Dalam situasi ini, metode "best guess" yang kita gunakan sekarang adalah alternatif yang relatif bagus walaupun ada kasus degenerasi. Untuk menawarkan pendekatan lebih akurat terhadap kemungkinan menang dalam sebuah tangan, kami telah mengembangkan adaptasi simulasi Monte Carlo.
Alih-alih mencari semua hasil akhir yang mungkin terjadi pada sebuah tangan untuk mengetahui apakah Anda akan menang, kami sebaliknya mengenerate subset acak dari hasil tersebut dan melihat berapa banyak yang Anda akan menang. Ada beberapa trade-off penting dalam ukuran subset ini. Ukuran subset yang lebih kecil akan memungkinkan penggunaan waktu yang lebih cepat untuk menyelesaikan simulasi, sehingga solusi dapat ditawarkan kepada pengguna dengan waktu yang lebih lama untuk beraksi. Namun, ukuran subset yang lebih kecil juga dapat menyebabkan pendekatan yang kurang akurat.
Sebaliknya, ukuran subset yang lebih besar akan memerlukan waktu yang lebih lama untuk menyelesaikan simulasi, namun akan memberikan pendekatan yang lebih akurat. Salah satu cara untuk mengizinkan kelebihan baik dari kedua pendekatan ini sementara menurunkan kelemahan masing-masing adalah dengan menampilkan nilai saat ini dari pendekatan sebagai algoritma berjalan. Sebagai contoh, ketika Anda memilih tindakan, kami dapat menampilkan pendekatan saat ini bahwa Anda akan menang dalam showdown.
Nilai ini akan terus berubah dan menjadi lebih akurat seiring waktu hingga Anda mengambil tindakan atau habis waktu. Dengan cara ini, kami dapat menawarkan jawaban yang paling akurat sementara juga memberikan pengguna waktu yang cukup untuk beraksi.
Mengapa Meter Kuat Tangan Kami Belum Dirilis
Kata kunci: keadilan. Kita ingin membuat game kita sama-sama adil bagi semua pemain. Seorang pengguna dengan telepon 5 tahun akan lebih disalahkan daripada seorang pengguna dengan telepon terkini apabila fitur ini dirilis saat ini. Kami mendukung jaringan perangkat yang sangat luas sehingga jumlah simulasi yang dapat dilakukan oleh sebuah perangkat dalam waktu tertentu dapat jauh berbeda dengan jumlah simulasi yang dapat dilakukan oleh perangkat lain dalam waktu yang sama.
Simulasi yang lebih banyak berarti akurasi yang lebih tinggi, dan akurasi yang lebih tinggi mengarah ke keuntungan kompetitif. Ada harapan, namun. Setelah beberapa iterasi, kesenjangan antara pendekatan saat ini dan pendekatan setelah iterasi lainnya menjadi tidak signifikan.
Seiring perangkat minimal yang kami dukung terus meningkat dan memungkinkan iterasi lebih cepat, kita semakin dekat untuk dapat menawarkan fitur luar biasa ini kepada semua pengguna tanpa mengintroduksi keadilan yang tidak adil.
Kesimpulan
Menghitung kemungkinan tepat menang dalam sebuah tangan dengan 9 pemain sekarang belum dapat diselesaikan. Untuk menyelesaikan masalah ini, kita memapproximasi kemungkinan tersebut dan menawarkan kepada pengguna.
Pendekatan ini memiliki kelemahannya sendiri, yaitu ketidakakuratan. Kami telah mengembangkan fitur yang sangat membantu dalam menyelesaikan masalah ini, namun kami sedang menunggu saat yang tepat untuk menawarkannya kepada pengguna sementara memastikan keadilan yang tidak adil.
Kami memiliki Patent Nomor 9,940,783 (diterbitkan tanggal 10 April 2018) tentang desain ini jika Anda tertarik untuk mengenal lebih lanjut.
Terima kasih telah membaca! Jika Anda menemukan postingan ini menarik atau bermanfaat, berikan share. Jika implikasi kuantum yang tak terbatas dalam game kita menarik bagi Anda, saya mendorong Anda untuk membaca postingan sebelumnya tentang penggunaan angka random.
Referensi
- https://www.iflscience.com/physics/big-crunch-back-possible-end-universe/
- https://en.wikipedia.org/wiki/Monte_Carlo_method