जोखिम का आकलन करते समय खिलाड़ी गलतफहमी करते हैं। विकास में यादृच्छिक संख्या जनरेटर का नियंत्रण

मानव मस्तिष्क, अपनी बहुत ही प्रकृति से, एक दी गई संख्यात्मक रेटिंग के आधार पर, यादृच्छिक घटनाओं की घटना की संभावना का मूल्यांकन करने में बहुत खराब है। और गुणवत्ता रेटिंग के आधार पर बहुत अच्छा है। और सभी क्योंकि एक व्यक्ति मानसिक रूप से संख्यात्मक संभावनाओं में संख्यात्मक संभावनाओं का रूपांतरण करता है, और यह बहुत ही व्यक्तिपरक रूप से करता है:

• खेल में एक शॉट का 80% - ठीक है, यह लगभग गारंटी वाला हिट है;
• इस तथ्य का 80% कि आपका साथी कम से कम किसी दिन कर्ज चुकाता है, नहीं-नहीं-नहीं, यह काम नहीं करेगा, यह बहुत अधिक जोखिम है;
• 5% को गंभीर नुकसान हुआ, वह दुश्मन का एनपीसी है - यह संभावना नहीं है कि जोखिम को नजरअंदाज किया जा सकता है;
• यदि आप टपकने वाले मीटर-हाई आइकल्स के साथ छत के नीचे चलते हैं, तो आइकल्स गिरने का 1% जोखिम - इसके अलावा, फुटपाथ के दूसरी तरफ घूमना बेहतर है;
• एक बड़े आरपीजी में मिनी-गेम जीतने का 51% मौका - आप इस तथ्य पर भरोसा कर सकते हैं कि 20 दांव के बाद मैं थोड़ी जीत या कम से कम अपने खुद के साथ रहूंगा ... 20 दांव के बाद ... यह कैसे हो सकता है कि मैं अपना आधा हार गया सोना? यहाँ यादृच्छिक संख्या जनरेटर स्पष्ट रूप से टूट गया है!

निम्नलिखित प्रश्नों पर लेख में विचार किया जाएगा:

• संभावनाओं के अनुमान में गलत धारणाएं;
• खिलाड़ी की गलतफहमी और "दुर्लभ" घटनाओं की वास्तविक संभावनाओं के विशिष्ट उदाहरण;
• यादृच्छिक संख्या जनरेटर (आम तौर पर छद्म यादृच्छिक);
• एक उदाहरण के रूप में अंतिम काल्पनिक I का उपयोग करके प्रारंभिक सरल छद्म यादृच्छिक संख्या जनरेटर;
• प्रतिलिपि प्रस्तुत करने के साथ और बिना यादृच्छिक घटनाओं के कार्यान्वयन के लिए दृष्टिकोण;
• अग्नि प्रतीक में विभिन्न दृष्टिकोणों और जोड़तोड़ को सफलतापूर्वक कार्यान्वित करने के उदाहरण।

I. संभाव्यता के अनुमान में त्रुटिपूर्ण धारणा

विकास की प्रक्रिया में, मानव मस्तिष्क ने अपने अनुभव की घटनाओं और छवियों के गुणात्मक आकलन के साथ बहुत अच्छी तरह से संचालित करना सीखा। एक व्यक्ति अपेक्षाकृत हाल ही में "यादृच्छिक" घटनाओं की संभावना की संख्या और एक सार संख्यात्मक अनुमान के साथ आया था [ 1 ]। फिर भी, उनके अनुमानों में लोग अभी भी इन संख्याओं को गुणात्मक प्रतिनिधित्व में बदल देंगे: थोड़ा सा, थोड़ा, बहुत, खतरनाक, सुरक्षित, पर्याप्त। ये मूल्यांकन हमेशा संदर्भ और इस संदर्भ में व्यक्तिपरक दृष्टिकोण पर निर्भर करते हैं । यह त्रुटिपूर्ण संख्यात्मक मान्यताओं का मुख्य कारण है।

एक उदाहरण के रूप में, टर्न-आधारित खेल चेले 2 [ 2 ] पर विचार किया जाएगा। लेख का यह भाग विशेष रूप से इस खेल में यादृच्छिक संख्या पीढ़ी की गुणवत्ता पर विचार नहीं करेगा। लेख के दूसरे भाग में उनकी पीढ़ी के बारे में पर्याप्त डेटा होगा।

चेले 2 - विशिष्ट मिस [ 2 ]

