Files

xiaoou a75733e4ae feat: ISMCTS bot + full documentation

新增：
- PdkFriendServer/Logic/IsmctsBot.cs: ISMCTS蒙特卡洛搜索机器人
  - 800次模拟/决策，对手手牌从未知牌池随机采样
  - 包庄决策：大牌(≥J/Q/K/A/2)数量 ≥6 则包庄
  - winRate日志输出，决策透明
- docs/bot-architecture.md: 系统架构文档
- docs/bot-algorithms.md: A/B/C三条算法路径完整分析
- docs/ismcts-design.md: ISMCTS实现设计详案

切换：
- PdkGameMain.InitBots: PdkBot → IsmctsBot（默认ISMCTS）

验证：
- dotnet build 0 errors
- 多人对局完整运行：包庄→出牌→结算→test over

2026-07-07 13:27:00 +08:00

4.5 KiB

Raw Blame History

PdkBot 算法路径分析

问题定义

跑得快是不完全信息三人卡牌游戏。目标：成为第一个出完所有手牌的玩家。

状态空间估算（48 张牌，每人 16 张）：

单步动作空间：≤ 100（单张、对子、三带二、顺子、连对、飞机、炸弹、四带二/三）
完整游戏深度：约 30-50 步（每步出 1-N 张牌）
信息集数量：C(48,16) × C(32,16) ≈ 10^26

直接穷举搜索不可行。

三条策略路径

A 路径：启发式评分（已实现）

当前 PdkBot.DecidePlay() 使用 5 维手工评分：

维度	分值范围	逻辑
直接获胜	+10000	出完即胜利，最高优先级
对手威胁	+300~800	对手手牌 ≤3 张时增加权重
牌效率	(20-剩余)×15	剩余越少分越高
炸弹管理	-80~+400	对手快赢时用，否则留
出牌量	+8×出牌数	多牌组合优先
先手权	+60	保持出牌主动权
黑桃3必出	+150	规则要求时选出含黑桃3的方案

优点：即时决策（<1ms）、无依赖、易理解

缺点：权重手工调整，不保证最优性，无法推理多步后效

B 路径：ISMCTS（推荐实现）

Information Set Monte Carlo Tree Search——在不完全信息下做蒙特卡洛搜索。

核心思想：对每个候选出牌方案，模拟 N 局随机对局到结束，统计胜率。

DecidePlay(view):
  candidates = GetTipCard()  // 所有合法出牌
  for each candidate:
    模拟 M 局:
      - 随机分配对手手牌（从"未知牌池"中抽样）
      - 所有玩家用随机策略打到结束
      - 记录自己是否获胜
  选胜率最高的方案

优点：

统计收敛到近似最优（M=1000 时 95% 置信区间 < 3%）
不需要训练数据，决策时运行
自然处理不完全信息（对手手牌随机采样）
实现约 300 行 C#

缺点：

决策延迟 50-200ms（取决于 M）
每次独立决策，不做跨回合规划

实现细节：见 ismcts-design.md

C 路径：深度蒙特卡洛（CNN + MCTS）

借鉴 DouZero (ICML 2021) 的 Deep Monte Carlo 方法：

架构：
  CNN编码器（手牌+历史出牌+状态）→ 价值网络 V(s) + 策略网络 π(s)
  MCTS搜索（用 π 引导探索，V 评估叶子节点）

训练：自对弈强化学习

1. 随机初始化 CNN
2. 自对弈产生数据（状态、动作、胜负）
3. 用 (s, a, r) 训练 CNN
4. 更新 CNN → 回到步骤 2

参考项目：

DouZero — 斗地主 SOTA，ICML 2021
RLCard — 卡牌游戏 RL 框架

适配跑得快的挑战

差异	斗地主 (DouZero)	跑得快
牌数	54（含大小王）	48（无大小王）
人数	3（1地主 vs 2农民）	3 等权
叫地主	有	包庄代替
合法牌型	单/对/三带一/炸弹/火箭/顺子...	单/对/三带二/顺子/连对/飞机/炸弹/四带
动作空间	最大 27472（编码后 309）	估计 200-400（编码后 < 100）

根本瓶颈：没有预训练模型。 跑得快的状态编码、动作空间、奖励函数都需要从零构建和训练。

训练成本估算：

GPU：4× NVIDIA V100/A100
时间：2-5 天（跑得快状态空间小于斗地主）
自对弈局数：约 10^6 局
代码量：训练管道 ~1000 行 Python + 推理适配 ~300 行 C#

推理部署：

训练好的 PyTorch 模型 → ONNX 导出 → 在 C# 中通过 ML.NET 或 ONNX Runtime 加载
单步推理延迟：10-50ms（CPU）

可行性结论

C 路径技术上完全可行，DouZero 的 Deep Monte Carlo 方法已经验证。但投入产出比需要评估：

训练基础设施要求高（多 GPU + 数天训练）
需要独立维护 Python 训练管道
跑得快是小众游戏，无社区预训练模型可复用

建议：先落地 B 路径（ISMCTS），达到近似最优水平。如果后续需要进一步提升（如参与竞技），再启动 C 路径训练。

路径对比

	A: 启发式	B: ISMCTS	C: CNN+MCTS
最优性	低	高（接近最优）	理论最高
延迟	<1ms	50-200ms	10-50ms
实现复杂度	100 行	300 行	1000+ 行 + 训练管道
训练需求	无	无	4 GPU × 2-5 天
预训练模型	不需要	不需要	不存在（需自训）
维护成本	低	低	高

4.5 KiB Raw Blame History Unescape Escape