查看“WikiEdge:ArXiv-2408.17180v1/summary”的源代码

<div style="float: right;">[{{fullurl:WikiEdge:ArXiv-2408.17180v1/summary|action=edit}} 编辑]</div>
这篇论文是关于在[[玩家对战]]（[[PvP]]）游戏中，如何量化[[平衡性]]的研究。主要内容包括：
# '''引言'''：介绍了在PvP游戏中，[[团队组合]]的平衡性对于[[玩家参与度]]和[[竞争公平性]]的重要性，并提出了量化平衡性的挑战。
# '''游戏平衡'''：讨论了[[游戏设计师]]如何通过各种机制和数值框架来增强玩家体验，并维持合理的难度和挑战水平。
# '''学习评分表和对策表'''：提出了一种结合[[Bradley-Terry模型]]和[[神经网络]]的方法来预测团队组合的强度，并引入了一个对策表来处理胜率中的循环优势或非传递性问题。
# '''准确性的强度关系'''：通过在不同游戏中的实验，验证了所提出方法在预测比赛结果准确性方面的表现，并讨论了[[超参数]]对对策表训练的影响。
# '''新的平衡度量'''：基于估计的胜率和定义的对策关系，提出了两种新的游戏平衡度量方法：[[Top-D Diversity]]和[[Top-B Balance]]，用于评估游戏中不同组合的多样性和平衡性。
# '''案例研究'''：通过在《[[帝国时代II]]》和《[[炉石传说]]》两款游戏中应用新的平衡度量方法，展示了如何直接对游戏机制进行平衡性调整的建议。
# '''结论和未来工作'''：总结了本研究在PvP游戏组合平衡性量化分析中的贡献，并提出了未来研究的方向，包括将该方法扩展到更广泛的竞争场景中。