基于蒙特卡洛的麻将AI决策：Python+Pygame实战-北京尧图网络

简介一套基于Python实现的图形化麻将游戏项目同时集成了蒙特卡洛树搜索AI适合Python游戏开发或人工智能方向的学习者可作为课程设计、毕业设计或工程实训的参考。项目提供两种运行模式通过controller.py启动Pygame图形界面或通过pyenv.py在终端运行纯文本版本便于对照理解完整交互流程与AI决策过程。资源压缩包共52个文件大小约198KB包含35个PNG麻将牌面与界面素材、8个Python主程序与模块、3个C源文件及2个头文件用于AI加速计算以及Java索引文件、pickle数据和说明文档等文件类型多样可对应图形渲染、牌局逻辑、AI算法和工具脚本等不同模块。自发布以来已有470人学习浏览适合需要模块化游戏项目范例或AI算法落地参考的进阶学习者。通过研读源码与AI实现可掌握Pygame图形交互、蒙特卡洛树搜索思路、C与Python混合调用等实践技巧。1. 从“能胡牌”到“会猜牌”为什么麻将 AI 要用蒙特卡洛很多人第一次听说“麻将 AI”时第一反应是“这不就是个查表胡牌器吗”。确实如果只做“听牌判断”和“胡牌检测”麻将的规则复杂度根本不需要 AI——几张表加几个递归函数就能搞定。但麻将真正难的地方在于你永远不知道对手手里有什么牌。你只知道他打了什么、碰了什么、杠了什么剩下的全靠推测。这是典型的不完全信息博弈而蒙特卡洛方法恰好就是处理这类不确定性的标准武器。这篇文章要讲的是一个基于 Python 的图形化麻将游戏AI 用蒙特卡洛模拟来做“概率型决策”。简单说AI 在每次出牌前会基于当前已知信息“脑补”出成千上万种对手手牌分布然后在每种分布里模拟打某张牌的后续走向统计哪张牌导致输牌的概率最低、和牌的概率最高。这种思路和 AlphaGo 的蒙特卡洛树搜索同源但实现成本低得多纯 Python 就能在一秒内完成一次决策。适合想理解博弈 AI 原理、又不想碰深度学习框架的开发者。文章会从手牌表示和胡牌判定讲起再给蒙特卡洛模拟器做渐进式实现最后落到一个 Pygame 桌面上能跑的完整原型。你不需要有强化学习背景只需要熟悉 Python 基础语法和一点概率直觉。2. 手牌表示与胡牌判定先把规则的“地基”写得足够快蒙特卡洛 AI 的核心是“大量模拟”每次模拟都要做胡牌检测。如果胡牌判定函数慢一倍AI 的模拟次数就少一半决策质量直接打折。所以第一步不是写界面而是把手牌数据结构和胡牌算法写对。2.1 用整数编码麻将牌避免字符串比较开销常见做法是用 0 到 33 的整数表示 34 种牌0-8 表示万子1万到9万9-17 表示条子18-26 表示饼子27-33 表示字牌东南西北白发中。这样做的好处是比较大小只需要整数运算构造顺子时只需要检查数值是否连续而且可以用长度为 34 的 list 或 array 来统计每张牌的数量。# 牌面编码0-8万9-17条18-26饼27-33字 def encode_tile(name: str) - int: 将3万、7条这类字符串转为整数编码 suit name[-1] num int(name[:-1]) - 1 if suit 万: return num elif suit 条: return 9 num elif suit 饼: return 18 num else: return 27 num # 字牌按东南西北白发中顺序映射 # 手牌统计tiles[i] 表示编码为 i 的牌有几张 # 例hand [0]*34; hand[3] 2 表示有两张4万这里用列表长度 34 而不是直接用集合是因为胡牌判定需要频繁查询“某张牌是否还有剩余”数组索引比字典或集合都快。对于蒙特卡洛模拟来说这种微性能差异会在百万次调用后被放大得很明显。2.2 胡牌判定拆分为“将牌面子”的递归搜索麻将胡牌的标准结构是一对将牌对子加上若干组面子顺子或刻子。普通牌型是 3n2 张七对子、十三幺等特殊牌型可以单独判断。递归判断的核心思路是从数值最小的牌开始优先尝试把它作为刻子移除再尝试作为顺子移除。因为最小的牌如果不能组成顺子或刻子它就只能做将牌。def can_win(tiles: list) - bool: 判断手牌是否胡牌tiles 为长度 34 的计数数组 # 七对子7 个不同对子不含刻子 if sum(tiles) 14 and tiles.count(2) 7: return True # 普通牌型遍历每一种牌作为将牌 for i in range(34): if tiles[i] 2: tiles[i] - 2 if _is_regular_hand(tiles): tiles[i] 2 return True tiles[i] 2 return False def _is_regular_hand(tiles: list) - bool: 判断去掉将牌后剩余牌是否能全部组成顺子/刻子 # 找到第一张数量不为 0 的牌 for i in range(34): if tiles[i] 0: continue if tiles[i] 3: tiles[i] - 3 if _is_regular_hand(tiles): tiles[i] 3 return True tiles[i] 3 if i 27 and i % 9 6 and tiles[i1] 0 and tiles[i2] 0: # 尝试组成顺子i, i1, i2 必须同花色且不跨区 tiles[i] - 1 tiles[i1] - 1 tiles[i2] - 1 if _is_regular_hand(tiles): tiles[i] 1 tiles[i1] 1 tiles[i2] 1 return True tiles[i] 1 tiles[i1] 1 tiles[i2] 1 return False # 最小的牌既不能组刻子也不能组顺子说明无解 return True这段代码的逻辑顺序很关键优先尝试刻子因为刻子的约束条件更严格i % 9 6这个判断是为了防止“8万9万1条”被错误地当成顺子因为 8万编码是 79万编码是 8而 1条编码是 9不在同一花色区间内。