14枚聴牌の手牌で、17巡目の和了確率、期待値が0になっている

[nekobean]

t巡目14枚のツモ回数を18-t回と設定した場合、17巡目であと1回自摸れるはず

[noshiro-pf]

残りツモ1回のとき（17巡目）の和了確率だけでなく、ツモが無くなったとき（18巡目）の聴牌確率（0% or 100%）にも修正が要りそうな気がします！（考慮済みでしたらすみません）
https://pystyle.info/mahjong-nanikiru-simulator/comment-page-12/#comment-325

これができると、終盤の和了確率が低くなり打点があまり関係無く聴牌確率を上げる価値が高くなってきたときの状況をより精度良く反映できそうで嬉しいです。

そして、聴牌確率のシミュレーションだけでも修正されれば嬉しいですが、できればさらに流局時のノー聴罰符も期待値に加味できると終盤の期待値計算結果がより実戦的になり嬉しい気がします。聴牌料はユーザー入力設定（1000 or 1500 or 3000）とする手もありそうですが、一旦決め打ちでも個人的には良い気がします。

ちなみに、東家・南家と西家・北家でツモ回数を変えるのかどうかは仕様を把握していませんが、18 巡固定なんでしょうか？ （副露や槓で結局変わりますし18巡固定のシミュレーションで不満は全くありませんが）

[tomohxx]

t巡目14枚のツモ回数を18-t回と設定した場合、17巡目であと1回自摸れるはず

以下の箇所が原因ではないでしょうか？

mahjong-cpp/src/server/json_parser.cpp

Line 291 in 6b538f6

config.t_max = num_tiles == 14 ? 17 : 18;

私のmahjong-win-prob¹では0巡目を配牌直後の手牌が13枚の状態として14枚の状態になる毎に巡目がインクリメントされるという考え方をしています. 入力された手牌の枚数に関わらずt_maxは18とするのが正しいです.

Footnotes

1. https://github.com/tomohxx/mahjong-win-prob/blob/main/src/win_prob2.cpp ↩

[nekobean]

@noshiro-pf さん

コメントありがとうございます。

和了確率について、tomohxx さんにご指摘いただいた点が問題でした。
また、聴牌確率についても問題点がわかりました。

できればさらに流局時の聴牌料も期待値に加味できると終盤の期待値計算結果がより実戦的になり嬉しい気がします。

点数計算は積み棒、立直棒に対応しているので、機能追加すること自体は容易ですが、以下の理由から少し検討させてください。

得点期待値は一人麻雀という特殊な設定の元で計算された値のため、打牌の優越についてはある程度参考にできるものの、得点期待値の値自体を大小の比較などに使うのが妥当かどうかについては微妙な気がしてます。
(4麻において、得られる点数が3000点未満なら降りるという判断があったとして、一人麻雀での期待値が4000点と出てきたとしても、4麻での期待値ではないので、値の大小の比較はできないのではないか)

牌譜から統計とるなどして一人麻雀の期待値と4麻での期待値の乖離がどの程度あるのかわかれば、値の大きさにも意味が出てくるかもしれないですが、今のところ不明のため

東家・南家と西家・北家でツモ回数を変えるのかどうかは仕様を把握していませんが、18 巡固定なんでしょうか？

今は18巡目固定にしています。
この点も上記と同様に、実戦では鳴きがあるため、一人麻雀で自家によって巡目を変えることに意味があるかどうかという問題な気がしてます。
仰る通り、鳴きがなければ、同じ手牌でも西家・北家のほうが本来、期待値は少し下がるはずです

[nekobean]

@tomohxx さん

0巡目を配牌直後の手牌が13枚の状態として14枚の状態になる毎に巡目がインクリメントされる

$t$ 巡目の定義について、認識が間違っておりました。
巡目の定義、また問題箇所について教えていただきありがとうございます。

[noshiro-pf]

