博客
关于我
博弈论讲解(二)
阅读量:164 次
发布时间:2019-02-27

本文共 657 字,大约阅读时间需要 2 分钟。

斐波那契博弈

游戏规则

有一堆数量为n的石子,游戏双方轮流取石子,满足以下条件:

  • 先手不能在第一次将所有石子取完;
  • 之后每次可以取的石子数介于1到对手刚取的石子数的2倍之间(包含1和对手刚取的石子数的2倍)。
  • 约定取走最后一个石子的人为赢家。

    必败态

    当n为斐波那契数时,先手必败。

    证明

    齐肯多夫(zeckendorf)定理:任何正整数都可以表示成若干个不连续的斐波那契数(不包括第一个斐波那契数)之和。

    例如,n=54可以写成:n=2+5+13+34。

    • 先手A取2个,后手B在1~4范围内取石子。由于B必须至少取1个,最多取4个,但5已经被A取走了,因此B只能取5的最后一个。
    • 接下来,A可以拿走13的最后一个,接着拿走34的最后一个,这样A就赢了。

    反之,如果n是斐波那契数,A无法阻止B按照斐波那契数规则取走最后一个石子,从而让B获胜。

    尼姆博弈

    游戏规则

    有三堆石子,数量分别为(a, b, c)。两个人轮流从某一堆中取任意多的石子,规定每次至少取一个,多者不限。最后取光者得胜。

    必败态

    如果三堆石子数量的异或(a ^ b ^ c)为0,则先手必败;否则先手必胜。

    证明

    略述。

    代码

    for(int i = 1; i <= n; i++) {    sum ^= ans;}if(sum == 0) {    cout << "后手必胜";}

    公平组合博弈

    公平组合博弈属于Impartial Combinatorial Games,属于Nim游戏的一种变种。其核心是通过数学模型确定必败态和必胜态。

    转载地址:http://ymwb.baihongyu.com/

    你可能感兴趣的文章
    OpenCV与AI深度学习 | 基于YOLOv8的停车对齐检测
    查看>>
    OpenCV与AI深度学习 | 基于机器视觉的磁瓦表面缺陷检测方案
    查看>>
    OpenCV与AI深度学习 | 基于深度学习的轮胎缺陷检测系统
    查看>>
    OpenCV与AI深度学习 | 实战 | OpenCV传统方法实现密集圆形分割与计数(详细步骤 + 代码)
    查看>>
    OpenCV与AI深度学习 | 实战 | OpenCV实现扫描文本矫正应用与实现详解(附源码)
    查看>>
    OpenCV与AI深度学习 | 实战 | 使用YOLOv8 Pose实现瑜伽姿势识别
    查看>>
    OpenCV与AI深度学习 | 实战 | 使用YoloV8实例分割识别猪的姿态(含数据集)
    查看>>
    OpenCV与AI深度学习 | 实战 | 基于YoloV5和Mask RCNN实现汽车表面划痕检测(步骤 + 代码)
    查看>>
    OpenCV与AI深度学习 | 实战 | 基于YOLOv9和OpenCV实现车辆跟踪计数(步骤 + 源码)
    查看>>
    OpenCV与AI深度学习 | 实践教程|旋转目标检测模型-TensorRT 部署(C++)
    查看>>
    OpenCV与AI深度学习 | 干货 | 深度学习模型训练和部署的基本步骤
    查看>>
    OpenCV与AI深度学习 | 手把手教你用Python和OpenCV搭建一个半自动标注工具(详细步骤 + 源码)
    查看>>
    OpenCV与AI深度学习 | 深度学习检测小目标常用方法
    查看>>
    Opencv中KNN背景分割器
    查看>>
    OpenCV中基于已知相机方向的透视变形
    查看>>
    OpenCV中的监督学习
    查看>>
    opencv中读写视频
    查看>>
    opencv之cv2.findContours和drawContours(python)
    查看>>
    opencv之namedWindow,imshow出现两个窗口
    查看>>
    opencv之模糊处理
    查看>>