खेल में सटीकता के आवेदन और विरूपण के तरीके। तुलना के लिए दृश्य चार्ट

विभिन्न तरीकों से प्राप्त सटीकता के आधार पर खेलों में हिट के तथ्य की गणना करना संभव है:

• एक छद्म यादृच्छिक संख्या के साथ तुलना (जिसे विभिन्न तरीकों से भी प्राप्त किया जा सकता है [ 1 ]);
• दो छद्म यादृच्छिक संख्या के सबसे बड़े या सबसे छोटे के साथ तुलना;
• दो या अधिक यादृच्छिक संख्याओं के औसत की तुलना (औसत को अलग तरह से भी माना जा सकता है)।

सटीकता बोनस को विभिन्न तरीकों से भी लागू किया जा सकता है, जिससे खिलाड़ियों को विभिन्न कारणों से जलन होती है।

उसी तरह, किए गए नुकसान की गणना अलग-अलग की जा सकती है, खासकर पासा (क्यूब्स) के आधार पर।

ये सभी अलग-अलग दृष्टिकोण गेमप्ले को प्रभावित करते हैं: इसकी जटिलता और पूर्वानुमान। उनमें से प्रत्येक पीछा किए गए लक्ष्यों के आधार पर एक अच्छा निर्णय हो सकता है, इसलिए जानबूझकर चुनाव करना सबसे अधिक फायदेमंद है।

लेख विभिन्न दृष्टिकोणों में वास्तविक संभावनाओं में परिवर्तनों के दृश्य रेखांकन प्रस्तुत करेगा, जो उन्हें जल्दी से नेविगेट करने और सर्वोत्तम निर्णय लेने की अनुमति देगा।

सटीकता की हेरफेर

आमतौर पर, जब खिलाड़ी को सूचित किया जाता है कि चरित्र की सटीकता 60% है, तो वह इस जानकारी को मानता है: "10 शॉट्स में से, मैं 6 हिट पर भरोसा कर सकता हूं।" और अगर 10 हिट में से वह 6 के बजाय 1 हिट का पालन करेगा, तो वह लगभग निश्चित रूप से विचार करेगा कि खेल में दुर्घटना टूट गई है। अगर वह 100 शॉट्स के सेगमेंट में ऐसा होता है तो वह इसके लिए विशेष रूप से आश्वस्त होंगे। इस तरह की परेशानियों से बचने के लिए, डेवलपर्स अक्सर गुप्त रूप से हिट की वास्तविक संभावना में हेरफेर करते हैं ( या यादृच्छिकता के तत्व को भी छोड़ देते हैं )।
उदाहरण के लिए, गेम फायर एम्बलम: द बाइंडिंग ब्लेड में सटीकता के साथ एक हिट का निर्धारण करने के लिए, एक यादृच्छिक संख्या की तुलना नहीं की गई, लेकिन दो यादृच्छिक संख्याओं का औसत [ 2 ]।


इस हेरफेर का परिणाम यह है कि अच्छी तरह से किए गए हमले (> 50%) एक समान वितरण की तुलना में बहुत अधिक बार गिरते हैं, और गैर-भयंकर हमले (<50%) अक्सर कम होते हैं। यहां बताया गया है कि यह संभावना वितरण कैसे बदलता है:


उदाहरण के लिए, संकेतित सटीकता के 10% के साथ, वास्तविक 1.9% है। और 75% पर, वास्तविक 87.24% होगा।

लेकिन, उस मामले के लिए, आप कई अन्य तरीकों से सटीकता बदल सकते हैं।

उदाहरण के लिए, आप 3 यादृच्छिक संख्याओं का औसत ले सकते हैं:


इसके परिणामस्वरूप विकृति और भी हड़ताली हो जाती है: 10% की सटीकता 0.41% हो जाती है; 75% सटीकता 92.69% हो जाती है।

हालाँकि, औसत की गणना ज्यामितीय माध्य के रूप में भी की जा सकती है। यहां 2 यादृच्छिक संख्याओं के ज्यामितीय माध्य के साथ परिवर्तन किए गए हैं:


यहां 10% 4.83% और 75% से 88.18% में बदल जाता है। लेकिन, सबसे दिलचस्प बात यह है कि संक्रमण 30% पर होता है, न कि 50% अंकगणितीय औसत के रूप में। इसलिए, यदि आप यह सुनिश्चित करना चाहते हैं कि खिलाड़ी को हमेशा एक फायदा होगा, तो बस यह सुनिश्चित कर लें कि उसकी न्यूनतम सटीकता कभी भी 30% से कम नहीं होगी, और यह कि दुश्मन बहुत कम बार होंगे ( दुश्मनों के लिए आप अंकगणित माध्य का उपयोग कर सकते हैं, या कुछ और भी विकृत )।

