斗地主洗牌手法由谁洗牌?

斗地主这个游戏的来由是什么?- 百度派
{{ mainData.uname }}
:{{ mainData.content }}
{{ prevData.uname }}
:{{ prevData.content }}
{{ mainData.uname }}
:{{ mainData.content }}
0 || contentType !== 1" class="separate-line">
:{{ item.content }}
3">等{{ uList.length }}人邀请你回答
斗地主这个游戏的来由是什么?
问题说明(可选):
扫一扫分享到微信
{{ log.sign }}
可能对你的问题感兴趣
暂无相关用户
,才能邀请用户
,才能邀请用户
你已邀请15人,不可再邀请
,一个有梦想的年轻人
斗地主起源于湖北十堰房县,据传是一位叫吴修全的年轻人根据当地流行的扑克玩法“跑的快”改编的,如今已风靡整个中国,并流行于互联网上。玩家、牌面和发牌  我们先介绍三人斗地主,四人斗地主与三人斗...
斗地主起源于湖北十堰房县,据传是一位叫吴修全的年轻人根据当地流行的扑克玩法“跑的快”改编的,如今已风靡整个中国,并流行于互联网上。玩家、牌面和发牌  我们先介绍三人斗地主,四人斗地主与三人斗地主的区别将在本文的最后介绍。  斗地主使用一副54张的扑克牌,包括两张怪(王),即大怪和小怪。牌面从大到小依次是:  大怪、小怪、2、A、K、Q、J、10、9、8、7、6、5、4、3  花色是没有区别的。  中国的大多数牌类玩法通常是不发牌的,而是玩家轮流从牌堆中抓牌。  一个玩家(以下称为庄家)洗牌以后,让他左边的玩家切牌,并把牌堆放在牌桌中间。然后庄家翻出一张牌,插到牌堆当中(牌面向上,抓到这张牌的人先叫牌)。庄家先从牌堆最上面抓一张牌(但不要让其他玩家看到),然后右边的玩家以同样的方式抓牌,然后是第三个玩家,然后又轮到庄家,就这样沿着牌桌逆时针抓牌,直到每人手里抓了17张为止。直到叫牌前,最后3张牌依然是牌面朝下扣在牌桌上的。玩家最好是一边抓牌一边理牌,这样可以节约一些时间。  【但事实上斗地主通常是由庄家发牌而不是轮流抓牌的,因为发牌的速度比轮流抓牌快,而且不容易忘记留3张底牌。】
扫一扫分享到微信
斗地主这个游戏的来由是什么?
,才能进行回答
一个问题只能回答一次,请&nbsp点击此处&nbsp查看你的答案
1人关注了此问题[cocos2dx]斗地主制作之洗牌算法
做斗地主项目,洗牌算法是一个很重的一步,怎样“洗”的均匀,“洗”的随机,这是非常考究的,算法的优劣就直接会影响效果的好坏。这里我给出一个算法,将0-53这54个数字直接排序,经测试还挺随机的。这里要感谢@灰太龙的指导!这个算法是服务器端用于返回给客户端牌的算法,主要的思想就是不断的换牌,两牌交换位置,如果循环次数增大的话,随机性也会更强,洗牌的效果更好!
using System.Collections.G
using System.L
using System.T
namespace 随机排序
class Program
static void Main(string[] args)
int [] data = new int [54];
for (int i = 0; i > 32));
//牌交换算法
for (int i = 0; i < 54; i++)
int t1 = random.Next(0, 54);
int t2 = random.Next(0, 54);
int temp = data[t1];
int data1 = data[t1];
int data2 = data[t2];
data[t1] = data2;
data[t2] =
Console.WriteLine("排序后:");
foreach (int i in data)
Console.Write(i + ",");
运行截图:
C&#43;&#43;:
void HelloWorld::xipai()
for (int i=0; i<54; i++) {
for(int i=0;i<54;i++)
int t1 = arc4random()%54;
int t2 = arc4random()%54;
int temp = data[t1];
int data1 = data[t1];
int data2 = data[t2];
data[t1] = data2;
data[t2] =
printf("洗牌之后:\n");
for (int i =0; i<54; i++) {
printf("%d
",data[i]);
会发现还是挺随机的,如果将for循环取大一点就更随机了!鍙?渶涓

我要回帖

更多关于 斗地主洗牌手法 的文章

 

随机推荐