_is_regular_hand的递归深度最多 4 层14 张牌最多拆 4 组面子栈开销可以忽略。判断听牌时只需要遍历 34 种牌逐一尝试加入手牌并调用can_win。考察的是没有性能压力但蒙特卡洛模拟中每次摸牌都要判断所以建议在 AI 决策循环里缓存已经验证过的牌型结果。实际测试中纯 Python 的can_win单次调用约 0.05ms百万次模拟需要 50 秒左右这个量级需要通过剪枝和向量化来压缩后面章节会讲具体做法。3. 蒙特卡洛模拟器的设计与采样策略让 AI 学会“猜别人的手牌”蒙特卡洛在这里解决的核心问题是AI 只知道自己的手牌和所有玩家打出的牌不知道对手手里有什么。但决策需要评估“打哪张牌更好”的期望收益于是我们用大量随机采样来逼近这个期望。3.1 采样流程从剩余牌堆中随机补全对手手牌假设开局每人 13 张牌你当前手牌 13 张场上已经打出了若干张牌。AI 能确定的信息有自己的手牌、所有玩家打出的牌、碰杠后明示的牌。那么对手手牌唯一能确定的数量就是——总牌数减去所有已知牌后剩余的部分。import random class MonteCarloSimulator: def __init__(self, known_tiles: list, hand_size: int 13): known_tiles: 长度为 34 的数组标记所有 AI 能看到的牌 hand_size: 需要补全的单家手牌数量 self.remaining [] for i in range(34): count 4 - known_tiles[i] # 每种牌原本4张减去已见的 self.remaining.extend([i] * count) self.hand_size hand_size def sample_opponent_hand(self) - list: 从剩余牌堆中随机抽取一组对手手牌 deck self.remaining[:] random.shuffle(deck) return deck[:self.hand_size]这个采样有个隐含假设剩余牌堆里每张牌被抽中的概率均等。实际麻将中对手的打牌行为会透露信息——比如对手一直打条子说明他很可能没有条子顺子需求。但第一版 AI 可以先做均匀采样后续再引入“对手策略模型”做非均匀采样。这个递进思路在蒙特卡洛 AI 里很常见。提示采样时不要把已打出的牌放回牌堆。known_tiles里包含了所有玩家打出的牌和亮明的牌这样remaining才是真正的未知牌堆。3.2 评估函数以“能否快速和牌”为奖励标准一次完整模拟包含三步随机给每个对手补手牌、模拟牌堆剩余牌的摸牌顺序、判断 AI 在当前牌型下获胜的概率。设计评估函数时我一般用“AI 和牌所需的最少摸牌次数”作为指标而不是简单地用“能否胡牌”做二值判断。因为蒙特卡洛需要区分“听牌”“一向听”“两向听”之间的差距。def evaluate_hand(hand: list, simulator: MonteCarloSimulator, trials: int 1000) - float: 评估当前手牌在随机牌堆上的期望向听数返回数值越小代表离胡牌越近 total_distance 0 for _ in range(trials): # 模拟剩余牌堆的摸牌顺序 draw_order simulator.remaining[:] random.shuffle(draw_order) temp_hand hand[:] distance 0 for tile in draw_order: temp_hand.append(tile) if can_win(temp_hand): break temp_hand.pop() # 没胡就继续摸下一张 distance 1 if distance 6: # 超过6向听直接截断节省计算 break total_distance distance return total_distance / trials这里有个容易踩的坑temp_hand.append(tile)后调用can_win如果没胡必须pop()恢复原状否则手牌会越来越大。另外截断条件设成 6 是因为麻将的向听数上限一般是 613 张牌全部不挨边时超过这个数目的模拟结果对决策没有区分度。实际项目中trials设为 300 到 500 之间的效果和 1000 差别很小但耗时能省一半。3.3 出牌决策对每一张候选牌做蒙特卡洛评估AI 的决策逻辑是遍历手牌中所有不重复的牌假设打出这张牌然后用蒙特卡洛评估剩余手牌的“期望向听数”选择期望值最小的那张牌打出。