نحوه بردن در بازي رولت

نحوه بردن در بازي رولت

رولت يک بازي کازينو است که با کلمه فرانسوي براي چرخ کوچک نامگذاري شده است. در اين بازي ، بازيکنان ممکن است شرط بندي را روي هر يک از شماره ها ، قرمز يا سياه يا ترکيب هاي مختلف اعداد انتخاب کنند.

بازي رولت
هدف از اين مقاله ، استفاده از Learning Learning (RL) براي ارزيابي سه استراتژي رولت از نظر کل پرداخت ها و درصد برنده است. من ابتدا نحوه بازي رولت را معرفي خواهم کرد و در ادامه مختصري در مورد RL ارائه مي دهم ، سپس نحوه شبيه سازي يک محيط رولت را براي آموزش RL توضيح خواهم داد. سپس الگوريتم مورد استفاده و روش آزمايش. قسمت آخر مقاله نتيجه نهايي و برخي بحث ها در مورد نتيجه را ارائه مي دهد.

نماد اين پروژه را مي توان در GitHub يافت.

نحوه بازي رولت
براي هر دور رولت بايد ابتدا اندازه اسلايدي را که مي خواهيد شرط بندي کنيد انتخاب کنيد ، سپس روي طرح جدول کليک کنيد تا شرط مورد نظر خود را قرار دهيد.

جدول رولت و شانس معمولي در زير نشان داده شده است:
در اين پروژه ، فرض مي کنم که ما رولت هاي سبک اروپايي را بازي مي کنيم ، که صفر يک دارد. در رولت به سبک آمريکايي دو برابر صفر خواهد بود و توپ به جاي 37 به 38 مي رسد.

پس از قرار دادن شرط خود ، فروشنده چرخ مي چرخد. اين مهم است که از نحوه چرخش چرخ چرخ آگاه شويد زيرا مي خواهيم محيط

رولت را شبيه سازي کنيم ، پيشنهاد مي کنم اگر با رولت آشنايي نداريد مي توانيد در مورد يك رولت در يوتيوب يا جاهاي ديگر فيلم تماشا كنيد و مي خواهيد بدانيد كه چگونه مي گذرد.

چرخ متوقف مي شود و توپ در جيب استراحت مي کند. بازرگان اگر خوش شانس باشيد بازده شما را آزاد مي کند.

مقدمه اي براي يادگيري تقويت
يادگيري پيشرفته شاخه اي از يادگيري ماشين است که در آن عامل ياد مي گيرد در يک محيط تعاملي عمل کند ، با اجراي رويه هاي خاص با

توجه به شرايط فعلي و نظارت بر پاداش هاي دريافتي از آن رويه ها.

بر خلاف يادگيري نظارت شده ، اگر روش خوب يا بد باشد به عامل نمي گوييم. به عنوان مثال ، در يک بازي Tic-Tac-Toe ، پروکسي ابتدا به صورت تصادفي يک شبکه 3x3 را در آن قرار مي دهيد.مي توانيد گوشه را علامت بزنيد ، که اين يک حرکت معمولي بد است ، با اين حال ، شما نمي توانيد نتيجه را بدانيد زيرا بازي تمام نشده است.

کاري که ما در اينجا انجام مي دهيم پيگيري روند کار و بازخورد به پرونده قبلي است. وي پس از چندين جلسه تمريني ، بهترين روش را بر اساس تجربه قبلي انتخاب مي کند و وقتي که به پرونده اوليه رسيد ، به وسط اشاره مي کند زيرا درصد برنده بايد در آنجا بالاتر باشد.

محيط رولت را آماده کنيد
براي استفاده از RL ، بايد دو مؤلفه ، عامل و محيط را بيان کنيم. عامل در مورد الگوريتمي که استفاده مي کنيم ، محيط اينجاست که رولت بازي کنيم و بعد نتيجه و پاداش را به نماينده بدهيم. محيط ايده آل براي اين کار ، گرفتن يک رکورد واقعي بازي رولت کازينو است.

با اين حال ، از آنجا که هيچ کس مجموعه اي از داده ها را براي اين مورد به اشتراک نگذاشته است ، ما مجبوريم مجموعه داده هاي خودمان را ايجاد کنيم. خوشبختانه ما نيازي به تعيين جايزه در اينجا نداريم زيرا در حال حاضر يک جدول براي بازگشت به اين بازي وجود دارد. آنچه اکنون به آن نياز داريم شبيه سازي نحوه چرخش عامل چرخ است.

پروژه هاي باز زيادي در مورد رولت در GitHub وجود دارد که به زبان مار نوشته شده است. با اين حال ، وقتي نوبت به محبوب ترين موقعيت بعدي مي رسد که مي بينيد چيزي شبيه به اين است:

منبع : https://penzu.com/public/e2215650