솔리테어 전략 시뮬레이터로 수를 시험하고, 의사 결정을 개선하며, 실제 게임 전에 충분히 연습하세요.
솔리테어 전략 시뮬레이터는 어떤 수를 최종 확정하기 전에 그 수의 결과를 시험해 볼 수 있게 해 주는 모든 환경을 뜻합니다. 즉, 특정한 결정이 만들어 내는 downstream 보드 상태를, 그 결정을 되돌릴 수 없게 실행하기 전에 미리 시뮬레이션해 보는 것입니다. 온라인 솔리테어에서 플레이어가 실제로 가장 자주 쓰는 전략 시뮬레이터는 undo 기능입니다. Undo는 수를 한 번 실행해 보고, 그 결과로 생긴 포지션을 평가한 뒤, 그 평가가 불리하면 다시 되돌릴 수 있게 해 줍니다. Undo를 수동적으로 쓰면 그것은 단순한 실수 수정입니다. 그러나 적극적으로 쓰면 undo는 진짜 전략 시뮬레이터가 됩니다. 플레이어는 의도적으로 후보 수를 하나 두고, 그 결과 포지션을 몇 수 앞까지 살펴본 다음, 다시 되돌리고, 다른 후보 수와 비교한 뒤에 최종 선택을 확정하게 됩니다.
솔리테어 전략 시뮬레이터는 플레이어가 특정 결정을 내리기 전에 그 결정의 결과를 테스트할 수 있는 환경입니다. 이는 특정 결정이 생성하는 하위 보드 상태를 시뮬레이션하여 그 결정을 영구적으로 실행하지 않고도 결과를 평가할 수 있게 해줍니다. 온라인 솔리테어에서 '실행 취소' 기능은 플레이어가 사용할 수 있는 주요 전략 시뮬레이터입니다. 이 기능은 이동을 수행하고, 결과 위치를 평가한 후, 평가가 불리할 경우 이동을 되돌릴 수 있게 해줍니다. 수동적으로 사용될 경우, 실행 취소는 단순한 오류 수정입니다. 그러나 능동적으로 사용될 경우, 실행 취소는 진정한 전략 시뮬레이터가 됩니다. 플레이어는 의도적으로 후보 이동을 수행하고, 그 결과 위치를 여러 턴 앞으로 평가한 다음, 이를 되돌리고 다른 후보 이동과 비교한 후 결정을 내립니다. 이 구분 — 수동적 실행 취소와 능동적 시뮬레이션 — 는 발전하는 솔리테어 플레이어와 고급 솔리테어 플레이어 간의 가장 중요한 습관 차이 중 하나입니다. 발전하는 플레이어는 실수를 인식한 후 이를 되돌리기 위해 실행 취소를 사용합니다. 반면, 고급 플레이어는 실수를 저지르기 전에 대안을 비교하기 위해 실행 취소를 사용합니다: 그들은 후보 이동 A를 수행하고, 보드를 두세 턴 앞으로 평가한 다음, 결정 지점으로 되돌아가 후보 이동 B를 수행하고, 다시 두세 턴 앞으로 평가한 후, 더 유용한 하위 위치를 생성한 가지로 결정을 내립니다. 이러한 투기적 비교 습관은 전략 시뮬레이션의 핵심이며, 이는 실행 취소를 지원하는 모든 온라인 솔리테어 플랫폼에서 사용할 수 있습니다. 이 글에서는 전략 시뮬레이션이 가장 효과적으로 개발하는 핵심 전략 원칙, 시뮬레이션이 가시화하는 테이블 관리 및 기초 관리 습관, 시뮬레이션이 가장 명확한 이점을 제공하는 주식 타이밍 결정, 전문가 플레이어가 사용하는 고급 기술, 그리고 시뮬레이션 기반 전략 연습이 가장 접근 가능한 온라인 플랫폼을 다룹니다. 난이도 계산기 및 덱 생성기 가이드에 대한 참조는 시뮬레이션 연습을 위한 적절한 게임 및 거래 유형 선택에 대한 맥락을 제공합니다.
