Metode aplikasi dan distorsi akurasi dalam game. Grafik visual untuk perbandingan

Dimungkinkan untuk menghitung fakta tentang sebuah hit di game berdasarkan akurasi yang diperoleh dengan berbagai cara:

• membandingkan dengan satu nomor pseudo-acak (yang juga dapat diperoleh dengan berbagai cara [ 1 ]);
• membandingkan dengan yang terbesar atau terkecil dari dua angka pseudo-acak;
• membandingkan rata-rata dua atau lebih angka acak (rata-rata juga dapat dianggap berbeda).

Bonus akurasi juga dapat diterapkan dengan cara yang berbeda, sehingga menyebabkan pemain jengkel karena berbagai alasan.

Dengan cara yang sama, kerusakan yang dilakukan dapat dihitung secara berbeda, terutama berdasarkan dadu (kubus).

Semua pendekatan yang berbeda ini memengaruhi gameplay: kompleksitas dan prediktabilitasnya. Masing-masing dari mereka mungkin berubah menjadi keputusan yang baik tergantung pada tujuan yang dikejar, oleh karena itu sangat menguntungkan untuk membuat pilihan secara sadar.

Artikel ini akan menyajikan grafik visual dari perubahan probabilitas nyata dalam pendekatan yang berbeda, yang akan memungkinkan mereka dengan cepat menavigasi dan membuat keputusan terbaik.

Manipulasi Akurasi

Biasanya, ketika pemain diberitahu bahwa akurasi karakter adalah 60%, dia menganggap informasi ini sebagai: "dari 10 tembakan, saya dapat mengandalkan 6 hits." Dan jika dari 10 hit dia akan mengamati 1 hit bukannya 6, maka dia hampir pasti akan mempertimbangkan bahwa kecelakaan dalam game rusak. Dia akan sangat yakin akan hal ini jika ini terjadi pada segmen 100 tembakan. Untuk menghindari masalah seperti itu, pengembang sering kali secara diam-diam memanipulasi probabilitas sebenarnya dari suatu hit ( atau bahkan mengabaikan unsur keacakan ).
Misalnya, dalam game Fire Emblem: The Binding Blade, untuk menentukan hit dengan akurasi, tidak satu angka acak dibandingkan, tetapi rata-rata dua angka acak [ 2 ].


Hasil manipulasi ini adalah bahwa serangan yang bertujuan baik (> 50%) jatuh jauh lebih sering daripada yang seharusnya dengan distribusi seragam, dan serangan non-sengit (<50%) jauh lebih jarang terjadi. Begini cara distribusi probabilitas ini berubah:


Misalnya, dengan 10% dari akurasi yang ditunjukkan, yang sebenarnya adalah 1,9%. Dan pada 75%, yang sebenarnya adalah 87,24%.

Tetapi, dalam hal ini, Anda dapat mengubah akurasi dengan banyak cara lain.

Misalnya, Anda dapat mengambil rata-rata 3 angka acak:


Distorsi akibatnya menjadi lebih mencolok: akurasi 10% menjadi 0,41%; Akurasi 75% menjadi 92,69%.

Namun, rata-rata juga dapat dihitung sebagai rata-rata geometris. Berikut adalah perubahan dengan rata-rata geometrik dari 2 angka acak:


Di sini 10% berubah menjadi 4,83%, dan 75% menjadi 88,18%. Tetapi, yang paling menarik, transisi terjadi pada 30%, dan tidak pada 50%, sebagai rata-rata aritmatika. Karena itu, jika Anda ingin memastikan bahwa pemain akan selalu memiliki keunggulan, maka pastikan akurasi minimumnya tidak akan pernah lebih rendah dari 30%, dan bahwa musuh akan sangat rendah cukup sering ( untuk musuh Anda dapat menggunakan rata-rata aritmatika, atau sesuatu yang bahkan lebih terdistorsi ).

