असंतुलन और कतारों के बिना बोरिंग मैचमेकिंग: एक व्यावहारिक गाइड

मंगनी सबसे आधुनिक मल्टीप्लेयर गेम का मुख्य घटक है। एक बार एक डेवलपर उसे गंभीरता से लेता है, यह पता चलता है कि नवागंतुक नियमित रूप से लड़ाई में पेशेवरों का सामना करते हैं, और कुछ खिलाड़ियों को हमेशा मैच में आने के लिए हमेशा इंतजार करना पड़ता है। इसके अलावा, लॉन्च से पहले परीक्षण और विश्लेषण करना मुश्किल है, क्योंकि आपको कई कारकों पर विचार करने की आवश्यकता है। खिलाड़ियों को भौगोलिक रूप से कैसे वितरित किया जाता है? वे लाइन में इंतजार करने के लिए कब तक तैयार हैं? आरामदायक गेम के लिए कौन सा पिंग इष्टतम है? ये और अन्य कारक मंगनी की गुणवत्ता को प्रभावित करते हैं।



कट के तहत, हम पहले मल्टीप्लेयर गेम्स में लड़ाई का चयन करने के सामान्य अभ्यास पर चर्चा करेंगे, और फिर युद्ध रोबोट के लिए मंगनी के आयोजन में अपने स्वयं के अनुभव को साझा करेंगे।

कौन सा मापदंड चुनना है?

तो क्या अच्छा मैचमेकिंग निर्धारित करता है? बेशक, यह खेल के मंच और शैली की विशेषताओं पर निर्भर करता है, लेकिन, एक नियम के रूप में, डेवलपर्स निम्नलिखित मानदंडों द्वारा निर्देशित होते हैं:

• कम प्रतीक्षा समय;
• कम पिंग;
• खिलाड़ियों के अनुभव, कौशल और प्रगति में न्यूनतम अंतर: यहां खेल के अनुभव को सामान्य और एक विशिष्ट वर्ग दोनों के लिए ध्यान में रखा जा सकता है, अगर खेल में उनका विभाजन है;
• एक दूसरे पक्ष का विरोध - समन्वित कार्य के उद्देश्य से खिलाड़ियों के पूर्व-इकट्ठे समूह;
• सभी खिलाड़ियों के लिए मैच की एक साथ शुरुआत।

अन्य आवश्यकताएं संभव हैं, उदाहरण के लिए:

• खिलाड़ियों को जो एक ही भाषा बोलते हैं;
• खिलाड़ी के पिछले मैचों के परिणामों के साथ-साथ रेटिंग के अनुपालन के गुणांक को भी ध्यान में रखें: यदि किसी खिलाड़ी ने पिछले कुछ मैच खो दिए हैं, तो वह अभी आकार से बाहर हो सकता है, और कुछ समय के लिए उसे विरोधियों को आसान करना चाहिए;
• टीमों की संरचना को ध्यान में रखते हुए मैचमेकिंग करें: यदि किसी टीम में कमी है, उदाहरण के लिए, एक टैंक या हीलर, विरोधियों की एक ही रचना वाली टीम की तलाश करें;
• ट्रोल, लिवर और ग्रिपर को एक साथ लाएं ताकि वे अन्य खिलाड़ियों के साथ हस्तक्षेप न करें;
• खिलाड़ियों की संरचना में विविधता लाने के लिए ताकि एक ही लोग अलग-अलग मैचों में अक्सर न मिलें;
• वॉइस चैट का उपयोग करके खिलाड़ियों को एक साथ लाएं

यह इन सभी आवश्यकताओं को एक साथ संतुष्ट करने के लिए हमेशा संभव है। इसके अलावा, आवश्यकताओं की एक बड़ी संख्या हमेशा कम प्रतीक्षा समय को प्राप्त करने की इच्छा के खिलाफ जाती है। यहां तक ​​कि अगर खेल बहुत सफल है, और सैकड़ों लोग हर मिनट मैच का इंतजार कर रहे हैं, तब भी कुछ आवश्यकताओं को पूरा करने के लिए पर्याप्त समय नहीं हो सकता है। उदाहरण के लिए, यदि आप प्रतिद्वंद्वियों के रूप में ऑस्ट्रेलियाई टीम की एक टीम के लिए एक और संतोषजनक ऑस्ट्रेलियाई टीम ढूंढना चाहते हैं, तो प्रतीक्षा समय नाटकीय रूप से बढ़ सकता है।