원칙 1: 모든 이동은 하위 비용이 있으며, 즉각적인 이점만 있는 것이 아닙니다. 솔리테어에서 가장 흔한 전략적 오류는 이동을 즉각적인 이점으로 평가하는 것입니다 — '이 이동은 기초에 카드를 놓는다' 또는 '이 이동은 뒤집힌 카드를 드러낸다' — 그러나 이동이 미래의 유연성 측면에서 어떤 비용을 초래하는지 평가하지 않습니다. 유용한 카드를 테이블에서 제거하는 기초 배치는 즉각적으로 긍정적일 수 있지만, 그 카드의 부재가 이후 세 번의 이동을 차단한다면 하위적으로는 부정적일 수 있습니다. 유용한 드러내기를 생성하는 뒤집기 이동은 즉각적으로 가치가 있을 수 있지만, 그 드러내기를 가능하게 하는 카드가 차단되는 경우 하위적으로는 비용이 발생할 수 있습니다. 전략 시뮬레이션은 후보 이동을 여러 턴 앞으로 추적하여 이러한 하위 비용을 가시화합니다. 이 원칙이 개발하는 습관은 유연성 평가입니다: 위치가 포함하는 것뿐만 아니라 위치가 허용하는 것에 가치를 부여하는 것입니다. 세 개의 시퀀스가 부분적으로 구축 가능하고 두 개의 빈 열이 있는 위치는 다섯 개의 시퀀스가 완성되었지만 빈 열이 없는 위치보다 더 유연합니다 — 두 번째 위치가 더 많은 기초 카드를 가지고 있더라도 말입니다. 시뮬레이션은 후보 이동 간의 유연성 차이를 순수한 선견지명 계획이 할 수 없는 방식으로 가시화합니다. 원칙 2: 동일한 일반 계획 내에서 이동의 순서가 종종 계획 자체보다 더 중요합니다. 많은 솔리테어 위치에는 명확한 일반 계획이 있습니다 — 왼쪽 열을 비우고, 하트 시퀀스를 구축하고, 주식을 순환시키는 것 — 그러나 그 계획의 구성 요소 이동이 실행되는 순서가 계획의 성공 여부를 결정합니다. 시뮬레이션은 이동 순서를 탐색하는 가장 효율적인 도구입니다: 플레이어는 한 순서로 계획을 실행하고 결과를 평가한 다음, 분기점으로 되돌아가 동일한 이동을 다른 순서로 실행하고 비교합니다. 동일한 계획 내에서 두 이동의 순서를 뒤집는 것이 차단된 시퀀스를 여는 경우를 발견하는 것은 현재 게임과 플레이어의 이동 순서 민감성에 대한 일반적인 인식을 개선하는 일반적인 시뮬레이션 보상입니다. 원칙 3: 빈 열은 전략적 자원이지 빈 공간이 아닙니다. 테이블 열이 있는 게임(Klondike, Spider, FreeCell, Yukon, Scorpion)에서 빈 열은 가장 강력한 위치 자원입니다: 시퀀스를 구성하고, 차단 카드를 임시로 보관하고, 장기적인 재구성을 가능하게 하며, 먼 열 간의 카드 이동을 위한 중심점 역할을 할 수 있습니다. 시뮬레이션은 플레이어가 빈 열의 다양한 사용을 시도하고 어떤 사용이 가장 유용한 하위 위치를 생성하는지 관찰할 수 있게 해줍니다. 빈 열에 즉시 킹을 채우는 플레이어(가장 일반적인 본능)는 시뮬레이션을 사용하여 특정 재구성 시퀀스를 위해 열을 임시로 열어두는 것과 비교할 수 있으며, 종종 즉각적인 킹 배치가 제공하는 것보다 훨씬 더 많은 비용이 발생한다는 것을 발견하게 됩니다.
