Bearbeiten: Bausteine an der Kopfzeile ziehen oder mit ◀ ▶ verschieben, Breite und Höhe mit − / + ändern, mit × entfernen. Jeder Baustein kann einmal vorkommen; die übrigen Ansichten zeigen ihn dann nicht.
Auswertung aller Spiele der aktuellen Kategorie (Modus, Bot-Anzahl, Teams).
Regelvarianten A und B mit Bot-Spielen ohne Anzeige vergleichen.
Kartendeck, Spielende-Bedingungen und Züge einstellen. „Übernehmen“ startet ein neues Spiel.
Für jeden legalen Zug spielt der Bot den Zug auf einer Kopie aus, mischt dabei die für ihn unsichtbaren Karten (Gegnerhände und CardPile) neu und bewertet die Stellung über 40 Merkmale (linear, wahlweise mit einem kleinen neuronalen Netz) und rechnet je nach Einstellung 1–3 eigene Züge voraus. Er wählt den Zug mit dem höchsten Wert. Nach jedem Self-Play-Spiel werden die Gewichte per TD(λ) in Richtung des Endergebnisses verschoben. Trainiert wird getrennt je Spielerzahl; die Gewichte bleiben in diesem Browser gespeichert und lassen sich exportieren und importieren.
Vorausschau und Training der lernenden Bots. Die Spielweise je Bot stellen Sie im Spiel unter „Steuerung“ ein.
Wie viele eigene Züge die lernenden Bots vorausrechnen. 2 ist deutlich stärker als 1; 3 bringt kaum mehr und ist langsamer.
MCTS (Information-Set-MCTS): je Durchlauf eine neue Kartenverteilung, Suchbaum über Zugfolgen, Gegner antworten mit ihrem besten Zug. Gemessen gegen die Vorausschau über 2 Züge (3 Spieler): 300 Durchläufe 33,1 % ±4,6, 1 000 Durchläufe 31,3 % ±5,3, fair 33,3 % – also gleich stark, aber langsamer (1 000 Durchläufe etwa 0,3 s pro Zug). Die Vorausschau-Einstellung gilt nur ohne MCTS.
Ein Profil lässt einen lernenden Bot einen der drei Exits bevorzugen, ohne starr daran festzuhalten: Liegt ein anderer Exit deutlich näher, schwenkt er um. Zuweisen je Bot im Spiel unter „Steuerung“ (Spielweise).
Gemessen (3 Spieler, gegen neutrale lernende Bots): Der Sammler erreicht Set-Finishes etwa doppelt so oft, der Gassigeher DOGS-Finishes öfter; beides kostet einige Prozentpunkte Siegquote. Der neutrale Bot ist von sich aus schon ein „Ableger“ – das Profil verschiebt dort kaum etwas.
Gilt, wenn Sie selbst mitspielen. Die Bots bewerten Ihre Züge, lernen aus jeder beendeten Partie und bilden sich ein Bild Ihrer Spielweise.
Bewertung: Der Bot rechnet in Ihrer Stellung mit Ihrem Wissen alle legalen Züge durch (eingestellte Vorausschau). Wertverlust = Wert seines besten Zugs minus Wert Ihres Zugs; die Skala entspricht etwa (eigene Punkte − Ø Gegner) / 10, plus 0,5 bei Sieg. Unter 0,03 gleichwertig, ab 0,1 ungenau, ab 0,25 Fehler. Der Maßstab ist die Bewertung des Bots, nicht die Wahrheit.
Lernen: Nach jeder Partie ein TD(λ)-Schritt mit kleiner Lernrate (0,004, Self-Play 0,02) über die Stellungen aller Sitze, Ihre eingeschlossen. Die angepassten Gewichte liegen getrennt je Spielerzahl; die Grundgewichte bleiben unverändert.
Gegnermodell: Wie oft Sie einen Zugtyp wählen, wenn er möglich ist, und welchen Exit Sie erreichen. In der Vorausschau (ab 2 Zügen) antwortet Ihr Sitz dann nicht mehr rein „bester Zug nach Bot-Bewertung“, sondern mit Ihren Neigungen gewichtet; vertraut wird dem Modell ab 30 Entscheidungen, voll ab 300. Gemessen gegen zwei simulierte Spielstile (je 800 Partien, 3 Spieler): kein messbarer Vorteil, aber auch kein Nachteil (Unterschiede ≤ 1 Prozentpunkt). Die Statistik oben ist darum vor allem eine Auskunft über Ihre Spielweise.
Bewertung: linear
Nach jeder zugeschauten Partie ein kleiner Lernschritt (Lernrate 0,004) in die Gewichte der jeweiligen Spielerzahl – nur mit Standardregeln und ohne Teams. Der Simulator lernt nie.
Die Bots lernen per Self-Play – getrennt je Spielerzahl.