山羊与汽车游戏的实验算法
2023-09-11 14:16:38 时间
实验1:
function shuffle(target) { var j, x, i = target.length; for (; i > 0; j = parseInt(Math.random() * i), x = target[--i], target[i] = target[j], target[j] = x) {} return target } function removeAt(target, index) { return !!target.splice(index, 1).length } var bingo1 = 0 var bingo2 = 0 for (var i = 0; i < 10000; i++) { var arr = shuffle([0, 0, 1]); var index = parseInt(Math.random() * 3); if (arr[index]) bingo1++ } for (var i = 0; i < 10000; i++) { var arr = shuffle([0, 0, 1]); var index = parseInt(Math.random() * 3); var errIndex = 0 // 主持人删掉一个错误答案 for (var j = 0; j < arr.length; j++) { if (arr[j] == 0 && j != index) { errIndex = j arr[j] = 'x' break; } }
// 遍历所有答案,如果用户选择的是错的,那根据强制交换的约定,就是一定是对的。 for (var k = 0; k < arr.length; k++) { if (arr[k] == 0 && k == index) { bingo2++ } } } console.log(bingo1, bingo2);
更简单的实验:
function shuffle(target) { var j, x, i = target.length; for (; i > 0; j = parseInt(Math.random() * i), x = target[--i], target[i] = target[j], target[j] = x) {} return target } function removeAt(target, index) { return !!target.splice(index, 1).length } var bingo1 = 0 var bingo2 = 0 for (var i = 0; i < 10000; i++) { var arr = shuffle([0, 0, 1]); var index = parseInt(Math.random() * 3); if (arr[index]) bingo1++ if (!arr[index]) bingo2++ } console.log(bingo1, bingo2);
相关文章
- 少儿学编程系列 --- 使用python程序暴力求解:数学游戏 24 Game的答案
- 《Cocos2d 跨平台游戏开发指南(第2版)》一1.7 创建自定义精灵类
- 《Unity 5.x游戏开发实战》一2.1 创建一个金币的材质
- 《Unity 5.x游戏开发实战》一2.5 金币与预设体
- 《Android游戏开发详解》——第2章,第2.20节对象的更多实践——模拟一个色子
- 再探 游戏 《 2048 》 —— AI方法—— 缘起、缘灭(8) —— 2021年9月SOTA的TDL算法——《Optimistic Temporal Difference Learning for 2048》——完结篇
- 游戏开发常用算法系列(一)
- 【Unity3D游戏开发实战】Unity3D实现休闲类游戏《2048》——算法、源代码
- 【2023unity游戏制作-mango的冒险】-2.开始画面API制作
- LeetCode055,045之跳跃游戏(相关话题:动态规划,贪心算法)
- 131、【贪心算法】leetcode ——55. 跳跃游戏(贪心策略)(C++版本)
- 华为OD机试 - 密室逃生游戏(JavaScript) | 机试题+算法思路+考点+代码解析 【2023】
- 第1章 游戏之乐——小飞的电梯调度算法
- 2013编程之美资格赛之传话游戏(Java实现)
- 关于Cocos2d-x开发一个游戏的过程自述
- [LeetCode] 1145. Binary Tree Coloring Game 二叉树着色游戏
- Java大鱼吃小鱼游戏,今天你吃了吗?
- [程序设计]基于人工智能博弈树,极大极小(Minimax)搜索算法并使用Alpha-Beta剪枝算法优化实现的可人机博弈的AI智能五子棋游戏。
- [项目说明]-基于人工智能博弈树,极大极小(Minimax)搜索算法并使用Alpha-Beta剪枝算法优化实现的可人机博弈的AI智能五子棋游戏。