इस संबंध में, सभी वांछित आवश्यकताओं से, किसी विशेष परियोजना के लिए सबसे महत्वपूर्ण चुनना आवश्यक है। इस सूची को छोटा करने से शेष आवश्यकताओं और कम प्रतीक्षा समय के साथ बेहतर अनुपालन हो सकेगा।

इसके अलावा, मल्टीप्लेयर गेम विकसित करते समय, यह याद रखने योग्य है कि विभिन्न गेम मोड के अलावा खिलाड़ी के आधार को कई कतारों में विभाजित करता है और इस तरह प्रतीक्षा समय में वृद्धि होती है, और इसलिए मंगनी की गुणवत्ता में गिरावट होती है। इसलिए, इस या उस मोड को गेम में जोड़ने से पहले फिर से सोचें, और क्या यह खिलाड़ी को उनके बीच चयन करने का अवसर देने के लायक है।

मंगनी के लिए आवश्यकताओं की संख्या को कम करना प्रतीक्षा समय को कम करने का एकमात्र तरीका नहीं है। उदाहरण के लिए, आप ड्रॉप-इन-ड्रॉप-आउट सिस्टम पर मल्टीप्लेयर को लागू कर सकते हैं, ताकि उपयोगकर्ता किसी भी समय गेम में शामिल हो सकें और किसी भी समय इसे बाहर कर सकें। यदि यह संभव नहीं है, तो मैचों की एक छोटी अवधि के साथ, आप खिलाड़ी को प्रतीक्षा प्रक्रिया में बॉट्स के साथ खेलने की अनुमति दे सकते हैं। बेशक, यह अपेक्षा की समस्या को हल नहीं करेगा, लेकिन कम से कम यह हमें समय पास करने की अनुमति देगा।

चयनित मानदंडों के अनुपालन का आकलन कैसे करें?

इसलिए, हमारे पास कुछ निश्चित खिलाड़ी हैं, जिन्हें हमें मैचों के लिए आवंटित करना चाहिए। इसे बेहतर कैसे करें? कौन सा बेहतर है: कौशल या कम पिंग का समान स्तर? हम इन आवश्यकताओं को कैसे संतुलित कर सकते हैं ताकि पार्टियां एक-दूसरे के खिलाफ खेलें?

तुलना के लिए, हमें एक निश्चित मीट्रिक की आवश्यकता है। किसी तरह, इन सभी मानदंडों को एक पैरामीटर में परिवर्तित करना होगा, जिसके उच्चतम मूल्य से सिस्टम खोज का संचालन कर सकता है। आगे हम इसे मैच का स्कोर कहेंगे।

इस मूल्यांकन का मूल्य प्राप्त करने के लिए, आपको पहले व्यक्तिगत संकेतकों की गणना करनी चाहिए। कारकों के संयोजन पर विचार करें:

• समान कौशल स्तर वाली टीमें। यह मंगनी में सबसे स्पष्ट मानदंड है। प्रत्येक खेल के लिए, इस पैरामीटर की गणना करने का तरीका अलग-अलग है। सबसे सरल में से एक: प्रति टीम औसत अनुभव लेती है और दूसरी टीम के लिए समान मूल्य के साथ तुलना करती है। अंतर जितना अधिक होगा, मैच उतना ही खराब होगा और वांछित संकेतक कम होगा।
• समान कौशल स्तर वाले खिलाड़ी। भले ही दोनों टीमें पूरी तरह से संतुलित हों, लेकिन उदाहरण के लिए, दो पेशेवरों और एक शुरुआती से मिलकर, टीमों के कौशल के लिए औसत संकेतक समान होगा, लेकिन एक अच्छा मैच अभी भी काम नहीं करेगा। इसलिए, हम एक पूरे के रूप में टीम के लिए नहीं, बल्कि प्रत्येक खिलाड़ी के लिए व्यक्तिगत रूप से या टीम के भीतर कौशल के स्तर के विचरण के लिए एक और पैरामीटर पेश करते हैं।
• पति। आदर्श रूप से, लंबे समय तक एक साथ खेलने वाले समूह को एक ही समूह के दूसरे का विरोध करना चाहिए, न कि तीन अलग-अलग खिलाड़ियों के खिलाफ। यह गणना करना आसान है: यदि कोई टीम लंबे समय से एक-दूसरे के साथ खेल रही है, तो हमारे पास 100% के बराबर एक संकेतक है। यदि तीन दोस्तों की टीम दो दोस्तों और एक यादृच्छिक खिलाड़ी के खिलाफ खेलती है, तो हमें 60% मिलता है। यदि कोई भी खिलाड़ी पहले एक दूसरे के साथ नहीं खेला था, तो मान 0% होगा।
• पिंग विरोधियों। प्रत्येक उपयोगकर्ता के लिए, हम विरोधी टीम के सभी तीन खिलाड़ियों के साथ पिंग की जाँच करते हैं। उच्चतर पिंग, कम स्कोर।
• विरोधियों की परिवर्तनशीलता। उच्च प्राथमिकता आवश्यकताओं को पूरा करने की खोज में, मंगनी प्रणाली अक्सर एक ही टीमों को एक दूसरे के खिलाफ उच्चतम मैच दर के साथ रख सकती है। इसलिए, ताकि खिलाड़ी परिचित चेहरों के साथ लगातार खेलते हुए ऊब न जाएं, यह ध्यान रखने योग्य है कि वे मैचों में कितनी बार मिलते हैं।

