طرق التطبيق وتشويه الدقة في الألعاب. الرسوم البيانية البصرية للمقارنة

من الممكن حساب حقيقة النجاح في الألعاب على أساس الدقة التي تم الحصول عليها بطرق مختلفة:

• مقارنة برقم عشوائي شبه واحد (والذي يمكن الحصول عليه بطرق مختلفة [ 1 ]) ؛
• مقارنة مع أكبر أو أصغر رقمين عشوائيين زائفين ؛
• مقارنة متوسط ​​رقمين أو أكثر من الأرقام العشوائية (يمكن أيضًا اعتبار المتوسط ​​بطريقة مختلفة).

يمكن أيضًا تطبيق مكافآت الدقة بطرق مختلفة ، مما يسبب غضب اللاعبين لأسباب مختلفة.

بنفس الطريقة ، يمكن حساب الأضرار التي لحقت بشكل مختلف ، لا سيما على أساس النرد (مكعبات).

كل هذه الأساليب المختلفة تؤثر على طريقة اللعب: تعقيدها وإمكانية التنبؤ بها. قد يكون كل واحد منهم قرارًا جيدًا اعتمادًا على الأهداف المنشودة ، لذلك من المفيد للغاية اتخاذ قرار بوعي.

ستقدم المقالة رسومات بيانية للتغيرات في الاحتمالات الحقيقية في طرق مختلفة ، مما سيتيح لهم التنقل بسرعة واتخاذ القرار الأفضل.

دقة التلاعب

عادة ، عندما يتم إخطار اللاعب بأن دقة الشخصية تبلغ 60٪ ، فإنه يرى هذه المعلومات على النحو التالي: "من أصل 10 لقطات ، يمكنني الاعتماد على 6 مرات." وإذا كان من بين كل 10 إصابات سوف يلاحظ ضربة واحدة بدلاً من 6 ، فسيعتبر بالتأكيد أن الحادث في اللعبة قد تم كسره. سيكون مقتنعًا بشكل خاص بهذا إذا حدث ذلك في مقطع من 100 لقطة. لتجنب مثل هذه المشاكل ، غالبًا ما يقوم المطورون بمعالجة سرية للاحتمال الحقيقي لضرب ( أو حتى التخلي عن عنصر العشوائية ).
على سبيل المثال ، في لعبة Fire Emblem: The Binding Blade ، لتحديد نتيجة للدقة بدقة ، لم تتم مقارنة رقم عشوائي واحد ، ولكن متوسط ​​رقمين عشوائيين [ 2 ].


نتيجة هذا التلاعب هي أن الهجمات ذات الأهداف الجيدة (> 50٪) تنخفض في كثير من الأحيان أكثر مما ينبغي مع التوزيع الموحد ، والهجمات غير الشرسة (<50٪) أقل شيوعًا. إليك كيفية تغير توزيع الاحتمالات هذا:


على سبيل المثال ، مع 10 ٪ من الدقة المشار إليها ، فإن الفعلي هو 1.9 ٪. وفي 75 ٪ ، فإن الفعلي سيكون 87.24 ٪.

ولكن ، في هذا الشأن ، يمكنك تغيير الدقة بعدة طرق أخرى.

على سبيل المثال ، يمكنك أن تأخذ في المتوسط ​​3 أرقام عشوائية:


يصبح التشويه الناتج عن ذلك أكثر إثارة للانتباه: دقة 10٪ تصبح 0.41٪ ؛ دقة 75 ٪ يصبح 92.69 ٪.

ومع ذلك ، يمكن حساب المتوسط ​​أيضًا على أنه المتوسط ​​الهندسي. فيما يلي التغييرات بمتوسط ​​هندسي يتكون من رقمين عشوائيين:


هنا 10 ٪ يتحول إلى 4.83 ٪ ، و 75 ٪ إلى 88.18 ٪. ولكن الأمر الأكثر إثارة للاهتمام هو أن الانتقال يحدث بنسبة 30٪ وليس بنسبة 50٪ كمتوسط ​​حسابي. لذلك ، إذا كنت تريد أن تتأكد من أن اللاعب سيكون لديه دائمًا ميزة ، فعليك فقط التأكد من أن الحد الأدنى من دقته لن يكون أبدًا أقل من 30٪ ، وأن الأعداء سيكونون منخفضين جدًا في كثير من الأحيان ( بالنسبة للأعداء ، يمكنك استخدام المتوسط ​​الحسابي ، أو شيء أكثر تشويها ).

