ကစားနည်းနှင့် ဇယားကွက် စီစဉ်ပုံ
ဇယားကွက်သည် ဆဲလ် ၁၆ ခု (row-major 1–16) ပါဝင်သည်။ တိကျသော hazard အရေအတွက်သည် constraint ပြည့်မီသော complete layout များအကြား ညီမျှစွာ နေရာချထားသည်။ ဤ constraint သည် eight-neighbour king hazard graph တွင် Hamiltonian cycle ပါဝင်ပြီး ဤ cycle သည် hazard တစ်ခုစီးကို တစ်ကြိမ်စီ ဖြတ်သန်းပြီး မူလနေရာသို့ ပြန်လည်ရောက်ရှိရမည် (အနည်းဆုံး hazard 3 ခု)။ ထုတ်ပြန်ထားသော constraint support မှ complete layout တစ်ခုကို နမူနာယူပြီး round တစ်ခုလုံးအတွက် မပြောင်းလဲဘဲ ခိုင်မာစွာထားရှိသည်။
ဆဲလ်များ၏ ဈေးနှုန်းသည် consistent layout များအပေါ် exact posterior အပေါ် မူတည်သည်။ live gross quote ကို မူလ support count ၏ 0.97 ဆကို surviving support count ဖြင့် စားခြင်းဖြင့် တွက်ချက်သည်။ ဘေးကင်းသော ရွေးချယ်မှုတစ်ခုပြီးနောက်၊ ဘေးကင်းပြီးသား ဆဲလ်များ၏ တန်ဖိုးမပြောင်းလဲပါ။ သက်သေပြပြီးသော hazard များကို ချက်ချင်းပိတ်ပင်ထားသည်။
ဈေးနှုန်း၊ စုဆောင်းခြင်းနှင့် ရပ်တန့်ခြင်း စည်းမျဉ်းများ
စုစုပေါင်းတန်ဖိုးသည် စတင်တန်ဖိုး 0.97 ဆမှ စတင်ပြီး လက်ရှိတန်ဖိုးကို ထိုဆဲလ်၏ ဘေးကင်းနိုင်ခြေ ဖြစ်တန်စွာဖြင့် စားကာ ရရှိသည်။ အန္တရာယ်ရှိသော ခြေလှမ်းတစ်ခုသည် သုညတန်ဖိုးသာ ပေးသည်။ ဘေးကင်းသော ဖော်ပြချက် တစ်ခုခု ဖြစ်ပေါ်ပြီးမှသာ ယူဆောင်နိုင်သည်။ မူလစတင်ငွေ၏ 1000 ဆထက် ကြီးမားသော တစ်ခုချင်းစီသော ခန့်မှန်းတန်ဖိုးများကို ပိတ်ထားသည်။ ရွေးချယ်စရာ မရှိတော့ပါက အလိုအလျောက် ယူဆောင်ခြင်း ဖြစ်ပေါ်သည်။
ဘေးကင်းသော ခြေလှမ်းတစ်ခုကို ရွေးချယ်ပြီးနောက် ယှဉ်ပြိုင်စရာ ဆဲလ် မကျန်တော့ပါက အလိုအလျောက် ခွဲဝေပေးသည်။ 1,000 ဆထက် ကြီးမားသော ခန့်မှန်းနှုန်းထားရှိသော ရွေးချယ်မှုတစ်ခုသည် အခြေအနေ မပြောင်းလဲဘဲ ပိတ်ထားသည်။
မျှော်မှန်း အမြတ်နှင့် သင်္ချာ သက်သေပြချက်များ
သတင်းအချက်အလက် အားလုံးကို ဖော်ပြသော နည်းဗျူဟာတိုင်းသည် ညီမျှသော ပံ့ပိုးမှု မော်ဒယ်တွင် 97% မျှော်မှန်း အမြတ်တန်ဖိုး ရှိသည်; ၎င်းသည် ရှုံးနိုင်ခြေ မဟုတ်ပါ။ စမ်းသပ်ချက် တိုင်းတာမှုများသည် နမူနာ လေ့လာတွေ့ရှိချက်များကို ပံ့ပိုးပေးသော်လည်း သင်္ချာနည်းအရ ငွေပေးချေမှု ဥပဒေမဟုတ်ပါ။
| အနက် | စတင်ငွေ | တိကျသော RTP | တိုင်းတာရရှိသော RTP |
|---|---|---|---|
| 1 | 10 | 97.00000000000001% | 96.998975% |
| 2 | 20 | 97.00000000000004% | 97.05785% |
| 3 | 50 | 96.99999999999999% | 97.05008% |
ဘဏ်စာရင်းနှင့် တည်ငြိမ်မှု