테이블 관리: 구축보다 드러내기 원칙. Klondike와 같은 숨겨진 정보 게임에서, 뒤집힌 카드 드러내기 이동은 새로운 것을 드러내지 않는 시퀀스 구축 이동보다 거의 항상 더 가치가 있습니다. 각 드러내어진 카드는 플레이어가 거래에 대한 정보를 증가시키고, 여러 후속 이동을 가능하게 하는 카드를 드러낼 수 있습니다. 아무것도 드러내지 않는 구축 이동은 정보 없이 시퀀스 깊이를 증가시킵니다. 시뮬레이션은 이 우선 순위를 가시화합니다: 드러내기 후보 이동과 비드러내기 구축 이동을 비교할 때, 드러내기 가지는 거의 항상 더 많은 후속 옵션을 생성합니다. 왜냐하면 드러내어진 카드가 한 이동 이전에는 보이지 않았던 가능성을 열기 때문입니다. 테이블 관리를 위한 실용적인 시뮬레이션 습관: 숨겨진 정보 게임의 모든 결정 지점에서 사용 가능한 모든 드러내기 이동(뒤집힌 카드를 드러내는 이동)을 식별하고, 각 드러내기 가지의 처음 두세 이동을 시뮬레이션하고, 결과 위치를 비교합니다. 비드러내기 구축 이동은 드러내기 이동이 없거나 특정 비드러내기 이동이 다음 한두 이동 내에 임박한 드러내기 기회를 가능하게 해야 할 때만 선택해야 합니다. 기초 관리: 타이밍 및 균형 원칙. 대부분의 솔리테어 구현에서 기초 배치는 되돌릴 수 없습니다 — 카드가 기초에 놓이면 다시 테이블로 돌아갈 수 없습니다. 이 비가역성은 기초 타이밍을 중요한 시뮬레이션 목표로 만듭니다: 질문은 결국 카드를 기초에 놓을 것인가(승리하는 게임에서는 결국 놓이게 됩니다)가 아니라, 지금 놓을 것인가 아니면 현재 유연성 가치를 위해 테이블에 보유할 것인가입니다. 시뮬레이션은 이 질문에 대한 가장 명확한 답을 제공합니다: 후보 카드를 기초에 놓고, 여러 이동을 시뮬레이션한 다음, 카드를 테이블에 보유하고 동일한 이동을 시뮬레이션하고 비교합니다. 기초 배치가 즉시 이후 이동을 쉽게 만드는 위치는 지금 실행해야 합니다; 카드를 테이블에 보유하는 것이 차단된 재구성을 가능하게 하는 위치는 기초 배치를 지연해야 합니다. 기초 균형 — 모든 네 가지 슈트 기초를 서로 두세 랭크 이내로 유지하는 것 — 은 시뮬레이션이 개발하는 두 번째 기초 관리 원칙입니다. 한 슈트를 다른 슈트보다 빨리 진행시키는 효과를 시뮬레이션한 플레이어는 일반적으로 세 번에서 다섯 번의 이동 후, 과도하게 진전된 슈트의 카드가 기초에 놓여져 테이블에서 유용했을 카드가 되었고, 뒤처진 슈트의 카드는 접근 가능한 위치에 쌓여 있지만 기초 목적지가 없다는 것을 발견하게 됩니다. 시뮬레이션을 통해 이러한 패턴을 관찰하는 것은 균형 잡힌 기초 개발에 대한 직관을 여러 게임에서 같은 불균형으로 패배하는 것보다 더 빠르게 구축합니다.
재고 규율 — 가능한 모든 테이블 이동을 소진한 후 재고에서 카드를 뽑는 습관 — 은 시뮬레이션을 통해 가장 효율적으로 개발되는 전략 원칙입니다. 시뮬레이션 연습은 간단합니다: 테이블 이동이 가능한 위치에서 플레이어가 재고에서 카드를 뽑고 싶어 할 때, 먼저 재고 뽑기를 시뮬레이션하고 이후의 상황을 관찰한 다음, 실행 가능한 모든 테이블 이동을 수행하고 그 결과 위치에서 재고에서 카드를 뽑습니다. 대다수의 경우, 테이블 이동을 먼저 소진하는 것이 더 나은 이후 위치를 생성합니다. 그 이유는 다음과 같습니다: 테이블 이동이 재고 뽑기를 불필요하게 만드는 카드를 드러낼 수 있으며; 테이블 이동은 유한한 자원인 재고를 소모하지 않으며 (제한된 패스 게임에서); 테이블 이동이 숨겨진 카드에 대한 정보를 생성하여 재고 뽑기가 발생할 때 평가를 개선합니다. 제한된 패스 게임(3회 패스의 클론다이크, 1회 패스의 포티 시프스)에서는 재고 시뮬레이션이 가장 가치 있는 시뮬레이션 연습입니다. 각 재고 뽑기는 유한한 자원입니다: 테이블 옵션을 먼저 소진하지 않고 뽑는 것은 전체 재고 가치의 일부를 낭비하는 것입니다. 시뮬레이션은 이 낭비를 구체적이고 측정 가능하게 만듭니다: 플레이어는 조기 재고 뽑기 전에 얼마나 많은 테이블 이동이 가능했는지를 직접 관찰하고, 그 이동 중 얼마나 많은 것이 재고 뽑기가 제공한 것보다 더 나은 이후 위치를 생성했을지를 추정할 수 있습니다. 이러한 유형의 시뮬레이션 연습을 10회에서 20회 진행하면, 재고 마지막 규율이 습관화되고, 실행 취소를 사용하지 않을 때에도 유지됩니다. 피라미드 솔리테어와 트라이피크스에서는 재고 규율 시뮬레이션의 성격이 다릅니다. 피라미드에서는 재고가 피라미드 구조를 해제하는 데 필요한 예비 쌍을 제공합니다; 재고에서 카드를 뽑기 전에 어떤 피라미드 쌍을 제거할지를 시뮬레이션하는 것은 효율적인 피라미드 플레이와 일반적인 플레이를 구분하는 해제 순서 기술을 개발합니다. 트라이피크스에서는 각 재고 뽑기 전에 체인 확장을 시뮬레이션하여 체인 평가 습관을 개발합니다: 플레이어는 재고 뽑기 전에 가시적인 테이블에서 어떤 카드가 현재 체인을 확장할 수 있는지를 식별하는 법을 배우며, 이는 체인을 보존하고 높은 체인 실행 중간에 재고 뽑기로 인한 재시작 패널티를 피하는 데 도움이 됩니다.