3 संख्याओं का एक ज्यामितीय माध्य लगभग समान परिणामों की ओर जाता है, लेकिन केवल एक बड़े प्रसार के साथ:


यहां 10% 1.95% और 75% से 93.98% में बदल जाता है।

अक्सर, कुछ कौशल बढ़ाने या कमजोर करने के लिए, एक सरल हेरफेर पेश किया जाता है जब दो यादृच्छिक संख्याओं में से एक को सबसे बड़ा या सबसे छोटा चुना जाता है:


इसके परिणामस्वरूप, मारने की संभावना बहुत भिन्न होती है। उदाहरण के लिए, सबसे छोटी संख्या चुनते समय, 10% की सटीकता को 19.02% में बदल दिया जाता है, और 75% की सटीकता को 93.75% में बदल दिया जाता है।
उदाहरण के लिए, इस विधि का उपयोग खेल "नेवरविन्टर नाइट्स" में कौशल "स्लिपरी माइंड" में किया जाता है, जिसमें, मुक्ति के लिए चेक की विफलता के मामले में, इच्छाशक्ति के लिए दूसरी जांच [ 3 ] की जाती है।

नेवरविन नाइट्स - पिक्सी वॉरियर [ 4 ]


प्रायिकता हेरफेर पर पिछले लेख में, बहुत दुर्लभ घटनाओं के लिए एक तरीका दिखाया गया था, जहाँ समय के साथ किसी घटना की संभावना बढ़ जाती है:

डेवलपर कार्स्टन जर्मर दुर्लभ और न केवल घटनाओं के लिए नियंत्रित यादृच्छिकता के कार्य का उपयोग करता है [ 5 ]। 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 अवसरों को 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।

जोखिम मूल्यांकन में खिलाड़ी गलतफहमी [ 1 ]

इस विधि का उपयोग करते समय इस दुर्लभ घटना की संभावना कैसे बदल जाती है:


जैसा कि आप देख सकते हैं, अंत में 10,000 में 1 की संभावना के साथ कुछ नहीं करना है, लेकिन गेमप्ले के प्रयोजनों के लिए यह पर्याप्त हो सकता है। हालांकि यह खुद डेवलपर से वास्तविक संभावनाओं की एक अनजाने में छिपाव की तरह दिखता है, जिससे भविष्य के कार्यक्रम में सुधार के गलत निर्णय हो सकते हैं।

नीचे मैं 1% ईवेंट में एक बदलाव देता हूं कि यह कम से कम एक बार होगा क्योंकि प्रयासों की संख्या बढ़ जाती है। विरूपण एल्गोरिथ्म: पहले 10 प्रयास - एक गारंटी मिस। फिर, प्रत्येक मिस के साथ, हिट होने से पहले संभावना 1% (0.1% और 0.01%) बढ़ जाती है। फिर शुरू से सब कुछ।


हालांकि, अगर एक डेवलपर के रूप में आपका मुख्य लक्ष्य यह सुनिश्चित करना है कि 1% घटना में एक उपयोगकर्ता एक पंक्ति में 1000 मिसाइलों की श्रृंखला में नहीं आता है, तो एक पंक्ति में 200 मिसाइलों के बाद 100% हिट सेट करना आसान और अधिक पारदर्शी होगा। यह आपको खिलाड़ियों की दुर्लभ गड़बड़ी से बचाएगा और आपको भविष्य में सुधार के लिए प्रोग्राम कोड को अधिक संक्षिप्त और मित्रवत छोड़ने की अनुमति देगा।

सटीकता बोनस अर्जित करने के विभिन्न तरीके

यदि गेम में सटीकता के लिए कुछ बोनस हैं और वे डेवलपर द्वारा आसानी से नियंत्रित किए जाते हैं, तो आधार मूल्य के लिए सरल जोड़ द्वारा सटीकता में रैखिक वृद्धि के साथ सरलतम दृष्टिकोण का उपयोग करना सबसे आसान है । यह विधि खेल में लागू करने के लिए सबसे आसान है और हमेशा खिलाड़ियों के लिए समझ में आता है। इस दृष्टिकोण के साथ, 100% सटीकता प्राप्त करना संभव है, जो हमेशा डेवलपर की योजनाओं के अनुरूप नहीं होता है।