एक मानक हाथापाई हमले में मारने की 80% संभावना है। आमतौर पर यह मौका खिलाड़ी द्वारा " लगभग हमेशा " के रूप में माना जाता है, और एक मिस का जोखिम " कभी-कभी / कभी-कभी " होता है। दो हमलों के साथ लगातार 2 बार चूकने का मौका 4% है। खिलाड़ी इस जोखिम को " लगभग कभी नहीं / बहुत कम होगा " के रूप में मानता है। और जब ऐसा होता है, तो खिलाड़ी "वक्र यादृच्छिक" पर नाराज हो जाते हैं: [ 3 ]; [ ४ ]।

लेकिन दो लगातार यादों और 4% जोखिम मूल्यांकन के साथ स्थितियों में, खिलाड़ी द्वारा एक त्वरित मूल्यांकन में कई गलत धारणाएं हैं:

1. 4% " लगभग कभी नहीं" है । यह एक घटना है जो हर 25 वें स्वतंत्र प्रयोग (औसतन) में होगी।

2. मूल्यांकन गलत समय अंतराल पर किया जाता है । 80% के न्यूनतम हमले के माप अंतराल को 2 हमले नहीं, बल्कि "सावधान" खिलाड़ी की स्मृति के दौरान एक ही वर्ग (~ 80%) के सभी हमलों को लिया जाना चाहिए। सबसे अधिक बार, इस समय के दौरान आप सामान्य रूप से एक लंबा खेल सत्र या पूरा खेल ले सकते हैं, यह सब खेल के प्रकार, खिलाड़ी की स्मृति और खिलाड़ी की वरीयताओं पर निर्भर करता है।

चूंकि मेरे पास इस खेल के उपयोग के वास्तविक आंकड़े नहीं हैं, इसलिए मैं इस धारणा से आगे बढ़ूंगा कि शिष्य 2 में एक लंबा खेल सत्र 3 घंटे तक चलता है और इस दौरान ~ 80% की सटीकता के साथ लगभग 250 हमले किए जाते हैं। यह ध्यान देने योग्य है कि दुश्मन की यादों को अनदेखा किया जाना चाहिए, क्योंकि उनकी याद आती है कि खिलाड़ी नाराज नहीं है, और वह शायद ही कभी उन्हें याद करता है।

इसलिए, स्थिति का मूल्यांकन किया जाना चाहिए: "सभी 250 हमलों के लिए, एक पंक्ति में 2 मिसाइलें कभी नहीं होंगी।"
इस घटना की सच्चाई की संभावना की गणना करने के लिए, पुनरावृत्ति सूत्र का उपयोग किया गया था: P1 (n) = 0.8 * P1 (n-1) + 0.16 * P1 (n-2)। इस सूत्र को प्राप्त करने में, मैंने समुदाय की मदद का लाभ उठाया, गणना, विवरण और परिणाम का एक उद्धरण नीचे दिया गया है।

आप इंडक्शन का उपयोग करके देख सकते हैं। हम कुछ संकेतन पेश करते हैं। N के आउट होने के बाद पंजा बनाए रखने की संभावना P (n) द्वारा निरूपित की जाती है। हम इस संभाव्यता का प्रतिनिधित्व दो संभावनाओं के योग के रूप में करते हैं
पी (एन) = पी 1 (एन) + पी 2 (एन), जहां पी 1 (एन) संभावना है जिस पर चरम एन-वें आउटिंग सफल रही, और पी 2 (एन) - असफल।

ऐसा लग सकता है कि पी 1 और पी 2 0.8 और 0.2 के समानुपाती हैं, लेकिन ऐसा नहीं है। इस तथ्य के कारण कि हम किसी भी संभावित परिणामों पर विचार नहीं कर रहे हैं, लेकिन केवल उन लोगों ने जो रैकून पंजा को बचाया है।
अब एक पुनरावृत्ति सूत्र प्राप्त करने का प्रयास करते हैं
P1 (n) = 0.8 * (P1 (n-1) + P2 (n-1))
पी 2 (एन) = 0.2 * पी 1 (एन -1)
पी 1 के सूत्र में पी 2 को प्रतिस्थापित करें जो हमें मिलता है
P1 (n) = 0.8 * P1 (n-1) + 0.16 * P1 (n-2)
पुनरावृत्ति संबंधों का आगे समाधान [5]

उपयोगकर्ता सर्बबिट के उद्धरण [ 6 ]

समस्या को हल करने के लिए, पुनरावृत्ति संबंधों को हल करने के तरीकों को समझने के बजाय, ब्राउज़र कंसोल के लिए एक छोटा जावास्क्रिप्ट कोड लिखा गया था और परिणाम की गणना की गई थी।

var P1 = []; P1[0] = 1; P1[1] = 1; for (var n=2; n<=250; n++) { P1[n] = 0.8 * P1[n-1] + 0.16 * P1[n-2]; console.log(n + ') ' + P1[n]); } // : 250) 0.0001666846271670716 