စတင်လျှောက်ထားသည့် ငွေပမာဏမှာ 1000 ဖြစ်သည်။ အလိုအလျောက် စောင့်ဆိုင်းနေသည့် ငွေပမာဏ 10 အောက်ရောက်ရှိပါက အလိုအလျောက် 1000 သို့ ပြန်လည်ဖြည့်တင်းပေးပြီး ကိန်းစစ် ပြောင်းလဲမှုကို ထိန်းသိမ်းထားသည်။ ဤသည်မှာ အလိုအလျောက် ငွေဖြည့်ခြင်းမဟုတ်ဘဲ လက်တွေ့ဖြင့်သာ ပြုလုပ်သည့် ငွေပြန်လည်ဖြည့်ခြင်းဖြစ်ပြီး ငွေပမာဏကို တိတိကျကျ သတ်မှတ်ပေးသည်။ ငွေဖြည့်ခြင်း၊ ပြန်လည်ဖြည့်ခြင်းနှင့် အဆုံးသတ်ခြင်းတို့တွင် ကိန်းစစ် ပြောင်းလဲမှုများ ဆက်လက်တည်ရှိနေမည်ဖြစ်သည်။
မပြီးဆုံးဘဲ ရှိနေသော စက်ဝိုင်းတစ်ခုသည် ပြန်လည်ဖြည့်ခြင်းပြုလုပ်သည့်အခါ ပြန်လည်အမ်းငွေ သို့မဟုတ် ပြန်လည်စတင်ခြင်းမရှိဘဲ အဆုံးသတ်သွားမည်ဖြစ်သည်။ သတ်မှတ်ချက်များနှင့် ငွေဖြည့်ခြင်းတို့သည် လှုပ်ရှားနေစဉ်ကာလအတွင်း ပိတ်ထားမည်ဖြစ်သည်။
လှုပ်ရှားမှုများနှင့် နည်းလမ်းများ
စည်းချက်ရှိသော အရောင်းအဝယ်ပမာဏများမှာ ၁၀၊ ၂၀၊ ၅၀ သို့မဟုတ် ၁၀၀ ဖြစ်သည်။ အသုံးပြုနေစဉ် သတ်မှတ်ချက်များနှင့် ပြည့်ဖြည့်ခြင်း (refill) တို့ကို ချုပ်ထားသည်။ အသံထွက်ခြင်းကိုသာ ဆက်လက်အသုံးပြုနိုင်သည်။ ဒီမိုတွင် အကောင့်ဝင်ရန် လုပ်ဆောင်ချက်နှင့် ငွေပေးချေမှု လုပ်ဆောင်ချက်များ မပါဝင်ပါ။
ပုဂ္ဂိုလ်ရေးနှင့် သိုလှောင်မှု
ဂိမ်းရင်းမြစ်သည် ချိန်ညှိပြီးသော ဘလက်ကင့် (balance) နှင့် အပိုင်းလိုက် ဆက်လက်ထားရှိခြင်းအတွက် localStorage ကို အသုံးပြုသည်။ ဤသည်မှာ မိမိကိုယ်ကို မသိရှိနိုင်မှု (anonymity) ကို ဖြစ်ပေါ်စေခြင်း သို့မဟုတ် အခြားသော လုပ်ငန်းစဉ်များမှ ကင်းလွတ်စေခြင်း မဟုတ်ပါ။ အကောင့် ထိန်းချုပ်မှုများ မရှိခြင်းသည် ပုဂ္ဂိုလ်ရေးဒေတာများကို လုပ်ဆောင်နေခြင်း မရှိကြောင်း သက်သက်မပြပါ။
မကြာခဏ မေးလေ့ရှိသော မေးခွန်းများ
အန္တရာယ်ရှိသော နေရာလွတ်များကို ကစားနေစဉ် ပြန်လည်ဆွဲသားလေ့ရှိပါသလား
မဟုတ်ပါ။ ရွေးချယ်ထားသော အရေအတွက်၏ ထုတ်ပြန်ထားသော ကန့်သတ်ချက် ပံ့ပိုးမှုမှ တစ်ကြိမ်လုံးသော ၄×၄ အန္တရာယ်ရှိသော နေရာလွပ်တစ်ခုကို ညီမျှစွာ နမူနာယူပြီး ပုံသေထားရှိသည်။
ဘလက်ကင့် (balance) ကို မည်သို့ ပြန်လည်ဖြည့်တင်းသနည်း
အချိန်ကုန်နေသော ဘလက်ကင့် ၁၀ အောက်တွင် လက်တွေ့ဖြည့်တင်းခြင်းဖြင့် ၁၀၀၀ ကို ထိန်းသိမ်းပေးသည်။ မပြီးဆုံးသေးသော စက်ဝိုင်းများကို ပြန်လည်ဆင်ယင်ခြင်းတွင် ပြန်အမ်းငွေ မပေးပါ။
မျှော်မှန်းအမြတ်ရရှိမှုနှုန်းမှာ အဘယ်နည်း
တိကျသော ပံ့ပိုးမှု မော်ဒယ်တွင် အချက်အလက်ဖော်ထုတ်ခြင်း နည်းဗျူဟာတိုင်းသည် ၉၇% မျှော်မှန်းအမြတ်ရရှိမှုနှုန်း ရှိသည်။ ဤသည်မှာ အနိုင်ရရှိနိုင်ခြေ (win probability) မဟုတ်ပါ။