Simpy验证赌场必胜法

许久没有更新过技术学习的文章，主要是觉得最近工作上了解的内容比较简单重复，没什么好写的。然后草稿箱压了一篇关于MQTT物联网平台搭建的文章，由于比较局域懒，一直没有进行材料的整理，于是导致技术学习区的文章一直空缺。

由于是一篇技术笔记的文章，所以前面会有一点关于仿真框架的介绍。对写代码不感兴趣的朋友可以直接跳到后面有趣的部分。

Simpy概览
Simpy核心概念
- Environment
- Resource 和 Store
赌场必胜法
尾声
参考文档：

Simpy概览

本文介绍的是一套工业流程的仿真框架，也可以使用在物流，餐厅等大量需要优化的场景，比如：

如何最优化快递分拣人员的排班表以满足双十一突发的快递件量
如何估算餐厅在用餐高峰的排队时长
估算特定工序下，工厂生产所需要的物料成本/人力成本/时间成本

这类场景无法通过常规算法求出最优解, 但是我们可以通过大量业务实践中总结出一些接近的次优解。

实际生产中，随时调整厂房的生产线来试验最优解是非常昂贵的。引进仿真技术，可以给业务研究员无限的自由度去调整验证不同的优化方案。仿真的成本无非是计算机的算力，以及程序员编写业务逻辑的时间。

行业上其实已经存在一些工业仿真软件。但这类仿真软件往往针对某些特定场景高度定制化，数据埋点往往不全，缺乏通用的数据库接口，难以结合真实业务产生的数据进行仿真，这样就失去与真实业务进行比较的可能。

利用 SimPy 我们可以构建一套完全开源的仿真方案，可以完全私有定制业务场景。利用 Python 强大的生态，仿真数据从来源到输出分析，可以衔接所有开源流行的数据分析框架。

SimPy 是一个基于标准 Python 以进程为基础的离散事件仿真框架。

SimPy 中的进程是由 Python 生成器构成，生成器的特性可以模拟具有主动性的物件，比如客户、汽车、或者中介等等。SimPy也提供多种类的共享资源（shared resource）来描述拥挤点（比如服务器、收银台和隧道）。

仿真运行速度非常快，仿真中的模拟时间长短不影响仿真运行效率，仿真中的模拟时间单位可以任意指定，一秒、一年、一小时都是允许的。

Simpy核心概念

Environment

SimPy 是离散事件驱动的仿真库。所有活动部件，例如车辆、顾客,、即便是信息，都可以用 process (进程) 来模拟。这些 process 存放在 environment (环境) 。所有 process 之间，以及与environment 之间的互动，通过 event (事件) 来进行.

process 表达为 generators (生成器)，构建event(事件)并通过 yield 语句抛出事件。

当一个进程抛出事件，进程会被暂停，直到事件被激活(triggered)。多个进程可以等待同一个事件。 SimPy 会按照这些进程抛出的事件激活的先后，来恢复进程。

其实中最重要的一类事件是 Timeout，这类事件允许一段时间后再被激活，用来表达一个进程休眠或者保持当前的状态持续指定的一段时间。这类事件通过 Environment.timeout来调用。

Resource 和 Store

Resource/Store 也是另外一类重要的核心概念, 但凡仿真中涉及的人力资源以及工艺上的物料消耗都会抽象用 Resource 来表达, 主要的 method 是 request. Store 处理各种优先级的队列问题, 表现跟 queue 一致, 通过 method get / put 存放 item

Store - 抽象队列

simpy.Store - 存取 item 遵循仿真时间上的先到后到
simpy.PriorityStore - 存取 item 遵循仿真时间上的先到后到同时考虑人为添加的优先级
simpy.FilterStore - 存取 item 遵循仿真时间上的先到后到, 同时队列中存在分类, 按照不同类别进行存取
simpy.Container - 表达连续/不可分的物质, 包括液体/气体的存放, 存取的是一个 float 数值

Resource - 抽象资源

simpy.Resource - 表达人力资源或某种限制条件, 例如某个工序可调用的工人数, 可以调用的机器数
simpy.PriorityResource - 兼容Resource的功能, 添加可以插队的功能, 高优先级的进程可以优先调用资源, 但只能是在前一个被服务的进程结束以后进行插队
simpy.PreemptiveResource - 兼容Resource的功能, 添加可以插队的功能, 高优先级的进程可以打断正在被服务的进程进行插队。

赌场必胜法

来了来了，赌场发家致富的方法。

先假设有一个赌场，赌博规则如下：

玩家有48%的概率赢
每轮玩家需要花钱进行下注
如果输，玩家会输掉下注的钱；如果赢，玩家会得到下注金额2倍的奖励

玩家的策略：

如果输了，就以上次赌注的两倍进行下一次赌博
如果赢了，将赌注重置成1，然后重新赌博

import simpy
import random
import matplotlib.pyplot as plt
import numpy as np

# 初始资金一万元
funding = 10000
# 初始赌注一块钱
Bet = 1


# 这是一个赌场，有45%的概率赢钱
def casino():
    return random.random() < 0.45


funding_list = []


# 下注的行为
def gambling(env):
    global Bet, funding, funding_list
    while True:
        if casino():
            # 赢了，赢得本金，重置赌注
            funding += Bet
            print("win at %d , funding is %d" % (env.now, funding))
            Bet = 1
        else:
            # 输了，赔掉赌注，下次下注翻倍
            funding -= Bet
            print("lost at %d , funding is %d" % (env.now, funding))
            Bet = Bet * 2
            # 输光就没得玩了
        if funding <= 0:
            print("lost all at %d" % env.now)
            break
        funding_list.append(funding)
        yield env.timeout(1)


env = simpy.Environment()
env.process(gambling(env))
# 进行100轮赌注
env.run(1000)

plt.figure()
x = np.linspace(0, 1000, 1000)
y = np.array(funding_list)
y = np.pad(y, (0, 1000 - y.size), 'constant', constant_values=(0, 0))
plt.plot(x, y, linewidth=1.0, linestyle='-')
plt.grid()  # 生成网格
plt.xlabel("gambling_time")
plt.ylabel("funding")
plt.show()

第一个版本中没有止盈和止损策略，无论如何都要进行1000次下注，除非将钱输光。
第一次实验

效果还不错，经过连输好几次，好险，不过还是缓过来了，尖刀曲线到达7000之后，下一把就赢回来了。

第二次实验

我试了好几次都没有仿真出破产的结果，看上去在48%这个胜率下该策略还算可信。

调整了胜率为45%，同样也需要做好多次实验，才能得出一个破产的结果。

来看看主角最后时刻经历了什么

win at 257 , funding is 10123
win at 258 , funding is 10124
lost at 259 , funding is 10123
win at 260 , funding is 10125
lost at 261 , funding is 10124
lost at 262 , funding is 10122
lost at 263 , funding is 10118
lost at 264 , funding is 10110
lost at 265 , funding is 10094
win at 266 , funding is 10126
lost at 267 , funding is 10125
win at 268 , funding is 10127
lost at 269 , funding is 10126
lost at 270 , funding is 10124
lost at 271 , funding is 10120
lost at 272 , funding is 10112
lost at 273 , funding is 10096
lost at 274 , funding is 10064
lost at 275 , funding is 10000
lost at 276 , funding is 9872
lost at 277 , funding is 9616
lost at 278 , funding is 9104
lost at 279 , funding is 8080
lost at 280 , funding is 6032
lost at 281 , funding is 1936
lost at 282 , funding is -6256
lost all at 282

从本金10127经历了14连输之后彻底破产。