जवाब है: 0.0001666846271670716
या 0.0167%

यह उत्तर एक अन्य लेखक Kojiec9: 0.000166684627177505 [ 6 ] के उत्तर के साथ मेल खाता है, जिन्होंने पांच-दशमलव संख्या प्रणाली के साथ अपनी विकसित विधि का उपयोग किया और पास्कल में अपने सूत्र का उपयोग करके परिणाम की गणना की। उत्तरों में मामूली अंतर स्पष्ट रूप से बताया गया है, फ्लोट संख्याओं को गोल करके।

इसलिए, डिसिप्लिन 2 खेलने के 3 घंटों में, एक खिलाड़ी के पास केवल 0.0167% पर 80% सटीकता के साथ दोहरे मिस से बचने का मौका होता है। अब यह वास्तव में बहुत संभावना नहीं है। (और कम से कम एक डबल मिस की संभावना क्रमशः 99.9833% है)।

प्रयोगों की संख्या में वृद्धि के साथ कम से कम एक डबल मिस की संभावना में वृद्धि

मानव स्मृति की अपूर्णता और विकृतियों के बारे में, वैसे, सामान्य रूप से, संपूर्ण अध्ययन और पुस्तकें मौजूद हैं: “मस्तिष्क के भ्रम। जानकारी की अधिकता के कारण संज्ञानात्मक विकृतियाँ ”[ 7 ]; "अपने मस्तिष्क पर विश्वास न करें" [ 8 ], यदि आप इस विषय में रुचि रखते हैं, तो मेरा सुझाव है कि आप इन लेखों से खुद को परिचित करना शुरू करें।

3. तीसरा गलत धारणा पारस्परिक रूप से स्वतंत्र प्रयोगों में निर्भरता की उम्मीद है ।

यह है, पहले मिस के बाद, खिलाड़ी सोचता है:

"तो, चरित्र 80% की सटीकता के साथ याद किया। अब वह निश्चित रूप से मारा जाएगा, क्योंकि दोहरे मिस का जोखिम केवल 4% है।

लेकिन नहीं। पहली मिस के बाद, एक और मिस का जोखिम भी 20% होगा। आखिरकार, पिछला हमला पहले ही हो चुका है और भविष्य के शॉट को प्रभावित नहीं करता है। इसके अलावा, अगर पहले हमले से पहले एक डबल मिस की संभावना 4% थी, तो पहली मिस के बाद एक डबल मिस की संभावना पहले से ही 20% हो जाती है, अर्थात, खिलाड़ी की अपेक्षाओं के सापेक्ष, जोखिम केवल बढ़ जाता है।

मानव मस्तिष्क की यह विशेषता विशेष रूप से जुआ में कैसीनो (और जैसे) द्वारा जोड़तोड़ के लिए आकर्षक है (निर्माता [ 9 ] से स्लॉट मशीनों के उपकरण के बारे में अधिक)।
मानव श्रुति के भ्रम के और अधिक दिलचस्प उदाहरण लेख में जान श्रेइबर के संतुलन "स्तर 5: संभाव्यता और यादृच्छिकता के बारे में भयंकर रूप से गलत हो गए" ( स्तर 5. संभावना और यादृच्छिकता टुकड़ों में चली गई ) [ 10 ] के बारे में लेखों में पाया जा सकता है।

द्वितीय। रैंडम नंबर जनरेटर

"रैंडम नंबर जेनरेटर" (RNG / रैंडम नंबर जनरेटर) शब्द का इस्तेमाल लगभग हमेशा वास्तव में "छद्म यादृच्छिक संख्या जनरेटर" [ 11 ] में होता है। इस जनरेटर की मुख्य विशेषता इसकी प्रजनन क्षमता है। Reproducibility का अर्थ है कि, प्रारंभिक जनरेटिंग तत्व (या बीज) को जानने के बाद, यादृच्छिक ( छद्म आयामी ) संख्याओं का एक ही अनुक्रम हमेशा प्राप्त होगा। कुछ खेलों में, यह प्रभाव इस तथ्य में प्रकट होता है कि खेल को फिर से शुरू करने के बाद हिट और मिस का क्रम अपरिवर्तित रहता है। लेकिन अन्य खेलों में ऐसा नहीं है।

और बात यह है कि इस छद्म यादृच्छिक संख्या जनरेटर का उपयोग कैसे किया जाता है और डेवलपर किस डिजाइन लक्ष्य का पीछा करता है।