@nekobean ご返信ありがとうございます。

おっしゃる通り、一人麻雀シミュレーターの計算結果はそういう状況設定の上での値として意識して活用すべきだとは自分も認識しています。
シミュレーターをどのような思想で設計するのか次第な気はしますので、一人麻雀シミュレーターはこういうもの、ということであれば異論はございません！（守備やめくり合いの勝ちやすさを度外視し、自力ツモのみによる期待値を調べる、という一人麻雀の範疇でも、不聴罰符を考慮するくらいならやりすぎにはならないかも、という発想でのリクエストでした 🙏 ）

このコメント をさせていただいたときのモチベーションとしては、以下の添付画像のような牌姿（①～③いずれも同じ牌姿で巡目のみ変更）で、不聴罰符も加味した結果を見てみたい、というものでした。
①の序盤では、完全一向聴に取らず形（受け入れ枚数）を多少犠牲にしてでも467mの重なりを見て345三色が付きやすい・赤5pを使い切りやすい手組をするあたりは自分の感覚と一致しているなと思った一方で、③の終盤ではもう（他家に対し危険でさえなければ）赤5pを切ってしまって受け入れ枚数を最大化し聴牌のみを目指しても良いのでは、と考えたため、 simulator は赤5pの価値を過大評価・受け入れ枚数を過小評価しているように見え若干違和感がありました。

四麻実戦の終盤では、そもそも和了が実現しづらい手の打点を上げてもあまり仕方がない傾向があると思われますが、こちらの結果は一人麻雀シミュレーターが「どんなに実現確率が低くとも高い手が上がれる目があれば期待値プラス、上がれなければ聴牌だろうがなんだろうが無価値」という評価をしているのであればそれが影響していそうだな、と感じました（自分はアマチュアですので、このあたりの感覚も人間プロ的にはこの牌姿に対しては的外れなことを言っている可能性がある点はご了承ください 🙇‍♂️ リアル麻雀で遭遇した牌姿だったため、NAGA等のAI解析結果は残念ながら確認できていません… ）。

[nekobean]

@tomohxx さん

ブログのほうにコメントをくださっていることに今気づきました。
URL があったため、WP の設定でコメントが表示されていなかったようです。
申し訳ありません。

探索範囲を拡大すると期待値で見たときに不自然な選択が上位の候補に出てくることがあります。
実践では先制立直を打つことが重要なので高いが遠い手は見限ることがあります。
探索範囲は1手替わりに止めて打点と聴牌速度のバランスを取るのがよいと思います。

ありがとうございます。
探索範囲を広げれるのはよいことと思ってましたが、
得点の価値を巡目に関わらず同じに評価しているので、できるだけ早く和了を目指す実戦との乖離が出てきてしまうのですね。

ちなみに extra=2 にしたきっかけなのですが、以下の問題で 2s より先に 6p が来てしまうのが、探索範囲の問題かと思って入れてました

手牌 33456789m6p24677s 3巡目

extra=1 の場合
9m > 3m > 6p > 2s

extra=2 の場合
9m > 3m > 2s > 6p

ただ、おっしゃる通り、それによって違和感ある結果がほかで生じてる可能性もあるので、一旦 extra=1 に戻そうと思います。

あとは強化学習で行われてるように、遠い巡目での得点より早い巡目での得点を重視するために割引率を入れてみるとかでしょうか

$$ s_{t}^{s} = \gamma \left( s_{t + 1}^{s} + \sum_{s'} \frac{w(s, s')}{S - t} \left( \max(s_{t + 1}^{s'}, \text{score}) - s_{t + 1}^{s} \right) \right), \gamma < 1 $$

[nekobean]

@noshiro-pf さん

こちらの結果は一人麻雀シミュレーターが「どんなに実現確率が低くとも高い手が上がれる目があれば期待値プラス、上がれなければ聴牌だろうがなんだろうが無価値」という評価をしているのであればそれが影響していそうだな、と感じました

すみません、立直棒のことと勘違いしてました。
不聴罰符に関してコメントいただいてたのですね。
今は和了時の点数しか考慮していないため、不聴罰符による収入は計算に含まれていないです。
仰るとおり和了づらい高い役やドラが過剰に評価される傾向はあります。
不聴罰符については、何点にするかという問題もありますが、組み込むことは可能と思いますので検討してみます。