Rata-rata geometrik 3 angka mengarah pada hasil yang kurang lebih sama, tetapi hanya dengan penyebaran besar:


Di sini 10% berubah menjadi 1,95%, dan 75% menjadi 93,98%.

Seringkali, untuk meningkatkan atau melemahkan beberapa keterampilan, manipulasi yang lebih sederhana diperkenalkan ketika salah satu dari dua angka acak dipilih sebagai yang terbesar atau terkecil:


Sebagai akibat dari ini, probabilitas untuk memukul sangat bervariasi. Misalnya, ketika memilih angka terkecil, akurasi 10% dikonversi menjadi 19,02%, dan akurasi 75% dikonversi menjadi 93,75%.
Metode ini, misalnya, digunakan dalam permainan "Neverwinter Nights" dalam skill "Slippery Mind", di mana, dalam kasus kegagalan pemeriksaan keselamatan, pemeriksaan kedua untuk tekad kuat dilakukan [ 3 ].

Neverwinter Nights - Pixie Warrior [ 4 ]


Dalam artikel sebelumnya tentang manipulasi probabilitas, metode ditunjukkan untuk peristiwa yang sangat langka, di mana probabilitas suatu peristiwa meningkat seiring waktu:

Pengembang Carsten Germer menggunakan fungsi keacakan terkontrol untuk peristiwa langka dan tidak hanya [ 5 ]. Sebagai contoh, untuk menjamin kehilangan berkala dari bonus yang sangat langka dengan peluang 1 banding 10.000, setelah setiap "kehilangan" itu meningkatkan peluang dengan urutan: 1 dari 9.900; 1 hingga 9800; 1 hingga 9700 ... dan seterusnya hingga acara direkam. Dan untuk menjamin tidak adanya kelangkaan yang sering terjadi, ia memperkenalkan variabel tambahan yang memblokir operasi sebesar 100% selama 10 pemeriksaan berikutnya setelah operasi terakhir.

Pemain salah paham dalam penilaian risiko [ 1 ]

Inilah cara kemungkinan perubahan dari peristiwa langka ini saat menggunakan metode ini:


Seperti yang Anda lihat, pada akhirnya tidak ada yang bisa dilakukan dengan probabilitas 1 banding 10.000, tetapi untuk tujuan gameplay ini mungkin sudah cukup. Meskipun lebih mirip penyembunyian probabilitas nyata dari pengembang sendiri, yang dapat menyebabkan keputusan yang salah dalam peningkatan program di masa depan.

Di bawah ini saya juga memberikan perubahan dalam acara 1% yang akan terjadi setidaknya sekali ketika jumlah upaya meningkat. Algoritma distorsi: 10 upaya pertama - kehilangan yang dijamin. Kemudian, dengan setiap kesalahan, probabilitas meningkat sebesar 1% (0,1% dan 0,01%) sebelum dipukul. Lalu semuanya dari awal.


Namun, jika tujuan utama Anda sebagai pengembang adalah untuk memastikan bahwa pengguna dalam acara 1% tidak termasuk dalam serangkaian 1000 kesalahan dalam satu baris, maka akan lebih mudah dan lebih transparan untuk menetapkan hit 100% setelah 200 kesalahan dalam satu berturut-turut. Ini akan menyelamatkan Anda dari kebingungan pemain yang jarang terjadi dan akan memungkinkan Anda untuk meninggalkan kode program yang lebih ringkas dan ramah untuk peningkatan di masa depan.

Berbagai cara untuk menghasilkan bonus akurasi

Jika ada beberapa bonus untuk akurasi dalam game dan mereka mudah dikendalikan oleh pengembang, maka paling mudah untuk menggunakan pendekatan paling sederhana dengan peningkatan akurasi linear dengan penambahan sederhana ke nilai dasar . Metode ini paling mudah diterapkan di dalam gim dan selalu dimengerti oleh pemain. Dengan pendekatan ini, dimungkinkan untuk mencapai akurasi 100%, yang tidak selalu sesuai dengan rencana pengembang.





