共命之鸟算法

A. 常见的群体智能算法不包括

有一些并不是广泛应用的群体智能算法，比如萤火虫算法、布谷鸟算法、蝙蝠算法以及磷虾群算法等等。

粒子群算法（particle swarm optimization，PSO）是计算智能领域中的一种生物启发式方法，属于群体智能优化算法的一种，常见的群体智能优化算法主要有如下几类：

设想这样一个场景：一群鸟在随机的搜索食物。在这个区域里只有一块食物，所有的鸟都不知道食物在哪。但是它们知道自己当前的位置距离食物还有多远。那么找到食物的最优策略是什么？最简单有效的就是搜寻目前离食物最近的鸟的周围区域。

Step1:确定一个粒子的运动状态是利用位置和速度两个参数描述的，因此初始化的也是这两个参数；

Step2:每次搜寻的结果（函数值）即为粒子适应度，然后记录每个粒子的个体历史最优位置和群体的历史最优位置；

Step3:个体历史最优位置和群体的历史最优位置相当于产生了两个力，结合粒子本身的惯性共同影响粒子的运动状态，由此来更新粒子的位置和速度。

位置和速度的初始化即在位置和速度限制内随机生成一个N x d 的矩阵，而对于速度则不用考虑约束，一般直接在0~1内随机生成一个50x1的数据矩阵。

此处的位置约束也可以理解为位置限制，而速度限制是保证粒子步长不超限制的，一般设置速度限制为[-1,1]。

粒子群的另一个特点就是记录每个个体的历史最优和种群的历史最优，因此而二者对应的最优位置和最优值也需要初始化。其中每个个体的历史最优位置可以先初始化为当前位置,而种群的历史最优位置则可初始化为原点。对于最优值，如果求最大值则初始化为负无穷，相反地初始化为正无穷。

每次搜寻都需要将当前的适应度和最优解同历史的记录值进行对比，如果超过历史最优值，则更新个体和种群的历史最优位置和最优解。

速度和位置更新是粒子群算法的核心，其原理表达式和更新方式：

每次更新完速度和位置都需要考虑速度和位置的限制，需要将其限制在规定范围内，此处仅举出一个常规方法，即将超约束的数据约束到边界（当位置或者速度超出初始化限制时，将其拉回靠近的边界处）。当然，你不用担心他会停住不动，因为每个粒子还有惯性和其他两个参数的影响。

粒子群算法求平方和函数最小值，由于没有特意指定函数自变量量纲，不进行数据归一化。

B. 长沙麻将算法是怎么样的呢

1、长沙麻将详解：长沙麻将算法是胡牌+中鸟（一般两个鸟，中一个就按下面的计算方式乘以2，中两个就乘以3）。

2、小胡：闲家一番，庄家两番，然后再看中鸟。

3、大胡：大胡只有清一色、小七对、将将胡、碰碰胡、全求人、杠上花、海底捞。每个大胡算法是一样的，即闲家六番，庄家七番。然后再看中鸟。

4、多大胡：会有多大胡的情况，比如清一色的杠上花，龙七对，碰碰胡的全求人的杠上花，那么算法就是这样的，一个大胡在没有算鸟的情况下算一盒，两个大胡就是两盒，三个就是三盒，再算中鸟。

麻将起源

1、我们俗称“饼”，它其实是一个粮仓屯（土话）的正上方俯视图，也就是说”筒“是一个抽象的截图。大家可以结合搜一个粮仓图（暂没有找到合适的俯视图给大家）。储粮食的时候，人们用席子围成一个桶状的立柱空间，粮食储存在里面，为了防漏雨，顶是两圈草垫以同心圆叠盖结成。

2、因此，从粮仓的正上方俯视下来，我们看到的抽象事物就是一个“筒”，两个粮仓就是两个“筒”，以此类推到“九筒”。后来因打仗传到南方后，叫法上出现了“饼”的读音，是一种看图说话的缘故，但这个错误也很普遍地沿袭了下来，让人们对麻将的历史理解越来越远。

基础

1、一般长沙麻将需要任意花色2、5、8序数做将，才能胡牌。

2、少数特殊牌型可以不需要任意花色2、5、8序数做将也能胡牌，后文会详细说明。

3、可吃、碰、杠，其中杠牌比较特殊分为“补杠”和“开杠”2种。

4、补杠胡牌时不算杠上花，开杠只有在听牌时才能开杠，开杠后不可以更改听张。

5、可自摸、放炮，有人胡牌时，立刻算扎鸟。

番型

1、长沙麻将的特色玩法，跟其他地方麻将，有着一种特殊的区别，那就是多一种起手胡。

2、起手胡是几种特殊牌型，当麻友们正好起手拥有这几种牌型，即可算做胡牌，（算完后继续打牌）。

3、起手一共分为4种番型，分别是四喜、板板胡、缺一门、六六顺。

4、四喜：起手手中有四张一样的牌。

5、板板胡：起完牌后，手中没有一张花色的2、5、8将牌。

6、缺一色：起手手上筒索万任意缺一门。

7、六六顺：起手手中有2个刻字。

牌型

1、烂胡子：就是屁胡+1番。

2、全球人：四副牌全是吃碰杠，胡他家打出的牌，6番。

3、碰碰胡：不必详细解释，一般麻友都懂，6番。

4、清一色：同一花色牌胡牌，不需要2、5、8做将，也是6番。

5、七对：手中7个对子自摸胡牌，6番。