，就是至少5张牌是同花色的，于是可以转变花色成为方方方方方黑黑，节省key值对于非同花的类型，花色毫无作用，那么只需要把花色全去掉，变成方方方方方方方即可查询方法给定7张牌，先去同花表里查，如果没有就去非同花表里查，两个都有就谁大选谁。评估算法评估算法，给定2张手牌，0-4张公牌，大致估算出这手牌在1v1情况下的胜率。算法实现胜率计算注意到前面已经生成了7张牌的大小顺序了，那么现在给定N张牌(2<=N<=6），只需要去7张牌的集合里遍历，看包含这N张牌的7张牌的胜率，做一下平均值就是平均胜率。顺便还会生出最大胜率最小胜率。5个输出文件最终大小是2G。结果去色这个N张牌的胜率表同样存在重复的，采用类似的方法去掉花色，分为两张表，查询先查询原始表，没有再去查询去掉花色的表。通过这种方法，6个文件可以缩减到300M。实际加载到内存差不多200M。公牌查询把公牌代入上面计算的胜率表中，查询得到公牌的胜率情况，也就是说对方用这个公牌去组成7张牌的平均胜率记为P1，以及最大和最小胜率P1Max和P1Min。手牌公牌查询把我的手牌和公牌加起来，代入上面的胜率表中，查询得到一个平均胜率P2。注意这时候P2是不准确的，因为手牌被重复使用了。这里存在误差。胜率预估P1、P2都已经拿到，根据P1和P2的关系用P1Max和P1Min做下差值即可得出胜率。这里假定分布是均匀的所以也会有误差。预估误差如果采用最原始的方法穷举所有组合，即固定手牌和固定公牌，穷举剩下公牌和对方手牌，并计算胜率，目前2张手牌4张公牌需要20多天才能计算完，并且数据量已经超标。通过和实际胜率比较，误差大部分在0.1以内，比如实际胜率0.5，预估0.6。