Python游戏概率补偿算法-马尔科夫链

代码展示

# _*_ coding: utf-8 _*_
# @Author : ******
# @Time   : 2022/8/27 14:47
# @File   : ProbabilisticCompensation.py
# @Project: TestCase
import numpy as np

class PC:

    """
    状态图如下（这里无法插入图片，也只能通过文字描述了）：
        上次暴击：P
        上次非暴击：1-P
        上次暴击，本次暴击：P1
        上次暴击，本次非暴击：1 - P1
        上次非暴击，本次暴击：P2
        上次非暴击，本次非暴击：1 - P2
    为了使得整体的暴击概率不发生变化，则有如下约束：
        P*P1 + (1-P)*P2 = P
    存在2种设定：
        A.P<=0.5时，上次暴击后，则本次暴击率下降50%
            P1 = P - P / 2
            通过约束条件可以求得P2
        B.P>0.5时，上次非暴击后，则本次暴击率增加初始非暴击概率的50%
            P2 = P + (1 - P) / 2
            通过约束条件可以求得P1
    """

    def __init__(self, p):
        # 初始概率
        self.p = p
        # 概率补偿
        self.p1, self.p2 = self.get_compensate()