छद्म यादृच्छिक संख्या जनरेटर के संचालन के सिद्धांत को बेहतर ढंग से समझने के लिए, हम उस तरह से विचार कर सकते हैं जिस तरह से इसे पहले क्लासिक खेलों में लागू किया गया था, जब कंप्यूटर (और कंसोल) के संसाधन विशेष रूप से गंभीर रूप से सीमित थे। ( उदाहरणों और उनकी विशेषताओं का गहराई से वर्णन करने के लिए, लेख देखें "कैसे क्लासिक गेम यादृच्छिक संख्या पीढ़ी का स्मार्ट उपयोग करते हैं" [[]]। )

क्लासिक गेम यादृच्छिक संख्या पीढ़ी का स्मार्ट उपयोग कैसे करते हैं [ 12 ]

अंतिम काल्पनिक मैंने प्रत्येक तालिका में 256 मानों के साथ पूर्वनिर्धारित निश्चित संख्याओं के साथ कई तालिकाओं का उपयोग किया:

• खेल के नक्शे में प्रत्येक चरण के साथ यादृच्छिक लड़ाइयों की गणना करने के लिए, एल्गोरिथ्म तालिका के चारों ओर ले जाया गया, एक समय में 1 से सूचकांक बदल रहा है, इस प्रकार धीरे-धीरे सभी संभावित मूल्यों के माध्यम से स्क्रॉल कर रहा है - टकराव के तथ्य और उस पर निर्भर विरोधियों के एक संभावित समूह दोनों;
• लड़ाई के परिणामों की गणना करने के लिए, 256 निश्चित मूल्यों की एक समान तालिका का भी उपयोग किया गया था, लेकिन इसके साथ आगे बढ़ना न केवल छद्म यादृच्छिक संख्या के प्रत्येक बाद के उपयोग के साथ हुआ, बल्कि प्रत्येक 2 फ़्रेमों में भी हुआ। यही है, हर 2 फ्रेम एल्गोरिथ्म में आईडी को अंक के साथ स्क्रॉल किया जाता है, जिससे अनुमानित समान दृश्यों के जोखिम को कम किया जाता है। यहां एन्ट्रापी का स्रोत यह अनिश्चितता था कि अगली टीम चुनने से पहले खिलाड़ी कब तक सोचेगा।

अंतिम काल्पनिक मैं एक अनाज (जेनरेट्रिक्स) के रूप में तालिका में एक निश्चित मूल्य के सीरियल नंबर (सूचकांक) का उपयोग करता है। यही है, उस जगह को जानने से जहां से यादृच्छिक संख्याओं को आगे चुना जाएगा, कोई भी सटीक भविष्यवाणी कर सकता है कि 1000 चेक के बाद कौन सा यादृच्छिक नंबर जारी किया जाएगा। अधिक जटिल छद्म यादृच्छिक संख्या पीढ़ी एल्गोरिदम में, अनाज का उपयोग इतनी आसानी से नहीं किया जाता है, लेकिन मूल सिद्धांत और प्रभाव बना रहता है।

अब छद्म आयामी संख्या की पीढ़ी के लिए, प्रयुक्त प्रोग्रामिंग भाषाओं के मानक पुस्तकालयों का उपयोग मुख्य रूप से किया जाता है। वर्तमान प्रणाली का समय सबसे अधिक बार एन्ट्रापी के स्रोत के रूप में उपयोग किया जाता है। गेमिंग उद्योग की जरूरतों के लिए, मानक पुस्तकालयों की विशेषताएं आमतौर पर पर्याप्त हैं। जनरेटर की कमियां और एन्ट्रापी का स्रोत शायद ही कभी खिलाड़ियों द्वारा उनकी गणना और हेरफेर की जटिलता के कारण उपयोग किया जाता है। आमतौर पर यह बहुत सारे प्रोग्रामर प्रोग्रामर होते हैं ( उदाहरण के लिए, पोकेमोन कोलोसेम [ 13 ] के तर्क को हैक करना ), जिसका अर्थ है कि डेवलपर्स इस तरह की सूक्ष्मताओं को अनदेखा करने के लिए अधिक बुद्धिमान हैं।

तृतीय। जनरेटर का उपयोग करने के लिए अलग-अलग दृष्टिकोण

1. अनाज मिशन या खेल अभियान की शुरुआत के समय तय किया जाता है।

खिलाड़ी के लिए परिणाम : खेल को फिर से लोड करने से चरित्र द्वारा एक चूक के तथ्य को नहीं बदला जाएगा (चलो उसे पागल फिदेल कहते हैं ), भले ही उसकी हिट की संभावना 99% हो। हालांकि, हिट करने का प्रयास करने से पहले, खिलाड़ी कुछ अन्य कार्रवाई कर सकता है जो एक यादृच्छिक संख्या का उपयोग करता है, उदाहरण के लिए, यह एक और चरित्र जैसा दिखता है - गंजा मिक । इसके परिणामस्वरूप, असभ्य यादृच्छिक संख्या का उपयोग गंजा मिक द्वारा किया जाएगा, और अनुक्रम में अगले यादृच्छिक संख्या का उपयोग पागल फिदेल पर किया जाएगा - फिर वह शायद इसे प्राप्त करेगा।