def choose_discard(hand: list, known_tiles: list, trials: int 500) - int: 返回要打出的牌的编码 hand: AI 当前手牌13张 known_tiles: 所有已出现的牌含自己的手牌和所有玩家打出的牌 simulator MonteCarloSimulator(known_tiles) unique_tiles set(hand) best_tile None best_score float(inf) for tile in unique_tiles: # 模拟打出这张牌 new_hand hand[:] new_hand.remove(tile) score evaluate_hand(new_hand, simulator, trials) if score best_score: best_score score best_tile tile return best_tileunique_tiles的使用需要注意如果手牌里有三张相同的牌你只需要评估一次打出它的效果因为结果完全一样。这个优化能把评估次数从 13 降到平均 8 次左右。对于每轮决策需要 8×5004000 次胡牌判定的场景纯 Python 大约耗时 0.5 到 1 秒在图形化游戏里完全可以接受。参数建议值影响trials300-500低于 100 时随机波动大高于 1000 时提升不明显截断向听数6控制单次模拟的最大步数值过大会拖慢速度候选牌去重开启手牌重复越多节省的计算量越大4. 图形化界面的实现Pygame 桌面版的牌桌布局与交互图形化部分我选用 Pygame 而不是 Tkinter 或 PyQt原因有两点一是 Pygame 的绘制模型更接近游戏场景方便做牌桌动画和鼠标交互二是它的安装成本低pip install pygame即装即用。整个界面按“玩家手牌在底部、AI 手牌在顶部、牌河在中间”的布局设计。4.1 牌桌布局与坐标系计算先用固定尺寸的画布1200×800设计牌桌。每张牌用 40×56 像素的矩形表示。玩家的手牌放在底部居中AI 的手牌顶部朝下显示不需要让玩家看到具体牌面用牌背代替。牌河区域按 6 列 × 2 行的网格堆放每家打出的牌。import pygame # 牌面矩形区域计算 TILE_W, TILE_H 40, 56 PLAYER_HAND_Y 700 # 玩家手牌基线 AI_HAND_Y 40 # AI 手牌区域 DISCARD_AREA (300, 200, 600, 400) # 牌河区域 (x, y, w, h) def draw_tile(screen, font, tile_id: int, x: int, y: int, face_up: bool True): 在指定位置绘制一张牌 rect pygame.Rect(x, y, TILE_W, TILE_H) pygame.draw.rect(screen, (245, 245, 245), rect) # 牌面背景 pygame.draw.rect(screen, (80, 80, 80), rect, 2) # 边框 if face_up: # 根据 tile_id 解析花色和数字 suit_names [万, 条, 饼] if tile_id 27: num tile_id % 9 1 suit suit_names[tile_id // 9] text f{num}{suit} else: text [东, 南, 西, 北, 白, 发, 中][tile_id - 27] surface font.render(text, True, (20, 20, 20)) screen.blit(surface, (x 6, y 18))这里的坐标是固定值后续适配不同屏幕尺寸时可以把 1200×800 抽成常量所有子坐标按比例缩放。字牌的渲染分支用了单独列表因为字牌没有数字只有文字。4.2 游戏主循环与事件处理游戏主循环采用标准 Pygame 模式处理事件、更新逻辑、绘制画面、控制帧率。玩家通过点击手牌出牌AI 的回合在短延迟后自动执行 3.3 节的决策函数。def main(): pygame.init() screen pygame.display.set_mode((1200, 800)) clock pygame.time.Clock() font pygame.font.Font(None, 32) player_hand [3, 3, 4, 5, 6, 7, 8, 9, 10, 11, 12, 13, 14] # 示例手牌 known_tiles [0] * 34 for t in player_hand: known_tiles[t] 1 current_turn player running True while running: for event in pygame.event.get(): if event.type pygame.QUIT: running False elif event.type pygame.MOUSEBUTTONDOWN and current_turn player: # 检测点击了哪张手牌 x, y event.pos if PLAYER_HAND_Y y PLAYER_HAND_Y TILE_H: idx (x - 