एक मैच का एक उदाहरण जिसमें टीमों के लिए 100% संकेतक होता है, टीम में औसत कौशल का एक अच्छा संकेतक, लेकिन व्यक्तिगत खिलाड़ियों के कौशल में एक कमजोर सहसंबंध: नीली टीम में, वे काफी भिन्न होते हैं

मानदंडों की अस्पष्टता को कैसे ध्यान में रखा जाए?

इसलिए, प्रत्येक मापदंड के लिए, हमारे पास 0% (बहुत बुरा संयोग) से लेकर 100% (सर्वश्रेष्ठ) तक का स्कोर है, लेकिन अंत में हमें केवल एक नंबर प्राप्त करने की आवश्यकता है। इसके लिए हम भारित औसत मूल्य का उपयोग करेंगे। तब हम प्रत्येक कसौटी के लिए महत्व की प्राथमिकता निर्धारित कर सकते हैं।

अनुमान की गणना करते समय, यह विचार करने योग्य है कि क्या हम मापदंडों की एक रैखिक निर्भरता प्राप्त करना चाहते हैं। उदाहरण के लिए, ११० एमएस से २०० एमएस के बीच के ११० एमएस से १०० एमएस के बीच की तुलना में पिंग में सुधार हो रहा है? दोनों विकल्प 10 एमएस से सुधरे हैं, लेकिन पिंग मूल्य खुद ही दोगुना है।

दिलचस्प बात यह है कि कुछ मानदंडों के मामले में दूसरों के मामले की तुलना में प्रदर्शन में महत्वपूर्ण अंतर प्राप्त करना आसान है। इसलिए, कौशल स्तर के मामले में 0% हासिल करने के लिए, मैच में तीन पेशेवर खिलाड़ियों और तीन शुरुआती खिलाड़ियों को इकट्ठा करना आवश्यक है, जो अत्यंत दुर्लभ है। हालांकि, पार्टी की कसौटी पर 0% प्राप्त करना बहुत आसान है, क्योंकि इसके लिए आपको तीन एकल खिलाड़ियों के खिलाफ एक लंबी-इकट्ठी टीम की आवश्यकता है। यह पहलू भी विचार करने योग्य है।


कौशल स्तर के अनुसार टीमों की रचना कैसे की जा सकती है, इसका एक उदाहरण । खिलाड़ियों के बीच ग्रीन और यलो शो पिंग

अब, प्रत्येक आवश्यकताओं के संकेतकों के मूल्यों के आधार पर, हम अंतिम स्कोर की गणना कर सकते हैं।

चूंकि यह संख्या प्रमुख मानदंड है, एल्गोरिथ्म कुछ वरीयताओं का उत्पादन करता है। यदि दो खिलाड़ियों के आदान-प्रदान से एक मैच का मूल्यांकन पैरामीटर 5% बढ़ जाता है, लेकिन दूसरे मैच में इसे 10% तक कम कर देता है, तो सिस्टम ऐसा नहीं करेगा, क्योंकि सामान्य तौर पर इसका परिणाम खराब हो जाएगा। हालाँकि, कुछ मामलों में यह उपेक्षित किया जा सकता है। इसलिए, एक संकेतक को 50% (जो बहुत बुरा है) से 55% तक सुधार करना उचित हो सकता है, जबकि दूसरे को 90% से घटाकर 80% (जो अभी भी बहुत अच्छा है)। यह उदाहरण के लिए, औसत चरण के लिए मूल्यांकन के सभी संकेतकों के वर्गमूल की गणना करके प्राप्त किया जा सकता है। इस प्रकार, बुरे मैचों में सुधार करना अच्छे लोगों की तुलना में अपेक्षाकृत अधिक महत्वपूर्ण हो जाता है।

युद्ध रोबोटों में ऐसा कैसे होता है?

