【游戏数值】PRD算法下的伪随机分布暴击机制分析

1.简介

PRD是war3计算暴击时使用的伪随机算法,其意义是减少极端事件发生的概率,平衡游戏体验。类似的情形是抽奖等,同样服从二项分布的情景,都可以不同程度上使用基于PRD的伪随机分布作为替代。

2.随机与伪随机

生成服从均匀分布的随机数是容易的,然后通过逆采样变换可以得到服从任意分布的随机数

假设需要生成服从分布F的随机数,只需生成y ~ U(0,1),令y = F(x),则x = G(y) = F^{-1}(y),由此变换得到的x服从分布F

计算机通过简单采样以外的方法生成的非均匀分布的随机数,都可以理解为是伪随机数

3.PRD算法

一般暴击事件可以用二项分布去描述和建模。例如事件\{进行n次普攻有k次暴击\},其概率分布函数P(X_n=k)为:
P(X_n=k) = C_n^k \cdot p^k \cdot (1-p)^{n-k}
其中p为单次普攻暴击的概率

在介绍PRD是如何运作之前,我们需要修改一下上述的事件描述,他仍然服从二项分布,事实上就是k=1的情形。事件\{进行n次普攻最后1次暴击\},其概率分布函数P(X_n)为:
P(X_n) = p \cdot (1-p)^{n-1}
其数学期望记为E_{bnl}
E_{bnl} = E(P(X_n)) = \Sigma_{n=1}^{\infty} p \cdot (1-p)^{n-1} \cdot n
PRD算法:直到下一次暴击之前,单次普攻暴击的概率为n*cn为上一次暴击之后的普攻次数,暴击后n重置为1

PRD算法下事件\{进行n次普攻最后1次暴击\}的概率分布函数P(X_n)为:
P(X_n) = n \cdot c \cdot (1 - c) \cdot (1 - 2c) \cdot (1 - 3c) ...... = n! \cdot c \cdot \Pi_{i=1}^{n-1}(\frac{1}{i} - c)
其数学期望记为E_{prd}
E_{prd} = E(P(X_n)) = \Sigma_{n=1}^{sup} n \cdot c \cdot (1 - c) \cdot (1 - 2c) \cdot (1 - 3c) ...... \cdot n = \Sigma_{n=1}^{sup} n! \cdot c \cdot \Pi_{i=1}^{n-1}(\frac{1}{i} - c) \cdot n
其中sup为最大不暴击次数,可由[\frac{1}{c}]+1计算

4.代码

已上传到github:https://github.com/Jweeeeee/Dota2_PRD

快速预览:https://nbviewer.org/github/Jweeeeee/Dota2_PRD/blob/main/Dota2_PRD.ipynb

最后编辑于
©著作权归作者所有,转载或内容合作请联系作者
  • 序言:七十年代末,一起剥皮案震惊了整个滨河市,随后出现的几起案子,更是在滨河造成了极大的恐慌,老刑警刘岩,带你破解...
    沈念sama阅读 199,711评论 5 468
  • 序言:滨河连续发生了三起死亡事件,死亡现场离奇诡异,居然都是意外死亡,警方通过查阅死者的电脑和手机,发现死者居然都...
    沈念sama阅读 83,932评论 2 376
  • 文/潘晓璐 我一进店门,熙熙楼的掌柜王于贵愁眉苦脸地迎上来,“玉大人,你说我怎么就摊上这事。” “怎么了?”我有些...
    开封第一讲书人阅读 146,770评论 0 330
  • 文/不坏的土叔 我叫张陵,是天一观的道长。 经常有香客问我,道长,这世上最难降的妖魔是什么? 我笑而不...
    开封第一讲书人阅读 53,799评论 1 271
  • 正文 为了忘掉前任,我火速办了婚礼,结果婚礼上,老公的妹妹穿的比我还像新娘。我一直安慰自己,他们只是感情好,可当我...
    茶点故事阅读 62,697评论 5 359
  • 文/花漫 我一把揭开白布。 她就那样静静地躺着,像睡着了一般。 火红的嫁衣衬着肌肤如雪。 梳的纹丝不乱的头发上,一...
    开封第一讲书人阅读 48,069评论 1 276
  • 那天,我揣着相机与录音,去河边找鬼。 笑死,一个胖子当着我的面吹牛,可吹牛的内容都是我干的。 我是一名探鬼主播,决...
    沈念sama阅读 37,535评论 3 390
  • 文/苍兰香墨 我猛地睁开眼,长吁一口气:“原来是场噩梦啊……” “哼!你这毒妇竟也来了?” 一声冷哼从身侧响起,我...
    开封第一讲书人阅读 36,200评论 0 254
  • 序言:老挝万荣一对情侣失踪,失踪者是张志新(化名)和其女友刘颖,没想到半个月后,有当地人在树林里发现了一具尸体,经...
    沈念sama阅读 40,353评论 1 294
  • 正文 独居荒郊野岭守林人离奇死亡,尸身上长有42处带血的脓包…… 初始之章·张勋 以下内容为张勋视角 年9月15日...
    茶点故事阅读 35,290评论 2 317
  • 正文 我和宋清朗相恋三年,在试婚纱的时候发现自己被绿了。 大学时的朋友给我发了我未婚夫和他白月光在一起吃饭的照片。...
    茶点故事阅读 37,331评论 1 329
  • 序言:一个原本活蹦乱跳的男人离奇死亡,死状恐怖,灵堂内的尸体忽然破棺而出,到底是诈尸还是另有隐情,我是刑警宁泽,带...
    沈念sama阅读 33,020评论 3 315
  • 正文 年R本政府宣布,位于F岛的核电站,受9级特大地震影响,放射性物质发生泄漏。R本人自食恶果不足惜,却给世界环境...
    茶点故事阅读 38,610评论 3 303
  • 文/蒙蒙 一、第九天 我趴在偏房一处隐蔽的房顶上张望。 院中可真热闹,春花似锦、人声如沸。这庄子的主人今日做“春日...
    开封第一讲书人阅读 29,694评论 0 19
  • 文/苍兰香墨 我抬头看了看天上的太阳。三九已至,却和暖如春,着一层夹袄步出监牢的瞬间,已是汗流浃背。 一阵脚步声响...
    开封第一讲书人阅读 30,927评论 1 255
  • 我被黑心中介骗来泰国打工, 没想到刚下飞机就差点儿被人妖公主榨干…… 1. 我叫王不留,地道东北人。 一个月前我还...
    沈念sama阅读 42,330评论 2 346
  • 正文 我出身青楼,却偏偏与公主长得像,于是被迫代替她去往敌国和亲。 传闻我的和亲对象是个残疾皇子,可洞房花烛夜当晚...
    茶点故事阅读 41,904评论 2 341

推荐阅读更多精彩内容