20) // (TILE_W 10) if 0 idx len(player_hand): pass # 后续在这里加入出牌逻辑 if current_turn ai: pygame.time.wait(800) # 简单延迟模拟“思考” discard choose_discard(player_hand, known_tiles, trials300) player_hand.remove(discard) known_tiles[discard] 1 current_turn player # 绘制代码省略底图、手牌、牌河、按钮 pygame.display.flip() clock.tick(60) pygame.quit()玩家手牌的点击热区计算用的是(x - 20) // (TILE_W 10)20 是左边距、10 是牌间距。这段代码把点击位置映射到手牌列表的下标。AI 决策之间加 800ms 延迟是为了让玩家看清 AI 打出了哪张牌实际项目中这个延迟应该做成可配置项。4.3 牌的动画反馈与状态提示为了让图形化游戏有“活着”的感觉需要加两个最小动画选牌高亮和出牌滑动。选牌高亮的做法是在玩家点击某张牌后给该牌画一个黄色边框出牌滑动则是用插值计算牌的当前位置让它从手牌位置移动到牌河位置。class DiscardAnimation: 出牌动画记录起始位置、目标位置和时间进度 def __init__(self, tile_id, start_pos, end_pos, duration300): self.tile_id tile_id self.start start_pos self.end end_pos self.progress 0.0 self.duration duration self.start_time pygame.time.get_ticks() def update(self): elapsed pygame.time.get_ticks() - self.start_time self.progress min(1.0, elapsed / self.duration) def current_pos(self): # 简单的线性插值想更顺滑可以改用 ease-out 曲线 x self.start[0] (self.end[0] - self.start[0]) * self.progress y self.start[1] (self.end[1] - self.start[1]) * self.progress return (int(x), int(y))DiscardAnimation类把动画状态和绘制逻辑分离主循环里每帧调用update()更新进度然后通过current_pos()获取当前绘制位置。动画结束时从活动列表里移除对象。线性插值在视觉上略显生硬ease-out 只需要把progress做一次1 - (1 - t)^2变换成本忽略不计。5. 蒙特卡洛 AI 的 3 个必调参数与实战调优把界面和 AI 拼起来后你会发现“能跑”和“会打”之间有明显的差距。差距主要来自三个参数模拟次数、采样分布的偏差、评估函数的截断深度。5.1 模拟次数别盲目堆高看决策稳定性曲线模拟次数从 100 提升到 500决策稳定性显著提升从 500 到 2000稳定性曲线趋于平缓。验证方法是固定一个手牌场景重复运行choose_discard20 次统计每次选择的牌是否一致。def test_decision_stability(hand, known_tiles, trial_list[100, 300, 500, 1000]): 对比不同模拟次数下的决策一致性 for trials in trial_list: results [] for _ in range(20): disc choose_discard(hand, known_tiles, trials) results.append(disc) # 统计出现次数最多的牌及其占比 from collections import Counter counter Counter(results) top_tile, top_count counter.most_common(1)[0] stability top_count / len(results) print(ftrials{trials}, 最常打出的牌{top_tile}, 占比{stability:.2%})运行这个函数会看到 trials100 时稳定性可能只有 60%而 trials500 时通常能达到 90% 以上。在决定全局 trials 值前先把当前手牌场景跑一遍这个测试找到拐点即可。实际游戏里AI 决策时间应该控制在 1 秒内如果 trials1000 耗时超过 1 秒优先用 5.2 的采样优化而不是硬砍 trials。5.2 采样分布把“均匀随机”改成“扣牌加权”均匀采样会让 AI 觉得所有未知牌的出现概率相同但现实中对手打出的牌会暴露他的牌型偏好。一个廉价的改进是统计对手打过某个花色的次数降低该花色的采样权重。