Jika permainan merencanakan banyak bonus signifikan untuk akurasi, maka, agar tidak melebihi akurasi 100% yang dijamin, Anda dapat menghitung akurasi akhir sebagai serangkaian lemparan tambahan ( paling sering tidak mungkin secara terpisah ). Misalnya, dengan hit 70% dan bonus 50%, probabilitas akhir hit adalah 85%, seperti memeriksa dua lemparan beruntun ketika setidaknya satu pukulan cukup.




Agak eksotis adalah pendekatan untuk mengubah esensi dari bonus ke akurasi dengan bonus mengurangi kemungkinan kehilangan .

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

Pastikan bahwa selalu ada peluang ketinggalan dengan bonus apa pun. Berkat ini, game dapat memberikan bonus untuk "akurasi" lebih dari 100%, setidaknya 1000%. Dan masih akan ada peluang untuk dilewatkan. Tetapi pemain lebih cenderung bingung, dan karena itu mengecewakan.



Paling sering, pendekatan dengan penjumlahan bonus sederhana digunakan, sebagai yang paling dimengerti oleh pemain, dan mudah bagi pengembang untuk diimplementasikan.

Distribusi kerusakan berbasis dadu

Item ini seluruhnya berdasarkan data visual dari publikasi " Probabilitas dan Game: Kerusakan Rolls dari Red Blob Games [6] ". Di sini saya secara singkat menyajikan beberapa contoh dan kesimpulan dari publikasi ini. Dalam artikel asli, Anda akan menerima kesimpulan yang lebih rinci dan grafik distribusi interaktif, serta fungsi yang dapat disesuaikan secara interaktif untuk memilih berbagai kombinasi unik.

Contoh perhitungan kerusakan dadu yang paling jelas (tetapi bukan satu-satunya) disajikan berdasarkan perhitungan kerusakan pada nilai maksimum 12. Hasilnya dapat diperoleh dengan menggunakan dadu yang berbeda ( misalnya, jika Anda bermain permainan papan dan Anda tidak memiliki dadu khusus ):

1d12 - satu dadu dengan 12 wajah


2d6 - dua dadu dengan 6 wajah berbeda


3d4 - tiga dadu dengan 4 wajah berbeda


4d3 - empat dadu dengan 3 wajah berbeda


6d2 - enam dadu dengan 2 wajah berbeda


Seperti yang Anda lihat, penggunaan kubus yang tidak tepat dapat sangat mengubah keseimbangan gim.

Kesimpulan

Dengan demikian, topik-topik berikut dipertimbangkan:

• manipulasi dengan akurasi menggunakan berbagai metode untuk memeriksanya;
• berbagai cara menghasilkan bonus akurasi;
• distribusi kerusakan berbasis dadu yang berbeda.

Setiap metode mungkin bermanfaat bagi pengembang. Untuk game dengan audiens yang lebih kasual, algoritma pengelompokan lebih sering dipilih, di mana probabilitas keberhasilan pemain terlalu tinggi, dan untuk meningkatkan kegembiraan, ilusi kemenangan yang tidak mungkin dibuat (lebih banyak di salah satu artikel sebelumnya: [ 7 ]).

Referensi

1. Kesalahpahaman pemain dalam menilai risiko. Kontrol generator angka acak dalam pengembangan .
2. Fire Emblem Wiki - Random Number Generator .
3. Neverwinter Nights 2 - Kemampuan Kelas - Slippery Mind .
4. Neverwinter Nights - Pixie Warrior .
5. “Not Random Randomness” dalam Desain dan Pemrograman Game .
6. Probabilitas dan Game: Kerusakan Rolls dari Red Blob Games .
7. Generasi Panggilan Dekat dalam permainan: "Di ambang Kekalahan" atau "Hampir Menang . "