随机游戏(Random伪随机函数的应用)

#游戏机有一个投币口,还有一个杠杆。当投币并拉动杠杆后,三个包含不同图片的轮盘开始转动,最后停在三幅图片上。图片有樱桃,橙子,李子,柠檬,横条,以及铃铛这几幅。三幅特定组合的图片会使玩家获得一定的收益。假设每个轮盘包含5个樱桃,5个橙子,5个李子,3个铃铛和一个横条。下面的程序模拟了拉杆拉动以后的情况。每个轮盘包含20幅图片,因此我们随机从1-20中选取数字。

 1 import random
 2
 3 def main():
 4     for i in range(10):
 5         outcome = spinWheel()
 6         print(outcome, end=" ")
 7
 8 def spinWheel():
 9     n = random.randint(1,20)
10     if n >15:
11         return "Cherries"
12     elif n > 10:
13         return "Orange"
14     elif n > 5:
15         return "Plum"
16     elif n > 2:
17         return "Melon"
18     elif n > 1:
19         return "Bell"
20     else:
21         return "Bar"
22 main()

运行结果如下图所示:

时间: 2024-11-23 16:21:42

随机游戏(Random伪随机函数的应用)的相关文章

随机漫步(random walk)

1.题目 有一类问题总称为"随机漫步"(Random Walk)问题,这类问题长久以来吸引着数学界的兴趣.所有这些问题即使是最简单的解决起来也是极其困难的.而且它们在很大程度上还远没有得到解决.一个这样的问题可以描述为: 在矩形的房间里,铺有n×m块瓷砖,现将一只(醉酒的)蟑螂放在地板中间一个指定方格里.蟑螂随机地从一块瓷砖"漫步"到另一块瓷砖(可能是在找一片阿司匹林).假设它可能从其所在的瓷砖移动到其周围八块瓷砖中的任何一个(除非碰到墙壁),那么它把每一块瓷砖都至

投骰子的随机游戏

投骰子的随机游戏 每个骰子有六面,点数分别为1.2.3.4.5.6.游戏者在程序开始时输入一个无符号整数,作为产生随机数的种子. 每轮投两次骰子,第一轮如果和数为7或11则为胜,游戏结束:和数为2.3或12则为负,游戏结束:和数为其它值则将此值作为自己的点数,继续第二轮.第三轮...直到某轮的和数等于点数则取胜,若在此前出现和数为7则为负. 投骰子需要一个能模拟产生随机数的函数,#include <cstdlib> 中的 int rand(void) 函数是C++库中自带的产生并返回一个伪随机

Java中的引用类型Scanner类和随机类型Random

Scanner类 我们要学的Scanner类是属于引用数据类型,我们先了解下引用数据类型.   引用数据类型的使用 与定义基本数据类型变量不同,引用数据类型的变量定义及赋值有一个相对固定的步骤或格式. 数据类型 变量名 = new 数据类型(); 每种引用数据类型都有其功能,我们可以调用该类型实例的功能. 变量名.方法名(); Scanner类 Scanner类是引用数据类型的一种,我们可以使用该类来完成用户键盘录入,获取到录入的数据. Scanner使用步骤: //导包: import jav

【Python】随机模块random &amp; 日期时间のtime&amp;&amp;datetime

■ random 顾名思义,random提供了python中关于模拟随机的一些方法.这些方法都一看就懂的,不多说了: random.random() 返回0<n<=1的随机实数 random.uniform(a,b) 返回a<n<=b的随机实数 random.randrange([start],stop,[step]) 返回序列range(start,stop,step)中随机一项 random.choice(seq) 返回序列中随机一项 random.sample(seq,n)

【机器学习】随机森林 Random Forest 得到模型后,评估参数重要性

在得出random forest 模型后,评估参数重要性 importance() 示例如下 特征重要性评价标准 %IncMSE 是 increase in MSE.就是对每一个变量 比如 X1 随机赋值, 如果 X1重要的话, 预测的误差会增大,所以 误差的增加就等同于准确性的减少,所以MeanDecreaseAccuracy 是一个概念的. IncNodePurity 也是一样, 如果是回归的话, node purity 其实就是 RSS(残差平方和residual sum of squar

随机森林——Random Forests

[基础算法] Random Forests 2011 年 8 月 9 日 Random Forest(s),随机森林,又叫Random Trees[2][3],是一种由多棵决策树组合而成的联合预测模型,天然可以作为快速且有效的多类分类模型.如下图所示,RF中的每一棵决策树由众多split和node组成:split通过输入的test取值指引输出的走向(左或右):node为叶节点,决定单棵决策树的最终输出,在分类问题中为类属的概率分布或最大概率类属,在回归问题中为函数取值.整个RT的输出由众多决策树

剪刀石头布的游戏 random中randint的用法

#-*- cording: utf-8 -*- from random import randint player = int(input("0为剪刀 1为拳头 2为布")) computer = randint(0,2) if (player == "0" and computer == "2") or (player == "1" and computer =="0") or (player == &q

第九篇:随机森林(Random Forest)

前言 随机森林非常像<机器学习实践>里面提到过的那个AdaBoost算法,但区别在于它没有迭代,还有就是森林里的树长度不限制. 因为它是没有迭代过程的,不像AdaBoost那样需要迭代,不断更新每个样本以及子分类器的权重.因此模型相对简单点,不容易出现过拟合. 下面先来讲讲它的具体框架流程. 框架流程 随机森林可以理解为Cart树森林,它是由多个Cart树分类器构成的集成学习模式.其中每个Cart树可以理解为一个议员,它从样本集里面随机有放回的抽取一部分进行训练,这样,多个树分类器就构成了一个

C++ 随机函数/伪随机函数

使用rand()函数时,每次随机数都是固定(伪随机数),在前面加上以下函数,每次生成的随机数为随机, srand((int)time(NULL)); rand(); 原文地址:https://www.cnblogs.com/shenji/p/12321742.html