def sample_opponent_hand_weighted(remaining: list, discard_history: dict) - list: 根据对手弃牌历史调整采样权重 discard_history: {wan: 5, tiao: 2, bing: 3, zi: 1} weights [] for tile in remaining: if tile 9: suit wan elif tile 18: suit tiao elif tile 27: suit bing else: suit zi # 打过越多某花色说明越不需要该花色我们从剩余牌堆里抽给对手时降低权重 base 1.0 penalty 0.15 * discard_history.get(suit, 0) weights.append(max(0.1, base - penalty)) # 用 random.choices 按权重采样 chosen [] indices list(range(len(remaining))) pool list(zip(remaining, weights)) # 简化不放回采样可以用 random.choices 反复抽取后去重 for _ in range(13): selected random.choices(pool, k1)[0] chosen.append(selected[0]) pool.remove(selected) return chosen注意不放回采样在这里不能直接用random.choices因为它默认允许重复。上面的实现通过每次选完从pool里移除来模拟不放回。实际项目中还可以把惩罚系数 0.15 改成可配置项不同风格的对手用不同系数这就是“对手建模”的最简形式。5.3 评估函数的向听截断6 向听不是永远合适evaluate_hand里截断距离设成 6适用于开场阶段的决策。但进入牌局中期AI 可能已经是 2 向听或 3 向听这时候应该把截断值调小——因为后续摸牌的期望步数本身就很短截断太大会浪费模拟次数在无意义的路径上。def adaptive_distance_limit(hand: list) - int: 根据手牌当前向听数动态调整模拟深度 # 粗估向听数计算手牌中孤张的数量简化版 isolated 0 for i in range(34): if hand.count(i) 1: # 检查左右邻牌是否存在 left i - 1 if i % 9 0 else None right i 1 if i % 9 8 else None if not ((left is not None and left in hand) or (right is not None and right in hand)): isolated 1 distance isolated return max(2, distance)这个简化估算基于“孤张越多离胡牌越远”的经验精确计算向听数需要做广度优先搜索但作为模拟截断够用了。max(2, distance)保证截断值至少为 2避免距离设成 0 或 1 时评估结果过于敏感。把截断和模拟次数联动起来后AI 在牌局前中期的决策速度差异会很明显开头慢但判断准后期快且果断。6. 在图形化界面里观察 AI 的思考过程调试面板与决策日志把蒙特卡洛内部状态可视化是判断 AI“有没有学歪”的最快方式。很多麻将 AI 项目跑起来后你只看到 AI 打了一张牌根本不知道它为什么打这张。给 Pygame 界面加一个侧边调试面板实时显示每张候选牌的评估分数和为最优牌贡献的模拟次数。class DebugPanel: 在画面右侧渲染 AI 决策过程中的统计数据 def __init__(self, x1000, y100, width180, height600): self.rect pygame.Rect(x, y, width, height) self.scores [] # [(tile_name, score)] def update(self, scores): self.scores scores def draw(self, screen, font): pygame.draw.rect(screen, (40, 40, 40), self.rect) y_offset self.rect.y 20 title font.render(候选牌评分, True, (220, 220, 220)) screen.blit(title, (self.rect.x 10, y_offset)) y_offset 40 for tile_name, score in self.scores: # score 越小越好按从低到高排序输出 text font.render(f{tile_name}: {score:.2f}, True, (200, 200, 200)) screen.blit(text, (self.rect.x 15, y_offset)) y_offset 25在choose_discard的循环里收集各候选牌的评估值用一个回调函数或直接返回带分数的结果然后把数据传给DebugPanel.update()。这样可以直观看到AI 在某个局面下是否在“打 3 万”和“打 7 万”之间犹豫——犹豫越久说明候选牌的价值越接近这一步对调整采样权重很有启发。最后把每局的关键决策手牌、放弃牌、评估分、模拟次数写入 CSV 文件用 pandas 做离线的参数对比分析远比盯着屏幕猜效果要好。本文还有配套的精品资源点击获取