يؤدي المتوسط ​​الهندسي المكون من 3 أرقام إلى نفس النتائج تقريبًا ، ولكن مع وجود فرق كبير:


هنا 10 ٪ يتحول إلى 1.95 ٪ ، و 75 ٪ إلى 93.98 ٪.

غالبًا ما يتم تحسين التلاعب ببعض المهارات أو إضعافها ، عند اختيار أحد الأرقام العشوائية ليكون الأكبر أو الأصغر:


نتيجة لذلك ، يختلف احتمال الاصطدام بشدة. على سبيل المثال ، عند اختيار أصغر رقم ، يتم تحويل دقة 10 ٪ إلى 19.02 ٪ ، ويتم تحويل دقة 75 ٪ إلى 93.75 ٪.
تستخدم هذه الطريقة ، على سبيل المثال ، في لعبة Neverwinter Nights في مهارة "Slippery Mind" ، والتي في حالة فشل التحقق من الخلاص ، يتم إجراء فحص ثانٍ لقوة الإرادة [ 3 ].

ليالي Neverwinter - Pixie Warrior [ 4 ]


في مقال سابق عن التلاعب الاحتمالي ، تم عرض طريقة للأحداث النادرة جدًا ، حيث زاد احتمال وقوع الحدث بمرور الوقت:

يستخدم المطور Carsten Germer وظيفة العشوائية التي تسيطر عليها للأحداث النادرة وليس فقط [ 5 ]. على سبيل المثال ، لضمان الخسارة الدورية لمكافأة نادرة بشكل خاص مع فرصة 1 في 10000 ، بعد كل "ملكة جمال" ، تزيد من فرص الترتيب: 1 في 9،900 ؛ 1 إلى 9800 ؛ من 1 إلى 9700 ... وهكذا حتى يتم تسجيل الحدث. ومن أجل ضمان عدم وجود ندرة متكررة ، أدخل متغيرًا إضافيًا يمنع العملية بنسبة 100٪ خلال عمليات الفحص العشر التالية بعد العملية الأخيرة.

مفاهيم خاطئة للاعبين في تقييم المخاطر [ 1 ]

إليك كيفية تغير احتمال حدوث هذا الحدث النادر عند استخدام هذه الطريقة:


كما ترون ، في النهاية لا يوجد شيء متعلق باحتمال 1 في 10000 ، ولكن لأغراض اللعب قد يكون هذا كافياً. على الرغم من أنه يبدو أكثر مثل إخفاء غير مقصود للاحتمالات الحقيقية من المطور نفسه ، مما قد يؤدي إلى قرارات غير صحيحة في تحسينات البرنامج في المستقبل.

أدناه ، أعطي أيضًا تغييرًا في حدث 1٪ بأنه سيحدث مرة واحدة على الأقل مع زيادة عدد المحاولات. خوارزمية التشويه: أول 10 محاولات - ملكة جمال مضمونة. ثم ، مع كل ملكة جمال ، يزيد الاحتمال بنسبة 1 ٪ (0.1 ٪ و 0.01 ٪) قبل أن تصل. ثم كل شيء من البداية.


ومع ذلك ، إذا كان هدفك الرئيسي كمطور هو ضمان عدم وقوع المستخدم في حدث 1٪ في سلسلة من 1000 misses على التوالي ، فسيكون من الأسهل والأكثر شفافية تعيين نجاح 100٪ بعد 200 misses على التوالي. هذا سيوفر لك من الحيرة النادرة للاعبين وسيسمح لك بترك رمز البرنامج أكثر إيجازاً وودية للتحسينات المستقبلية.

طرق مختلفة لتجميع مكافآت الدقة

إذا كانت هناك بعض المكافآت على الدقة في اللعبة والتي يتحكم فيها المطور بسهولة ، فمن الأسهل استخدام الطريقة الأبسط مع الزيادة الخطية في الدقة عن طريق إضافة بسيطة إلى القيمة الأساسية . هذه الطريقة هي الأسهل لتنفيذها في اللعبة وهي دائماً مفهومة للاعبين. مع هذا النهج ، من الممكن تحقيق دقة 100 ٪ ، والتي لا تتوافق دائما مع خطط المطور.