중요한 결정 지점에서의 분기 비교. 전문가 플레이어는 두 개 이상의 후보 이동이 즉각적인 가치에서 대략 동등해 보이는 진정으로 모호한 위치를 필수 시뮬레이션 포인트로 간주합니다. 모든 이동을 시뮬레이션하는 것이 아니라 (편안한 플레이를 위해 너무 느리기 때문) 시뮬레이션 보상이 가장 높은 특정 보드 구성에서 인식하는 것이 중요합니다: 서로 다른 출처 시퀀스에서 동일한 뒤집히지 않은 카드를 가리키는 여러 개의 가용한 드러내기 이동이 있는 위치; 빈 열을 두 개의 서로 다른 킹으로 채울 수 있는 위치, 각각 다른 장기 시퀀스를 가능하게 하는; 유용한 카드에서 한 카드 떨어진 재고 뽑기 위치와, 조기 뽑기가 더 나은 드로우 타이밍을 가능하게 하는 테이블 이동을 놓칠 수 있는 경우. 이러한 고시뮬레이션 보상 위치를 인식하는 능력을 개발하는 것은 의도적인 시뮬레이션 연습만이 구축할 수 있는 전략 기술입니다. 시퀀스 완료 대 시퀀스 구축. 스파이더 변형에서는 시퀀스를 완료하는 것 (킹에서 에이스로 한 슈트를 구축하여 보드에서 제거하는 것)과 부분적으로 구축된 시퀀스를 확장하는 것 (아직 완료에 가까운 시퀀스에 추가하는 것) 사이의 특정 긴장이 게임에서 가장 높은 가치의 시뮬레이션 목표 중 하나입니다. 시뮬레이션은 시퀀스를 완료하는 데 필요한 이동이 다른 시퀀스의 진행을 차단하는지 여부를 드러내며, 완료의 유연성 비용이 지금 더 높은지 낮은지를 확인합니다. 전문가 스파이더 플레이어는 이 거래를 모든 기회에서 시뮬레이션하고, 완료 가속이 유연성 비용의 가치가 있는지 여부에 대한 내부 모델을 개발합니다. 위치적 부채 인식. 일부 이동은 지역적으로는 더 나은 위치를 생성하지만 전 세계적으로는 더 나쁜 위치를 생성합니다 — 현재 가시적인 보드 상태를 개선하면서 몇 번 후에 진행을 차단하는 제약을 만듭니다. 전문가 플레이어는 이를 위치적 부채라고 부릅니다: 지금 생성된 부채로, 나중에 상환해야 하며, 종종 원래 제공된 이점보다 더 높은 비용이 발생합니다. 시뮬레이션은 부채를 발생시키기 전에 이를 감지하는 주요 도구입니다: 플레이어는 후보 이동에서 앞으로 시뮬레이션하여 부채가 가시화될 때까지 진행합니다 (대안 후보에서 발생하지 않을 차단 위치가 나타나거나) 충분한 이동이 진행되어 중요한 부채가 생성되지 않았음을 확인합니다. 시뮬레이션을 통해 위치적 부채 인식을 개발하는 것은 중급 플레이어에게 가장 높은 레버리지 전략 개선 중 하나입니다.