基于蒙特卡洛的麻将AI决策：Python+Pygame实战

相关推荐

Impeccable Operate 模式深度指南：为任务型产品 UI 建立可信任的设计基准

CVAT 标注工具 Docker 快速部署指南：AI 预标注 + 30+ 格式导出的完整落地

iPhone Duo 发布：苹果首款折叠屏 15999 元起，这笔钱到底买了什么

更多资讯

基于卷积神经网络的垃圾分类系统从零搭建与调参实战

void 项目内置 VSCode JSON Language Server 深度解析：能力、配置与 LSP 集成指南

教育信息化中的电子作业规范化管理与自动化处理

Joplin OCR 如何配置离线语言数据路径，在无网络环境执行文字识别？

GSD Discuss 模式指南：Assumptions 与 Interview 双模式上下文采集

Nginx Proxy Manager Redirection Host 实战指南：域名跳转的配置、原理与最佳实践

今日更新

CopilotKit Vue Demo 与 React Demo 的 Parity 实现指南：路由、运行时端点与交互语义的全框架对齐

Harbor RBAC 实战：db_auth 模式下非管理员用户管理项目成员的完整验证与权限模型解析

STM32平衡车纯平衡程序从拆包到参数整定的完整调试指南

本周精选

超人会飞不算本事：系统稳定依赖清晰规则与边界设计

超人VS蜘蛛侠：拆解超级IP的影响力与传播方法论

基于CNN的调制信号识别：MATLAB实现时频图分类实战

本月热门

基于YOLO的焊缝缺陷检测：从数据标注到工业部署全流程实践

分布式服务的决策记录

创业产品的首版范围

读完文章，想聊聊您的网站？