कोई खिलाड़ी इसका दुरुपयोग कैसे कर सकता है : यदि 50% सटीकता के साथ एक शॉट मिस हो जाता है, तो आप रीबूट कर सकते हैं और हिट होने तक थोड़ी अधिक सटीकता (55%) के साथ हमले की कोशिश कर सकते हैं। हिट होने के बाद, इसे अन्य थ्रो के साथ सहेजें और दोहराएं।

डेवलपर के लिए सकारात्मक परिणाम :

1) खेल को चरण दर चरण पुन: प्रस्तुत किया जा सकता है, यदि केवल प्रारंभिक अवस्था, अनाज और क्रियाओं का अनुक्रम संग्रहीत किया जाता है। इसके लिए धन्यवाद, पुनरावृत्ति दिखाना संभव है और यहां तक ​​कि बहुत कॉम्पैक्ट रूप से सहेजें फ़ाइलों को संग्रहीत करना संभव है। विधि आपको डिस्क / मेमोरी पर बहुत सारे स्थान को बचाने की अनुमति देती है।

2) आंतरिक जुए का संरक्षण ताकि बचत / लोडिंग खिलाड़ी को एनपीसी के सभी विरोधियों को दिवालिया होने की अनुमति न दे।

एक उदाहरण :

खेल रॉगुलाइक ब्रोग [ 14 ] इस पद्धति का उपयोग करता है, खेल की दुनिया की पीढ़ी के साथ शुरू होता है और सभी खिलाड़ी के कार्यों का एक मिसकॉल होता है। इस के परिणामस्वरूप, केवल शुरुआती अनाज और गेम कमांड का क्रम सेव फाइल में जमा हो जाता है। इस आशय का एक अतिरिक्त बोनस यह है कि खेल को चयनित अनाज संख्या के साथ शुरू किया जा सकता है, उत्पन्न ब्रोग दुनिया के टेबल में सबसे दिलचस्प दुनिया का चयन करने के बाद [ 15 ]।

ब्रोग रॉगुलाइक - आधिकारिक साइट [ 14 ]

2. हर बार रिबूट के बाद अनाज तय या अद्यतन नहीं किया जाता है।
खिलाड़ी के लिए परिणाम : कोई भी रीबूट हिट की संभावना में सभी गणनाओं को बदल देता है।

एक खिलाड़ी इसका दुरुपयोग कैसे कर सकता है : बहुत सरल - कई रिबूट और सबसे अधिक संभावना हिट परिदृश्य एक वास्तविकता बन सकता है।

डेवलपर के लिए सकारात्मक परिणाम :

1) खिलाड़ी ऐसे खेल को वास्तविक यादृच्छिकता के साथ अधिक ईमानदार मानते हैं, केवल आंतरिक यांत्रिकी के ज्ञान की कमी के कारण।

2) खिलाड़ियों को एक अनौपचारिक आसान मोड प्राप्त होता है, जो यदि वांछित है, तो जटिल क्षेत्रों की सुविधा प्रदान कर सकता है।

3) एक डेवलपर विभिन्न तरीकों का उपयोग करके एक फ्रीबी को कवर कर सकता है: प्रति गेम एक ऑटोसव (जो है, ओवरराइटिंग सेविंग और स्थायी मृत्यु) या एक मिशन के दौरान बचत को रोकना (विभिन्न रूपों में)। और सबसे संवेदनशील क्षेत्रों (जुआ मिनी-गेम) की गणना एक एकल निरंतर अनाज के आधार पर की जा सकती है, हालांकि तकनीकी रूप से यह बहुत अधिक कठिन है।

एक उदाहरण :

वेसनॉथ की लड़ाई [ 16 ] अनिवार्य रूप से ईमानदार यादृच्छिकता के साथ अनफिक्स अनाज का उपयोग करती है। ईमानदारी इस तथ्य में निहित है कि कभी-कभी विफलताओं के पूरी तरह से असंभव अनुक्रम संभव हैं, और गेम इंजन उन्हें सही नहीं करता है। इसका परिणाम गेम डेवलपर्स के खिलाफ नाराज खिलाड़ियों की आवधिक नाराज पोस्ट है।