이 기사에서 다룬 모든 게임 — 피라미드, 트라이피크스, 클론다이크, 스파이더, 프리셀, 골프 — 는 onlinesolitairefree.com에서 무료로 제공되며, 실행 취소 기능이 활성화되어 있어 첫 세션부터 전체 시뮬레이션 연습 프레임워크에 접근할 수 있습니다. 플랫폼의 무제한 실행 취소 구현 덕분에, 투기적 분기 비교 — 능동적 시뮬레이션 연습의 핵심 — 는 어떤 거래에서도 제한 없이 수행할 수 있습니다. 난이도 수준에 따라 시뮬레이션 연습 게임을 선택하는 플레이어를 위해, 우리의 난이도 계산기는 프리셀 (완전한 정보, 모든 시뮬레이션 결과가 가시적) 을 계획 깊이를 개발하기 위한 이상적인 시뮬레이션 연습 환경으로, 클론다이크 턴 1을 숨겨진 정보 시뮬레이션 습관을 개발하기 위한 이상적인 환경으로 식별합니다. 거래 생성 메커니즘이 시뮬레이션 연습과 어떻게 상호작용하는지에 관심이 있는 플레이어를 위해, 우리의 덱 생성기 가이드는 번호가 매겨진 거래가 동일한 위치에서 반복적인 시뮬레이션 연습을 가능하게 하는 방법을 설명합니다.
솔리테어 시뮬레이션 연습을 위한 최고의 전략은 무엇인가요? 가장 생산적인 시뮬레이션 연습은 세 가지 원칙을 따릅니다. 첫째, 모든 이동이 아닌 결정 지점에서 시뮬레이션을 수행하세요. 시뮬레이션의 효과가 가장 높은 특정 위치 유형(여러 동등한 카드 공개 이동, 빈 열 채우기 결정, 재고 타이밍 거래 등)을 인식하는 법을 배우고, 이러한 위치에 시뮬레이션 노력을 집중하세요. 모든 사소한 이동을 평가하는 대신 이러한 위치에서만 시뮬레이션을 진행하는 것이 중요합니다. 둘째, 결정을 내리기 전에 항상 최소 두 개의 후보 가지를 비교하세요. 단일 후보 가지와 아무것도 하지 않는 것만 비교하는 것이 아니라, 두 가지 이상의 후보 가지를 비교하는 습관을 기르는 것이 더 빠르고 신뢰성 있게 발전합니다. 셋째, 계획 깊이를 개발하기 위해 FreeCell을 주요 시뮬레이션 연습 게임으로 사용하고, 숨겨진 정보 평가를 위해 Klondike를 주요 시뮬레이션 연습 게임으로 사용하세요. 이 두 게임은 서로 보완적인 시뮬레이션 기술을 개발하여 솔리테어 전략 도전의 전체 범위를 다룹니다. 전략 시뮬레이션을 사용하여 이기기 가장 쉬운 솔리테어 게임은 무엇인가요? FreeCell은 완전한 정보 환경 덕분에 의도적인 시뮬레이션을 통해 이기기 가장 쉬운 게임입니다. 플레이어는 각 후보 이동이 어떤 결과를 가져오는지 정확히 볼 수 있으며, 숨겨진 카드 불확실성이 평가를 방해하지 않습니다. Klondike에서는 시뮬레이션이 유용하지만 제한적입니다. 숨겨진 카드로 인해 일부 시뮬레이션 가지는 재고에서 카드를 뽑거나 관련 테이블 카드를 공개하지 않고는 해결할 수 없는 미지의 요소를 포함합니다. FreeCell의 투명성 덕분에, 철저하게 시뮬레이션하는 인내심 있는 플레이어는 시작 위치에서 거의 완벽한 해결 경로에 접근할 수 있습니다. 그래서 경험이 많은 FreeCell 플레이어는 일반적으로 첫 8~12 이동을 실행하기 전에 미리 계획합니다. 80-90%의 전략적 승률은 이러한 시뮬레이션 기반의 계획 깊이를 반영합니다. 전략 시뮬레이션이 모든 솔리테어 게임을 해결할 수 있나요? 아닙니다. 전략 시뮬레이션은 완벽한 시뮬레이션과 무제한 실행 취소가 가능하더라도 수학적으로 이길 수 없는 게임을 이길 수 없습니다. 승리 조건으로 이어지는 합법적인 이동 순서가 없는 게임은 어떤 전략으로도 해결되지 않습니다. 시뮬레이션이 할 수 있는 것은 unwinnable(이길 수 없는) 위치를 더 빠르게 식별하는 것입니다. 주요 가지 옵션을 철저히 시뮬레이션하고 모든 가지가 막다른 길로 이어진다는 것을 일관되게 발견한 플레이어는 그 게임이 이길 수 없다는 강력한 증거를 가지고 있으며, 더 일찍 포기하여 시뮬레이션 연습이 생산적인 게임에 대한 세션 시간을 절약할 수 있습니다. 변형별로 예상되는 unwinnable 게임의 비율은 FreeCell 0.001% 미만, Klondike 9-21%, Forty Thieves 40-60%로, 이는 시뮬레이션 연습이 unwinnable 게임으로 인해 중단되는 빈도를 결정합니다.
