多袋摸球概率计算器 🎲

这是一个用于计算复杂多袋摸球问题概率的专业工具。支持精确计算和蒙特卡洛模拟两种方法。

🌟 功能特点

通用性: 支持任意数量的袋子和球颜色
灵活操作: 支持摸球、丢球、放回三种操作类型
双计算模式:
- 🔢 精确计算: 使用组合数学进行精确计算（状态空间遍历）
- 🎲 蒙特卡洛模拟: 使用随机模拟进行快速近似
交互界面: 提供友好的命令行交互界面
配置保存: 支持保存和加载问题配置
结果导出: 计算结果保存为JSON格式

📁 项目结构

.
├── 📄 config_wizard.py        # ✅ NEW! 配置向导程序（用户友好界面）
├── 📄 calculate_from_file.py  # ✅ NEW! 从配置文件计算
├── 📄 main.py                 # 主程序入口（直接运行原始问题）
├── 📄 interactive_app.py      # 交互式应用程序
├── 📄 probability_calculator.py # 核心计算引擎
├── 📄 example_config.py       # 示例问题配置
├── 📄 requirements.txt        # 依赖说明
└── 📄 README.md              # 本文件

🆕 新功能介绍

1. `config_wizard.py` - 配置向导

交互式配置摸球问题，支持：

自定义袋子数量和内容
分步配置操作序列（最多10步）
四种操作类型：摸球、丢袋球、丢手球、放回球
自动验证和保存配置
支持立即计算或稍后计算

2. `calculate_from_file.py` - 文件计算器

从JSON配置文件计算概率，支持：

命令行参数控制
精确计算和蒙特卡洛模拟两种模式
结果自动保存为JSON文件

🚀 快速开始

方法1: 使用配置向导（推荐）

python config_wizard.py

这将启动用户友好的配置向导，引导您：

设置问题描述
自定义袋子：指定袋子数量和每种颜色的球数
配置操作序列：最多10步操作，包括：
- 从袋子摸球
- 从袋子丢球
- 从手中丢球
- 放回球到袋子
自动验证：检查配置有效性
保存配置：生成JSON配置文件
立即计算：选择计算方法并直接计算

方法2: 从配置文件计算

python calculate_from_file.py user_problem.json

从现有的配置文件计算概率。支持：

exact：精确计算 - python calculate_from_file.py 文件.json exact
monte：蒙特卡洛模拟 - python calculate_from_file.py 文件.json monte 100000

方法3: 直接运行原始问题

python main.py

这将直接计算您提出的复杂4袋摸球问题。

方法4: 交互式应用程序

python interactive_app.py

这将启动交互式界面，您可以：

查看示例问题
自定义新问题
选择计算方法
保存和加载配置

🎯 原始问题描述

袋子配置：

袋子1: 3个黄球(Y)，5个白球(W)
袋子2: 1个蓝球(B)，1个紫球(P)
袋子3: 2个蓝球(B)，1个黄球(Y)
袋子4: 1个黄球(Y)，5个蓝球(B)

操作步骤：

从袋子1摸两个球
从袋子1丢掉两个球
再从袋子1摸一个球
从袋子2摸一个球
从袋子3摸一个球
将自己手中的球放回袋子3一个
从袋子4摸两个球
放回一个球到袋子1
再从袋子1摸一个球

📊 计算方法

1. 精确计算（组合数学）

使用状态空间遍历
计算所有可能结果的精确概率
适用于状态空间较小的问题
结果100%准确

2. 蒙特卡洛模拟

使用随机抽样进行模拟
可指定模拟次数（默认100,000次）
适用于复杂问题，状态空间太大时
结果为近似值，但精度可通过增加模拟次数提高

🛠️ 自定义问题

袋子配置格式：

bags_config = {
    1: {"红": 3, "蓝": 5},      # 袋子1: 3红球, 5蓝球
    2: {"绿": 2, "黄": 4},      # 袋子2: 2绿球, 4黄球
    3: {"白": 1, "黑": 2},      # 袋子3: 1白球, 2黑球
}

操作序列格式：

operations = [
    {"bag_id": 1, "draw_count": 2, "operation_type": "draw"},    # 从袋子1摸2个球
    {"bag_id": 1, "draw_count": 1, "operation_type": "discard"}, # 从袋子1丢1个球
    {"bag_id": 2, "draw_count": 1, "operation_type": "draw"},    # 从袋子2摸1个球
    {"bag_id": 1, "draw_count": 1, "operation_type": "return"},  # 放回1个球到袋子1
]

操作类型：

"draw": 从指定袋子摸球
"discard": 从指定袋子丢球（随机丢）
"return": 从手中随机放回一个球到指定袋子

📈 输出结果

程序会输出：

总状态数
总概率（应该接近1.0）
手上球的最终分布（按概率降序排列）
不同结果的数量
期望的各颜色球数（精确计算时）

结果示例：

🏆 手上球的最终分布:
 1. 2Y+3W+3B          : 0.127046 (12.70%)
 2. 2Y+3W+2B+1P       : 0.083806 (8.38%)
 3. 3Y+3W+2B          : 0.063842 (6.38%)
 ...
📋 总共的不同结果: 39种手上球的组合

⚙️ 系统要求

Python 3.7+
无需额外安装包（使用标准库）
推荐使用Python虚拟环境

📝 技术实现细节

核心算法：

状态表示:
- 使用字典表示袋子状态：{颜色: 数量}
- 使用Counter表示手中球状态
精确计算:
- 递归遍历所有可能的状态转移
- 使用组合数学计算每一步的概率
- 合并相同状态以减少状态空间
蒙特卡洛模拟:
- 随机抽样模拟整个过程
- 使用大数定律逼近真实概率
- 提供进度显示
优化策略:
- 状态剪枝：当状态过多时，只保留概率最高的状态
- 缓存机制：避免重复计算
- 惰性计算：只在需要时展开状态

🧪 测试与验证

系统内置验证功能：

配置有效性检查
概率总和验证（应接近1.0）
边界情况处理

🔍 常见问题

Q: 精确计算太慢怎么办？

A: 对于复杂问题，建议使用蒙特卡洛模拟。增加模拟次数可以提高精度。

Q: 总概率不等于1怎么办？

A: 可能原因：

蒙特卡洛模拟的统计误差（增加模拟次数）
精确计算的舍入误差（正常现象）
程序错误（检查配置）

Q: 可以处理多少个袋子？

A: 理论上无限制，但状态空间随袋子和操作数量指数增长。

Q: 支持哪些颜色？

A: 任意字符串作为颜色标识，如"红"、"蓝"、"Y"、"W"等。

📄 许可证

本项目仅供学习和研究使用。

🤝 贡献

欢迎提出问题、建议和改进！

📞 支持

如有问题，请查看代码注释或直接运行程序查看帮助信息。

开始使用: python main.py 或 python interactive_app.py

Happy Calculating! 🎲🧮📊

Full Changelog: https://github.com/fcy10012/-Probability-calculator/commits/release

Releases: fcy10012/-Probability-calculator

版本 v1.1.0 - 重要错误修复

Uh oh!

zip文件