Reddit Wesnoth में एक सुपर निपुण मत्स्यांगना है [ 17 ]

इसके अलावा, हमले से पहले, खेल हमले के संभावित परिणामों में से प्रत्येक की संभावनाओं की विस्तृत गणना प्रदान करता है: किए गए नुकसान, प्राप्त नुकसान और विरोधियों में से एक की मृत्यु की संभावना। इन संभावनाओं का निष्कर्ष केवल "असफल सदृश" लोगों के गुस्से को बढ़ाता है, क्योंकि हमले के अच्छे अवसरों का आश्वासन देते हुए, ऐसे परिणामों के साथ आना मुश्किल है जिनका स्कोर 1000 में 1 था।

3. अनाज तय नहीं है, और परिणाम स्वयं अतिरिक्त जोड़तोड़ के अधीन हैं।

जोड़तोड़ से मेरा मतलब ऐसे गतिशील समायोजन से है, जिसके परिणामस्वरूप सही ( निष्पक्ष ) यादृच्छिकता की भावना परिणामी संख्याओं में वास्तविक छद्मता के नुकसान के कारण बढ़ जाती है।

खिलाड़ी के लिए परिणाम : अनफिक्स अनाज के साथ खेल के समान - पुनः लोड करने से आप परिणामों को पुनः प्राप्त कर सकते हैं।

एक खिलाड़ी इसका दुरुपयोग कैसे कर सकता है : स्कैमिंग को बचाने की मदद से, आप हमलों का एक अनुकूल संयोजन चुन सकते हैं, लेकिन यह काफी हद तक कार्यान्वयन पद्धति और डेवलपर की ओर से सुरक्षात्मक तंत्र की उपलब्धता पर निर्भर करता है।

डेवलपर के लिए सकारात्मक परिणाम : डेवलपर अवांछनीय परिणामों की दुर्लभता को नियंत्रित कर सकता है, एक " ईमानदार यादृच्छिक " की उपस्थिति बना सकता है, खेल की जटिलता को बढ़ा और घटा सकता है। यदि डेवलपर, मारने की संभावना की गणना करते समय, स्टोर और अलग-अलग प्रत्येक टीम के लिए सकारात्मकता को ध्यान में रखता है, तो वह सेव-स्कैमिंग के दुरुपयोग को बहुत कम कर सकता है, यह सुनिश्चित करता है कि खिलाड़ी अभी भी क्षति के अंकगणितीय माध्य भाग को प्राप्त करेगा।

उदाहरण :

डेवलपर कार्स्टन जर्मर दुर्लभ और न केवल घटनाओं के लिए नियंत्रित यादृच्छिकता के कार्य का उपयोग करता है [ 18 ]। उदाहरण के लिए, प्रत्येक "मिस" के बाद 10,000 में एक मौका के साथ विशेष रूप से दुर्लभ बोनस की आवधिक हानि की गारंटी देने के लिए, यह क्रम में संभावनाएं बढ़ाता है: 9,900 में 1; 1 से 9800; 1 से 9700 ... और इसी तरह जब तक कि घटना दर्ज न हो जाए। और लगातार दुर्लभताओं की अनुपस्थिति की गारंटी देने के लिए, उन्होंने एक अतिरिक्त चर पेश किया जो अंतिम ऑपरेशन के बाद अगले 10 चेक के दौरान ऑपरेशन को 100% तक अवरुद्ध करता है।

मेरे ग्रू द मॉन्स्टर बैगेल [ 19 ] में, मैंने बेतरतीब हेरफेर भी किया। आमतौर पर, पीड़ितों का पीछा करते समय, खिलाड़ी के चरित्र को उनके पीछे छिप जाना चाहिए, उनके लिए एक कदम वापस लेने और उसके पंजे में गिरने का इंतजार करना चाहिए। आमतौर पर यह मौका खुले स्थान में 1/6 (गलियारों में 1/2 और मृत सिरों में 1/1) के बराबर होता है, लेकिन विशेष रूप से अशुभ स्थितियों के कष्टप्रद प्रभाव को कम करने के लिए, 15% मामलों में पीड़ित की दिशा की प्रत्येक जांच से पहले, उसे ग्रो की ओर जाने की गारंटी दी गई थी। ।

