猜拳游戏代码最小遗憾算法

以下是猜拳游戏的最小遗憾算法的示例代码：

import random

# 定义手势
rock = 0
paper = 1
scissors = 2

# 定义最小遗憾算法函数
def min_regret_algorithm(regret_matrix):
    # 计算平均遗憾分数
    avg_regrets = [sum(regret_matrix[i])/len(regret_matrix[i]) for i in range(len(regret_matrix))]
    # 找到最小平均遗憾分数的手势
    min_regret_action = avg_regrets.index(min(avg_regrets))
    return min_regret_action

# 初始化遗憾矩阵
regret_matrix = [[0, 1, -1], [-1, 0, 1], [1, -1, 0]]

# 定义循环
while True:
    # 让用户输入手势
    user_action = int(input("请选择手势 (0:石头; 1:剪刀; 2:布): "))
    # 计算AI的手势
    ai_action = min_regret_algorithm(regret_matrix)
    # 输出结果
    if user_action == ai_action:
        print("平局！")
    elif user_action == (ai_action + 1) % 3:
        print("你赢了！")
        # 更新遗憾矩阵
        regret_matrix[user_action][ai_action] += 1
    else:
        print("你输了！")
        # 更新遗憾矩阵
        regret_matrix[ai_action][user_action] += 1

在这个代码中，我们使用了最小遗憾算法来选择AI的手势。遗憾矩阵是一个3x3的矩阵，表示每个手势对应的遗憾值。对于每一轮游戏，我们根据当前的遗憾矩阵计算出AI应该出什么手势，然后和用户出的手势进行比较，更新遗憾矩阵。通过不断地更新遗憾矩阵，AI会逐渐学会选择最优的手势，从而获得更高的胜率。