作者:NGA-ktr_Nozomi
模型假设及数据说明:
1. 玩家水平表示:[0, 100]之间的某个浮点数,数值越大该玩家水平越高,代码中对应参数为personal_rate(缩写pr)。
2. 玩家分布:共计500个玩家,其中[80, 100]共50个,[60, 80]共100个,[80, 200]共350个。比例为1:2:7。
3. 等待队列分布:从整个玩家池子中随机选200个,理论上比例依然是1:2:7。
4. 匹配机制:这里的模型非常简略,没有考虑舰船等级与种类,也没有考虑组队,更没有考虑地图和出生位置等等等等。
(1)正常随机匹配:200个玩家中随机找24个,随机分成两队。
(2)“胜率制裁”匹配:200个玩家中随机找24个,按近5场胜率从高到低排序。然后分队如下:top2胜率的与bottom10胜率的为一队,剩余为一队。
5. 胜利规则
给定两队,计算其总pr的差值x,然后利用tanh函数将其放缩到[0, 1),具体公式为p=(tanh(x) 1)/2。pr总值高的将以概率p赢得胜利。如若两队pr差不多,则随机令一方胜利(并没有考虑平局)。
6. 每个玩家大约参与2000场战斗。
可视化结果:
1. 正常随机匹配
图1的横轴为个人pr,纵轴为胜率。
图2的横轴为个人pr,纵轴为总场次。其主要目的在于说明每个玩家玩的场次差不多。
图3的表示前50pr玩家总计连胜x场的次数y。蓝色为连败,橙色为连胜。
2. “胜率制裁”匹配
图例读法和正常随机匹配一致。
奇怪的结论:
1. 在有明显的“胜率制裁”的情形下,高端玩家的总胜率并不受到影响。
2. 在有明显的“胜率制裁”的情形下,高端玩家从五连胜开始,次数很反常。
其实我更想知道1和2的数学解释?统计和概率还是不一样的,我只会简单的概率(简单的概率也不会,狗头保命),有没有统计专业的大佬说说的。
3. 这个模型对参数非常敏感,2个大佬带10个海猴、3个大佬带9个海猴,结果都会出现较大的变化,我就不一一贴图了。
还有其他的一些“胜率制裁”方式我也没一一调试了(毕竟不是写论文)。
我自己的体验(295场X64.07%,369场IX65.31%,577场VIII63.78%)是,连胜好像确实挺多……
如果对模型有异议大家可以提出来,有兴趣的小伙伴可以check一下有没有实现错误或者改改模型、参数啥的
(有机器学习调参内味儿了)
Copyright © 2024 妖气游戏网 www.17u1u.com All Rights Reserved