सबसे दिलचस्प मामला: खेल में आग का प्रतीक: बाइंडिंग ब्लेड [ 20 ], हमलों के दौरान हिट निर्धारित करने के छिपे हुए यांत्रिकी [ 21 ] को लागू किया गया था। परंपरागत रूप से श्रृंखला के लिए, मारने की संभावना खेल द्वारा 0 से 100% प्रतिशत के रूप में दिखाई जाती है। श्रृंखला के पहले के खेलों में, हिट का तथ्य 1 से 100 तक एक यादृच्छिक संख्या द्वारा निर्धारित किया गया था: यदि ड्रॉप-आउट संख्या (उदाहरण के लिए, 61) हिट की संभावना से कम या बराबर है (उदाहरण के लिए, 75), तो एक हिट गिना जाता है, यदि अधिक, तो एक मिस।

फायर प्रतीक: बाइंडिंग ब्लेड [ 20 ]

इस भाग में, एक बख्शते प्रणाली को पेश किया गया था: एक यादृच्छिक संख्या के बजाय, दो यादृच्छिक संख्याओं का औसत लिया गया था, और इस औसत की सटीकता सटीकता के साथ तुलना की गई थी। यही है, एक यादृच्छिक संख्या 50 से अधिक मान तक जाती है। यह हिट के यादृच्छिकता के रैखिक प्रभाव की विकृति की ओर जाता है: 50% से अधिक हिट वाले सेनानियों को 50% मामलों में अधिक बार मारा जाता है, और हिट के साथ 50% से कम अक्सर होता है। और चूंकि खेल में खिलाड़ी के पात्रों का विशाल हिस्सा अधिक सटीक होता है, और अधिकांश दुश्मन कम होते हैं, इसलिए खिलाड़ी को एक बहुत ही छिपा हुआ लाभ मिलता है [ 21 ]। नीचे इस आशय का एक ग्राफ है, जहां नीली रेखाएं पुरानी प्रणाली में हिट की आवृत्ति और हमलावर की सटीकता के प्रतिशत के आधार पर नई प्रणाली में हिट की लाल आवृत्ति दिखाती हैं। उदाहरण के लिए, 90% हिट करने की संभावित संभावना के साथ, वास्तविक संभावना 98.1% होगी, 80% के साथ - 92.2%, और 10% के साथ - केवल 1.9%!

मारने की संभावना का विरूपण। Y- अक्ष पर, एक्स-अक्ष पर वास्तविक संभावना - खिलाड़ी को दिखाया गया है

ये, ज़ाहिर है, यादृच्छिक संख्याओं और संतुलन के साथ जोड़तोड़ के एकमात्र उदाहरण नहीं हैं, लेकिन उन्हें ढूंढना बहुत मुश्किल है। इसलिए, यहां सामुदायिक मदद विशेष रूप से मूल्यवान होगी।

मैं यह नोट करना चाहता हूं कि मैं प्रक्रियात्मक पीढ़ी को इस तरह यादृच्छिकता में हेरफेर करने की विशेषता नहीं देता हूं। उदाहरण: बैगा ने दुश्मनों, जाल, दीवारों और मृत सिरों के एक यादृच्छिक सेट के साथ एक यादृच्छिक स्तर उत्पन्न किया। यदि एक ही समय में एक स्तर जो पास करना असंभव है, तो एक विकास वक्र, अपर्याप्त रूप से सोचा गया डिजाइन या खराब परीक्षण का एक उदाहरण है। डेवलपर को प्रक्रियात्मक रूप से यादृच्छिक पीढ़ी की कम से कम बुनियादी समस्याओं की जाँच करनी चाहिए:

• बाहर निकलने का मार्ग हमेशा एकवचन में कम से कम होना चाहिए। एल्गोरिदम खोजने वाला कोई भी रास्ता यहां मदद करता है;
• जाल की एक श्रृंखला को बायपास करने में सक्षम होना चाहिए, और यदि उनमें से कई एक ही स्थान पर हैं, तो एल्गोरिथ्म को उनके घनत्व की गणना करनी चाहिए और अनावश्यक को हटा देना चाहिए;
• बहुत शक्तिशाली दुश्मनों को उपलब्ध तरीकों में से कम से कम एक को उन्हें "पास" प्रदान करना होगा: क्रूर बल; स्क्रॉल और औषधि; विशेष कलाकृतियाँ या उनसे दूर भागने की क्षमता।

यादृच्छिक परिणामों में इस तरह का हस्तक्षेप कोई हेरफेर नहीं है, बल्कि विकास के लिए न्यूनतम सक्षम दृष्टिकोण का नियम है। ये जांच छद्म आयामी संख्या उत्पन्न करने के सभी तरीकों में उपयोग की जाती हैं।

