群体狂乱的概率学：用蒙特卡洛找最优解

群体狂乱让场上每个随从随机攻击另一个随从。结果高度随机——但"随机"不等于"不可计算"。

# 模拟

python

import random

def simulate(board, trials=100_000):
    wins = 0
    for _ in range(trials):
        b = [m.copy() for m in board]
        random.shuffle(b)
        for m in b:
            if m.alive:
                target = random.choice([t for t in b if t is not m and t.alive] or [None])
                if target: m.attack(target)
        wins += evaluate(b)
    return wins / trials

# 结论

当敌方随从数量大于我方两倍、且攻击力分布方差较大时，期望收益显著为正。直觉和计算在这里意外地一致。