답변: 가장 생산적인 시뮬레이션 연습은 세 가지 원칙을 따릅니다. 첫째, 모든 수가 아니라 decision point에서만 시뮬레이션해야 합니다. 즉, simulation payoff가 가장 큰 특정 포지션 유형, 예를 들면 비슷해 보이는 uncovering move가 여러 개 있는 경우, empty column fill 결정, stock timing trade-off가 있는 경우를 인식하고, 그런 지점에만 시뮬레이션 노력을 집중해야 합니다. 둘째, 커밋하기 전에 최소 두 개의 후보 branch를 반드시 비교해야 합니다. 하나의 branch만 따져 보는 습관보다, 두 개 이상을 비교하는 branch comparison 습관이 훨씬 빠르고 안정적으로 발전합니다. 셋째, planning depth를 기르는 주 연습 게임으로는 FreeCell을, hidden-information evaluation을 기르는 주 연습 게임으로는 Klondike를 사용해야 합니다. 이 두 게임은 서로 보완적인 시뮬레이션 기술을 길러 주며, 둘을 함께 쓰면 솔리테어 전략 문제 전반을 거의 다 덮게 됩니다.
답변: FreeCell이 가장 쉽습니다. 완전 정보 환경이기 때문에 시뮬레이션 branch가 만드는 결과가 모두 투명하게 보입니다. 즉, 후보 수 각각이 무엇을 만들어 내는지 hidden-card uncertainty 없이 정확히 볼 수 있습니다. Klondike에서도 시뮬레이션은 가치가 있지만 제한이 있습니다. Face-down 카드 때문에 어떤 branch에는 stock을 뽑거나 관련 tableau 카드를 실제로 열어 보기 전에는 풀 수 없는 unknown이 남기 때문입니다. FreeCell의 투명성은, 인내심 있게 rigorously 시뮬레이션하는 플레이어가 opening position에서부터 거의 완벽한 solution path에 가까워질 수 있게 만듭니다. 그래서 경험 많은 FreeCell 플레이어들은 실제로 수를 두기 전에 첫 8–12수를 미리 계획하는 경우가 많습니다. 80–90%라는 strategic win rate는 바로 이런 simulation-enabled planning depth를 반영합니다.
답변: 아닙니다. Unlimited undo가 있는 완벽한 시뮬레이션이라 해도, 전략 시뮬레이션은 수학적으로 unwinnable한 딜을 이길 수 있게 만들 수는 없습니다. 어떤 legal move sequence도 승리 조건으로 이어지지 않는 딜은, 사용 가능한 branch를 아무리 철저하게 시뮬레이션해도 어떤 전략으로도 이길 수 없습니다. 시뮬레이션이 실제로 할 수 있는 일은 unwinnable position을 더 빨리 알아내는 것입니다. 플레이어가 주요 branch들을 rigorously 시뮬레이션했는데도 모든 branch가 dead end로 이어진다면, 그 딜이 unwinnable하다는 강한 증거를 얻게 되고, 더 빨리 포기해 생산적인 딜에 세션 시간을 쓸 수 있습니다. 변형별 unwinnable deal 비율, 예를 들어 FreeCell은 0.001% 미만, Klondike는 9–21%, Forty Thieves는 40–60%라는 수치는, 시뮬레이션 연습이 learnable outcome을 주기 전에 unwinnable deal 때문에 중단될 가능성이 얼마나 되는지를 결정합니다.