فرایندهای تصادفی تصمیم‌گیری مارکوف، الگوریتم Expectiminimax و تاس اثبات‌پذیر عادلانه در تخته نرد

برخلاف بازی‌های کاملاً قطعی نظیر شطرنج و چکرز، تخته نرد با وارد کردن متغیرهای تصادفی از طریق پرتاب دو تاس، فرایند تصمیم‌گیری را به یک فرایند تصمیم‌گیری مارکوف با افق متناهی (Finite-Horizon MDP) تبدیل می‌کند. این ساختار نیازمند ارزیابی درخت‌های بازی با گره‌های شانس (Chance Nodes) بر مبنای ۲۱ ترکیب متمایز تاس و یادگیری تقویتی TD(λ) است.

۱. الگوریتم Expectiminimax و ارزش ریاضی تاس‌ها

در الگوریتم Expectiminimax، گره‌های شانس امید ریاضی حاصل از ۲۱ برآمد متمایز را محاسبه می‌کنند (۱۵ برآمد غیرجفت هر کدام با احتمال ۱/۱۸ و ۶ برآمد جفت هر کدام با احتمال ۱/۳۶). به دلیل ضریب انشعاب بسیار بالا در پاسخ به تاس‌های پرانرژی، پیمایش کلاسیک فراتر از عمق ۳ لایه از لحاظ محاسباتی غیرممکن است و موتورهای مدرن (نظیر GNU Backgammon و wildbg) با استفاده از شبکه‌های عصبی عمیق ارزش اکوئیتی صفحه را به صورت آنی تخمین می‌زنند.

۲. اقتصاد مکعب دوبل و پنجره تصمیم‌گیری بهینه

مکعب دوبل (Doubling Cube) تخته نرد را به یک مسئله شرط‌بندی و توقف بهینه تبدیل می‌کند. بازیکن بر اساس پنجره دوبل تصمیم می‌گیرد:

• نقطه پذیرش (Take Point): در بازی پولی، بازیکن در صورتی که احتمال برد او بیش از ۲۵٪ باشد باید دوبل را بپذیرد (زیرا تسلیم شدن به معنای زیان ۱ واحد و ادامه بازی به امید ارزش مورد انتظار ۲ واحد است).
• نقطه پیشنهاد دوبل (Double Point): معمولاً در محدوده اکوئیتی ۶۸٪ الی ۷۰٪ قرار دارد، پیش از آنکه به محدوده Market Loser برسد که حریف عاقلانه تاس را رد کند.

۳. پروتکل رمزنگاری دانه تصادفی اثبات‌پذیر عادلانه (Provably Fair)

از آنجا که شانس ستون اصلی بازی است، اعتماد به سیستم تصادفی در بستر دیجیتال حیاتی است. در معماری‌های نوین مانند سامانه تاس عادلانه Boardgammon Fair Dice، از پروتکل رمزنگاری Commit-Reveal بهره گرفته می‌شود. پیش از آغاز هر نوبت، سرور یک دانه تصادفی ایجاد کرده و هش SHA-256 آن را به کلاینت متعهد می‌شود. کلاینت نیز انتروپی اختصاصی خود را وارد می‌کند. پس از پرتاب، دانه فاش شده و بازیکن می‌تواند به صورت ریاضی بررسی کند که برآمد تاس به صورت قطعی از ترکیب هش غیرقابل تغییر مشتق شده است.

نتیجه‌گیری: تخته نرد با پیوند برنامه‌ریزی پویا تصادفی، نظریه توقف بهینه و رمزنگاری مدرن، شانس را به دانشی ساختاریافته و قابل راستی‌آزمایی تبدیل می‌نماید.