はじめに

前回の記事を投稿後、Ruby版networkxに携わることがあったので、更にやってみた。

じゃんけん

require_relative 'lib/networkX'

h = {
  1 => [2],
  2 => [3],
  3 => [1]
}
g = NetworkX::DiGraph.new
h.each do |k, v|
  v.each do |ve|
    g.add_edge(ve - 1, k - 1)
  end
end
puts NetworkX.pagerank(g)

# output
0.3333333
0.3333333
0.3333333

じゃんけんは三つ巴ですので、同じ得点になります。

トランプ

h = {
  1 => [3, 4, 5, 6, 7, 8, 9, 10, 11, 12, 13],
  2 => [1],
  3 => [2],
  4 => [2, 3],
  5 => [2, 3, 4],
  6 => [2, 3, 4, 5],
  7 => [2, 3, 4, 5, 6],
  8 => [2, 3, 4, 5, 6, 7],
  9 => [2, 3, 4, 5, 6, 7, 8],
  10 => [2, 3, 4, 5, 6, 7, 8, 9],
  11 => [2, 3, 4, 5, 6, 7, 8, 9, 10],
  12 => [2, 3, 4, 5, 6, 7, 8, 9, 10, 11],
  13 => [2, 3, 4, 5, 6, 7, 8, 9, 10, 11, 12]
}

要素hのみ表示しております。

index	絵柄	得点
1	A	0.2160026
2	2	0.0769230
3	3	0.0222672
4	4	0.0389576
5	5	0.0408504
6	6	0.0445303
7	7	0.0488713
8	8	0.0542792
9	9	0.0612033
10	10	0.0704314
11	J	0.0834375
12	Q	0.1033930
13	K	0.1388527

トランプのルールとして、数の大きい方が勝ちとしますが、Aのみ2を除くすべての数に勝ちます。
すると、Aの得点が一番大きいのですが、2の得点が10より大きく算出されています。

軍人将棋

h = {
  1 => [2, 3, 4, 5, 6, 7, 8, 9, 10, 11, 12, 13, 15],
  2 => [3, 4, 5, 6, 7, 8, 9, 10, 11, 12, 13, 14, 15],
  3 => [4, 5, 6, 7, 8, 9, 10, 11, 12, 13, 14, 15],
  4 => [5, 6, 7, 8, 9, 12, 13, 14, 15],
  5 => [6, 7, 8, 9, 12, 13, 14, 15],
  6 => [7, 8, 9, 12, 13, 14, 15],
  7 => [8, 9, 12, 13, 14, 15],
  8 => [9, 12, 13, 14, 15],
  9 => [12, 13, 14, 15],
  10 => [4, 5, 6, 7, 8, 9, 11, 12, 13, 14, 15],
  11 => [4, 5, 6, 7, 8, 9, 12, 14, 15],
  12 => [13, 14, 15],
  13 => [11, 14, 15],
  14 => [1, 15],
  15 => [1, 2, 3, 4, 5, 6, 7, 8, 9, 11, 12, 14]
}

index	絵柄	得点
1	大将	0.1585483
2	中将	0.1036655
3	少将	0.0807769
4	大佐	0.0485714
5	中佐	0.0433120
6	少佐	0.0391522
7	大尉	0.0357737
8	中尉	0.0329713
9	少尉	0.0306064
10	飛行機	0.0629422
11	戦車	0.0528652
12	騎兵	0.0285820
13	工兵	0.0334844
14	スパイ	0.0575546
15	地雷	0.1911934

軍人将棋に馴染みのない方もいらっしゃると思いますが、引き分けを双方向のエッジとしています。
予想通り、飛行機やスパイの得点が高いです。

勿論、ここでは移動能力（地雷は動かない、飛行機は飛び越せる等）を評価していないです。

後、一般的な将棋の場合、手番のある方が勝つ（駒をとれる）ので、pagerankの手法ですと得点がすべて同じになるため、別の手法が必要になると思われます。

まとめ

pegerank に更に詳しくなった