Зараз я маю справу з багатокористувацькою бойовою системою, де збитки, завдані гравцям, завжди множать на випадковий коефіцієнт між 0,8 і 1,2.

Теоретично, справді випадковий РНГ може в кінцевому підсумку давати те саме число багато разів (див. Дилему Тетріса ). Це може привести до гри , де гравець завжди робить дуже великих втрат , а інші завжди робить дуже низький шкоди.

Що я можу зробити, щоб цього не сталося? Чи є деякі RNG кращі за інших, уникаючи повторення?

Ви можете вирішити це так само, як це робить Тетріс, склавши попередньо встановлений список результатів пошкоджень і перетасовуючи.

Скажімо, ви знаєте, що програвач завдає шкоди від 0,8 до 1,2x за допомогою лінійного розподілу. Візьміть список [0,8, 0,9, 1,0, 1,1, 1,2]. Перемішайте його випадковим чином , так що ви отримаєте, наприклад, [1.2, 1.0, 0.8, 0.9, 1.1].

Перший раз, коли гравець завдає шкоди, вони наносять 1,2х. Потім 1х. Потім і т. Д. До 1,1х. Тільки тоді, коли масив порожній, ви можете генерувати та переміщувати новий масив.

На практиці ви, ймовірно, захочете зробити це відразу для 4+ масивів (наприклад, почніть з [0.8,0.8,0.8,0.8,0.9.0.9.0.9.0.9, ...]). Інакше період послідовності є достатньо низьким, щоб гравці могли зрозуміти, чи буде їх наступний удар «хорошим» чи ні. (Хоча це також може додати більше стратегії боротьби, як у таблиці Hoimi Dragon Quest IX , в якій люди придумали, як пробувати, дивлячись на цілющі числа і твіст, поки вам не гарантується рідкісна крапля.)

Я фактично написав якийсь код, щоб це зробити . Суть її полягає у використанні статистики для виправлення нещасливих смуг. Як ви можете це зробити - це відслідковувати, скільки разів відбулася подія, і використовувати це для зміщення кількості, створеного PRNG.

По-перше, як ми відстежуємо відсоток подій? Наївним способом цього було б зберегти всі колись створені в пам'яті цифри і порівняти їх: це могло б працювати, але жахливо неефективно. Трохи поміркувавши, я придумав наступне (що в основному є кумулятивною середньою середньою ).

Візьміть такі зразки PRNG (де ми пропонуємо, якщо зразок> = 0,5):

Values: 0.1, 0.5, 0.9, 0.4, 0.8
Events: 0  , 1  , 1  , 0  , 1
Percentage: 60%

Зауважте, що кожне значення сприяє 1/5 кінцевого результату. Давайте розглянемо це по-іншому:

Values: 0.1, 0.5
Events: 0  , 1

Зауважте, що це 0вносить 50% вартості, а 150% вартості. Зроблено трохи далі:

Values: [0.1, 0.5], 0.9
Events: [0  , 1  ], 1

Зараз перші значення вносять 66% від вартості, а останні 33%. Ми в основному можемо це перенаправити до наступного процесу:

result = // 0 or 1 depending on the result of the event that was just generated
new_samples = samples + 1

average = (average * samples / new_samples) + (result * 1 / new_samples)
// Essentially:
average = (average * samples / new_samples) + (result / new_samples)

// You might want to limit this to, say, 100.
// Leaving it to carry on increasing can lead to unfairness
// if the game draws on forever.
samples = new_samples

Тепер нам потрібно змістити результат відбору вартості з PRNG, оскільки ми збираємось на відсотковий шанс, тут справи набагато простіші (порівняно, скажімо, випадкові суми збитків у RTS). Це буде важко пояснити, оскільки це мені просто прийшло в голову. Якщо середній показник нижчий, це означає, що нам потрібно збільшити шанс події, яка відбудеться, і навпаки. Отож кілька прикладів

average = 0.1
desired = 0.5
corrected_chance = 83%

average = 0.2
desired = 0.5
corrected_chance = 71%

average = 0.5
desired = 0.5
corrected_change = 50%

Тепер "мені прийшло в голову" те, що в першому прикладі 83% було лише "0,5 з 0,6" (іншими словами "0,5 з 0,5 плюс 0,1"). У термінах випадкових подій це означає:

procced = (sample * 0.6) > 0.1
// or
procced = (sample * 0.6) <= 0.5

Отже, щоб генерувати подію, ви в основному використовуєте наступний код:

total = average + desired
sample = rng_sample() * total // where the RNG provides a value between 0 and 1
procced = sample <= desired

І тому ви отримуєте код, який я вклав у суть. Я впевнений, що це все можна використати в сценарії випадкових випадків пошкодження, але я не знайшов часу, щоб це зрозуміти.

Застереження: Це все домашня статистика, я не маю освіти в цій галузі. Мої одиничні тести все ж проходять.

Те, що ви просите, насправді протилежне більшості PRNG, нелінійному розподілу. Просто введіть у свої правила якусь зменшувальну логіку повернення, припускаючи, що все, що перевищує 1,0x, є "критичним ударом" якогось типу, просто скажіть, що кожен раунд ваші шанси на те, щоб стати критичним, зростають на X, поки ви не отримаєте його на який момент вони скидають на Y. Потім ви робите два рулони кожен раунд, один для визначення критичного чи ні, а потім інший для фактичної величини.

Сід Мейєр виступив з відмінною промовою на GDC 2010 саме на цю тему та ігри цивілізації. Я спробую пізніше знайти та вставити посилання. По суті - сприйнята випадковість не те саме, що справжня випадковість. Щоб справи відчували себе справедливо, вам потрібно проаналізувати попередні результати та звернути увагу на психологію гравців.

Уникайте смуг невдачі будь-якою ціною (якщо попередні два повороти були невдалі, наступному слід гарантувати удачу). Гравець повинен бути завжди щасливішим, ніж противник AI.

Використовуйте зміщення зміщення

$0$$1$$r$$b$$0$

Загальний розподіл буде упереджено наступною формулою:

$r^{\exp (-b)}$

$b$$1$$b$$0$

Візьміть це число і масштабуйте його відповідно до потрібного діапазону.

Кожен раз, коли гравець сприятливо котиться, віднімайте від упередженості. Кожен раз, коли гравець котиться несприятливо, додайте упередженості. Змінену суму можна масштабувати тим, наскільки (не) сприятливим є рулон або може бути рівна сума (або їх комбінація). Вам потрібно буде відрегулювати конкретні значення, щоб відповідати відчуттю, яке ви збираєтеся.