चूंकि हम एक मोबाइल गेम के बारे में बात कर रहे हैं जहां सब कुछ जल्दी से होना चाहिए, मुख्य प्राथमिकता लड़ाई में आने से पहले कम प्रतीक्षा समय है। इसके लिए, मंगनी प्रणाली यथासंभव सरल होनी चाहिए। वर्तमान में, वॉर रोबोट्स मैचमेकर केवल खिलाड़ी चयन रेटिंग (MMR) को ध्यान में रखता है और पार्टियों पर ध्यान केंद्रित करने की कोशिश करता है, लेकिन चूंकि वे खेल में व्यापक नहीं हैं, यह मानदंड द्वितीयक है: यदि आप एक ही ताकत के दलों को एक-दूसरे से मेल नहीं खा सकते हैं, तो सिस्टम एक दूसरे के साथ संयोजन करने की कोशिश करता है। कुछ पार्टियां या इस कसौटी पर बिल्कुल भी ध्यान नहीं देती हैं। और अगर एक खिलाड़ी लड़ाई छोड़ देता है, तो उसके स्थान पर वे एक और एक ले लेंगे जो मानदंडों को पूरा करता है, लेकिन केवल मैच की शुरुआत में।

खिलाड़ियों के चयन की रेटिंग जीत / हार और टीम में जगह की संख्या पर निर्भर करती है, और मैच के परिणाम के आधार पर, यह या तो बढ़ सकता है या घट सकता है। इस रेटिंग के अनुसार, खिलाड़ियों को लीग और डिवीजनों में बांटा गया है। डिवीजन के अंदर, मैचमेकर निकटतम रेटिंग स्कोर के साथ खिलाड़ियों की तलाश कर रहा है, धीरे-धीरे खोज रेंज का विस्तार कर रहा है और अगले डिवीजनों को भी कवर कर रहा है। यह ध्यान देने योग्य है कि मैचमेकर खिलाड़ियों को निचली लीगों में रोकने की कोशिश करता है जो व्यवहार के विशिष्ट पैटर्न के अनुसार उन्हें ट्रैक करके उनकी रेटिंग को जानबूझकर कम आंकते हैं: आमतौर पर हार की संख्या प्रति दिन औसतन लीग लड़ाइयों की संख्या से अधिक होती है।


सरलीकृत युद्ध रोबोट मैच फ्लोचार्ट मैच

सिस्टम गलत काम करता था। मुख्य मानदंड रोबोट और हथियारों की शक्ति थी, और मैचों के परिणामों से केवल अंतिम पांच को ध्यान में रखा गया था। प्रणाली हेरफेर के लिए अधिक कमजोर थी। अनुभवी खिलाड़ी नए लोगों के साथ एक ही लड़ाई में हो सकते हैं, अगर वे अपने हथियारों को कमजोर लोगों को बदल देते हैं, या इसके विपरीत, एक नवागंतुक पहले स्तर के रोबोट को 12 वें हथियार स्थापित कर सकते हैं और पेशेवरों के साथ लड़ाई में समाप्त हो सकते हैं, बिना खेल के कौशल विकसित करने के लिए। इस संबंध में, जीत और हार के वास्तविक अनुभव के आधार पर रेटिंग प्रणाली, अधिक ईमानदार निकली, हालांकि अभी इसके लिए संभव नहीं था: मंगनी प्रक्रिया का एक पूर्ण पुनर्गठन एक कट्टरपंथी कदम है, इसलिए पहले सिस्टम को अतिरिक्त परिस्थितियों को सेट करने के लिए पहले प्रयास किए गए थे।

वार रोबोट में मैचमेकिंग के अनुकूलन और सुधार पर काम जारी है। शायद भविष्य में मैच खोजने के लिए पुराने और नए दृष्टिकोण को संयोजित करना संभव होगा, लेकिन यह मत भूलो कि मंगनी की गुणवत्ता में किसी भी सुधार से प्रतीक्षा समय में वृद्धि होती है। इसलिए, इस तरह के समाधान का विकास केवल तभी उचित होगा जब यह सिस्टम प्रदर्शन को महत्वपूर्ण रूप से प्रभावित नहीं करता है।