إذا خططت اللعبة للعديد من المكافآت الهامة بدقة ، حتى لا تتجاوز الدقة المضمونة بنسبة 100 ٪ ، يمكنك حساب الدقة النهائية كسلسلة من الرميات الإضافية ( غالبًا ما تكون غير محتملة بشكل منفصل ). على سبيل المثال ، مع تحقيق نسبة نجاح تصل إلى 70٪ ومكافأة بنسبة 50٪ ، فإن الاحتمال النهائي للاصابة سيكون 85٪ ، مثل التحقق من رميتين متتاليتين عندما تكفي ضربة واحدة على الأقل.




غريبة بعض الشيء هو النهج لتغيير جوهر المكافأة إلى الدقة عن طريق مكافأة للحد من احتمال ملكة جمال .

// newAccuracy -    % // baseAccuracy -    % // bonusAccuracy -     % let newAccuracy = 100 - ( (1 - baseAccuracy * 0.01) / (1 + bonusAccuracy * 0.01) ) * 100; 

يضمن أنه سيكون هناك دائما فرصة لملكة جمال مع أي مكافأة. بفضل هذا ، يمكن أن تمنح اللعبة مكافآت لـ "الدقة" بأكثر من 100٪ ، على الأقل 1000٪. ولا يزال سيكون هناك فرصة لملكة جمال. لكن من المرجح أن يربك اللاعب وبالتالي يخيب آماله.



في معظم الأحيان ، يتم استخدام النهج مع الجمع البسيط للمكافآت ، كما هو الأكثر قابلية للفهم ، ويسهل على المطور تنفيذه.

توزيع الضرر القائم على النرد

يعتمد هذا العنصر تمامًا على البيانات المرئية من منشور " الاحتمالات والألعاب: تلف الأضرار من ألعاب Blob الحمراء [6] ". هنا أقدم بإيجاز بعض الأمثلة والاستنتاجات من هذا المنشور. في المقالة الأصلية ، ستتلقى استنتاجات ومخططات توزيع تفاعلية أكثر تفصيلاً ، بالإضافة إلى وظائف قابلة للتخصيص بشكل تفاعلي لاختيار مجموعات مختلفة فريدة.

يتم تقديم المثال الأكثر وضوحًا (وليس الوحيد) لحسابات التلف المختلفة على أساس حساب التلف بحد أقصى 12 قيمة. يمكن الحصول على النتيجة باستخدام نردات مختلفة ( على سبيل المثال ، إذا لعبت لعبة لوحية ولم يكن لديك أي نرد خاص ):

1d12 - زهر واحد مع 12 وجهًا


2d6 - اثنين من الزهر مع 6 وجوه مختلفة


3D4 - ثلاثة الزهر مع 4 وجوه مختلفة


4d3 - أربعة الزهر مع 3 وجوه مختلفة


6D2 - ستة الزهر مع 2 وجوه مختلفة


كما ترون ، فإن استخدام مكعبات غير مناسبة يمكن أن يغير إلى حد كبير رصيد اللعبة.

الخاتمة

وبالتالي ، تم النظر في المواضيع التالية:

• التلاعب بدقة باستخدام طرق مختلفة للتحقق من ذلك ؛
• طرق مختلفة لتجميع مكافآت الدقة ؛
• مختلف توزيع الضرر القائم على النرد.

قد تكون كل طريقة مفيدة للمطور. بالنسبة للألعاب التي تضم جمهورًا غير رسمي ، يتم اختيار خوارزميات تجنيب أكثر غالبًا ، حيث يتم المبالغة في تقدير احتمالات نجاح اللاعب ، ولإثارة الإثارة ، يتم إنشاء وهم بفوز غير متوقع (المزيد في واحدة من المقالات السابقة: [ 7 ]).

المراجع

1. المفاهيم الخاطئة للاعبين في تقييم المخاطر. السيطرة على مولد رقم عشوائي في التنمية .
2. حريق شعار ويكي - مولد رقم عشوائي .
3. ليالي Neverwinter 2 - قدرات الطبقة - العقل الزلق .
4. ليالي Neverwinter - عابث المحارب .
5. "العشوائية ليست عشوائية" في تصميم وبرمجة اللعبة .
6. الاحتمالات والألعاب: ضرر رولز من ألعاب ريد بلوب .
7. توليد دعوة قريبة في الألعاب: "على وشك الهزيمة" أو "فاز تقريبا" .