4. आम तौर पर खेल के यांत्रिकी से यादृच्छिकता के तत्व को हटा दें।

यही है, प्रत्येक हमले के परिणामों में हमेशा हिटिंग और निश्चित क्षति की 100% संभावना होती है, साथ ही अतिरिक्त प्रभावों को ट्रिगर करने के लिए निरंतर नियम भी होते हैं। इसके बजाय, आप कॉस्मेटिक उद्देश्यों के लिए यादृच्छिक गणना का उपयोग कर सकते हैं: अपनी बारी की प्रतीक्षा कर रहे पात्रों के आवधिक "चबाने"; कारण क्षति की संख्या को दूर उड़ना; टक्करों और विस्फोटों का प्रभाव। कोई अंतर नहीं है कि कैसे यादृच्छिक संख्या उत्पन्न करें और समान रूप से वितरण कैसे करें।

हालांकि इस मामले में, आप कृत्रिम बुद्धि की गणना में पहले तीन तरीकों का उपयोग कर सकते हैं, जब दुश्मन वर्ण कुछ हद तक यादृच्छिक रूप से हमले के लिए लक्ष्य चुन सकते हैं या यादृच्छिक क्रम में एक टीम में जा सकते हैं। लेकिन यह खिलाड़ी के लिए कम ध्यान देने योग्य होगा और कष्टप्रद स्थिति बहुत कम होगी।

खिलाड़ी के लिए परिणाम : रिबूट या तो किसी भी तरह से परिणामों को प्रभावित नहीं करता है, या यह थोड़ा प्रभावित करता है।

एक खिलाड़ी इसका दुरुपयोग कैसे कर सकता है : एक खिलाड़ी नेटवर्क पर एक स्थिर प्रभावी रणनीति की गणना या खोज कर सकता है और केवल इसका उपयोग कर सकता है। यह ध्यान देने योग्य है कि खिलाड़ियों के कुछ समूहों के लिए यह खेल में मुख्य रुचि है।

डेवलपर के लिए सकारात्मक परिणाम : डेवलपर के लिए इस तरह के खेल को संतुलित करना बहुत आसान है। माइनस के रूप में - इस मामले में, उभरती हुई प्रमुख रणनीतियां स्थिर हो जाती हैं, जिसका अर्थ है कि किसी खिलाड़ी की बुरी किस्मत भी उसे हरा नहीं पाएगी, लेकिन खेल के किसी भी आश्चर्य, ऊब और गायब होने की ओर ले जाएगी। उच्च श्रेणी के खिलाड़ी लगभग हमेशा निम्न वर्ग के खिलाड़ियों को जीतेंगे, विभिन्न प्रकार के खेलों के लिए यह एक फायदा और नुकसान दोनों हो सकता है।

एक उदाहरण :

क्लासिक नियमों के साथ कोई भी शतरंज।

तार्किक रॉगुलाइक भी यहां उपयुक्त हैं। उदाहरण के लिए, डेस्कटॉप डेंजन्स अल्फा [ 22 ] में यह विधि बहुत अच्छी तरह से लागू है।

डेस्कटॉप डंगऑन अल्फा [ 22 ]

यहां हमले के अनुक्रम के परिणाम हमेशा समान होते हैं और अग्रिम में गणना की जाती है। हालांकि, गेम डंगऑन की यादृच्छिक (प्रक्रियात्मक) पीढ़ी और युद्ध के एक कोहरे की उपस्थिति के कारण, खेल सर्वश्रेष्ठ बैगल्स की अपनी अनूठी पुनरावृत्ति को प्राप्त करता है।

निष्कर्ष

इस प्रकार, लेख खेल में यादृच्छिकता के दो उपशास्त्रियों पर विचार करता है:

• संभाव्यता के अनुमान में त्रुटिपूर्ण धारणा । यह उन सहज धारणाओं का वर्णन करता है जो खिलाड़ी बनाता है, और जो अक्सर उनकी विषय-वस्तु के कारण गलत हो जाते हैं। मुख्य निष्कर्ष: सच्ची यादृच्छिकता न केवल यह गारंटी देती है कि उपयोगकर्ता संतुष्ट होंगे, बल्कि विपरीत प्रभाव भी पैदा कर सकते हैं।
• छद्म यादृच्छिक संख्या पीढ़ी । यादृच्छिकता का उपयोग करने के विभिन्न तरीकों का वर्णन किया गया है। सफल कार्यान्वयन के उदाहरण बताते हैं कि चुने हुए दृष्टिकोण की परवाह किए बिना, खेल दिलचस्प, अप्रत्याशित और पुनरावृत्ति की एक अच्छी डिग्री के साथ बदल सकता है।
  
  चुने हुए दृष्टिकोण के लगातार उपयोग से डेवलपर्स को अपने सकारात्मक पहलुओं पर जोर देने और नकारात्मक लोगों को कम करने की अनुमति मिलती है।