यदि गेम सटीकता के लिए कई महत्वपूर्ण बोनस की योजना बनाता है, तो, इसलिए कि 100% सटीकता की गारंटी से अधिक नहीं है, तो आप अंतिम सटीकता की गणना अतिरिक्त फेंकता की श्रृंखला के रूप में कर सकते हैं ( सबसे अधिक बार अलग से संभावना नहीं )। उदाहरण के लिए, 70% की हिट और 50% के बोनस के साथ, हिट की अंतिम संभावना 85% होगी, जैसे कम से कम एक हिट पर्याप्त होने पर दो लगातार थ्रो की जाँच करना।




एक बिट विदेशी एक मिस की संभावना को कम करने के बोनस द्वारा बोनस के सार को सटीकता में बदलने का दृष्टिकोण है।

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

यह सुनिश्चित करता है कि किसी भी बोनस के साथ हमेशा एक मिस होने का मौका होगा। इसके लिए धन्यवाद, खेल कम से कम 1000%, 100% से अधिक की "सटीकता" को बोनस दे सकता है। और अभी भी एक मिस का मौका मिलेगा। लेकिन खिलाड़ी को भ्रमित करने की अधिक संभावना है, और इसलिए, निराश।



सबसे अधिक बार, बोनस के एक साधारण योग के साथ दृष्टिकोण का उपयोग किया जाता है, खिलाड़ी के लिए सबसे अधिक समझ में आता है, और डेवलपर के लिए इसे लागू करना आसान होता है।

पासा आधारित क्षति वितरण

यह आइटम पूरी तरह से " प्रोबेबिलिटी एंड गेम्स: डैमेज रोल्स फ्रॉम रेड ब्लॉब गेम्स [6] " प्रकाशन के दृश्य डेटा पर आधारित है। यहाँ मैं इस प्रकाशन के कुछ उदाहरण और निष्कर्ष प्रस्तुत करता हूँ। मूल लेख में, आपको अधिक विस्तृत निष्कर्ष और इंटरैक्टिव वितरण चार्ट प्राप्त होंगे, साथ ही साथ विभिन्न अद्वितीय संयोजनों के चयन के लिए अंतःक्रियात्मक अनुकूलन कार्य भी प्राप्त होंगे।

विभिन्न पासा क्षति गणना का सबसे स्पष्ट (लेकिन केवल एकमात्र) उदाहरण 12 के अधिकतम मूल्य पर क्षति की गणना के आधार पर प्रस्तुत नहीं किया गया है। परिणाम विभिन्न पासा ( उदाहरण के लिए, यदि आप एक बोर्ड गेम खेलते हैं और आप किसी विशेष पासा नहीं करते हैं तो प्राप्त किया जा सकता है) ):

1d12 - 12 चेहरे के साथ एक पासा


2d6 - 6 अलग-अलग चेहरों के साथ दो पासा


3 डी 4 - 4 अलग-अलग चेहरों के साथ तीन पासा


4d3 - 3 अलग-अलग चेहरों के साथ चार पासा


6d2 - 2 अलग-अलग चेहरों के साथ छह पासा


जैसा कि आप देख सकते हैं, अनुचित क्यूब्स का उपयोग खेल संतुलन को काफी बदल सकता है।

निष्कर्ष

इस प्रकार, निम्नलिखित विषयों पर विचार किया गया था:

• इसे जांचने के विभिन्न तरीकों का उपयोग करके सटीकता के साथ हेरफेर;
• सटीकता बोनस अर्जित करने के विभिन्न तरीके;
• विभिन्न पासा-आधारित क्षति वितरण।

प्रत्येक विधि डेवलपर के लिए उपयोगी हो सकती है। अधिक आकस्मिक दर्शकों वाले खेलों के लिए, अलग-अलग एल्गोरिदम को अधिक बार चुना जाता है, जिसमें खिलाड़ी की सफलता की संभावना को कम करके आंका जाता है, और उत्साह बढ़ाने के लिए, एक अप्रत्याशित जीत का भ्रम पैदा होता है (पिछले लेखों में से एक में अधिक: [ 7 ])।

संदर्भ

1. जोखिमों का आकलन करने में खिलाड़ियों की गलतफहमी। विकास में एक यादृच्छिक संख्या जनरेटर का नियंत्रण ।
2. फायर प्रतीक विकी - रैंडम नंबर जेनरेटर ।
3. नेवरविन नाइट्स 2 - क्लास एबिलिटीज़ - स्लिपरी माइंड ।
4. नेवरविन नाइट्स - पिक्सी योद्धा ।
"गेम डिजाइन और प्रोग्रामिंग में" इतना रैंडम रैंडमनेस नहीं ।
6. प्रायिकता और खेल: लाल बूँद खेलों से नुकसान रोल ।
7. खेलों में करीबी कॉल की उत्पत्ति: "हार के कगार पर" या "लगभग जीता" ।