跳至主要内容

Dual-25：基因演算法策略

· 閱讀時間約 2 分鐘

Dual 25 是 Wiwi 在 睡前想到的紙牌對戰遊戲。（好玩！）

遊戲介紹​

好想贏電腦​

我（跟 LLM 互動）寫了一個固定策略，嘗試去贏過這個 MCTS 電腦。

接著再測試了一下對戰，以下是模擬結果：

  • 對戰場次：10000 場
    • ✅ 獲勝：5902 (59.0%)
    • 🤝 平手：1217 (12.2%)
    • ❌ 戰敗：2881 (28.8%)

（這樣應該還算不錯吧？）

試試看​

訓練：基因演算法（GA）​

  • 每種牌型定義 3 個權重參數：

    • 基礎參數（base）：該牌型的基礎分數
    • 牌型參數（v）：點數的權重，決定大牌還是小牌更優先
    • 危險參數（danger）：生命值越低時的傾向調整 = (25 - 當前生命值) / 25，範圍是 0~1

  • 每張牌會根據以下公式計算分數，分數最高的牌就會被選出：

    • attack = atk_base + v × atk_v + danger × atk_danger
    • counter = ctr_base + v × ctr_v + danger × ctr_danger
    • heal = heal_base + v × heal_v + danger × heal_danger

  • 訓練參數設定：

    • 族群大小：150 個個體
    • 演化世代：1000 代
    • 評估局數：每個體每世代評估 800 局
    • 評分機制：勝利 = 1.0 分，平手 = 0.5 分，失敗 = 0 分
    • 訓練對手：採用「隨機出牌」策略，這樣跑比較快（應該也比較不會 Overfitting？），不然用 MCTS 會訓練太久

額外補強​

我最後再額外再加上「斬殺（lethal）」的概念。

  • 如果「反擊」或「攻擊」的數值高於對手的血量，則優先選擇斬殺（反擊優先）。
  • 如果有多張牌能斬殺，優先選擇點數小的牌做斬殺。