WikiEdge:ArXiv-2408.17180v1/summary：修订间差异
跳转到导航
跳转到搜索
Saved page by David |
Saved page by David |
||
| 第1行： | 第1行： | ||
<div style="float: right;">[{{fullurl:WikiEdge:ArXiv-2408.17180v1/summary|action=edit}} 编辑]</div> | <div style="float: right;">[{{fullurl:WikiEdge:ArXiv-2408.17180v1/summary|action=edit}} 编辑]</div> | ||
这篇论文探讨了在[[玩家对战]]（[[PvP]]）游戏中，如何量化[[平衡性]]的问题。这对于[[游戏设计师]]来说至关重要，尤其是在需要分析预定义团队组合（如[[多人在线战斗竞技场]]（[[MOBA]]）游戏中的[[英雄组合]]或[[卡牌游戏]]中的[[牌组]]）的强弱关系的PvP游戏中，这对于增强[[游戏性]]和实现平衡非常必要。研究者开发了两种先进的度量方法，这些方法超越了简单的[[胜率]]，用于量化[[零和竞争]]场景中的平衡。这些度量方法源自胜率估算，采用[[Bradley-Terry模型]]进行强度评级近似，并通过[[向量量化]]进行对抗关系近似，显著降低了与传统胜率估算相关的计算复杂性。在这些模型的学习过程中，研究者识别出有用的组合类别，并确定它们的对抗关系，这与[[人类玩家]]的经验一致，而无需特定的游戏知识。该方法依赖于一种简单的技术，通过确定性的向量量化过程增强[[码本]]在离散表示中的利用率，用于极小状态空间。该框架已在流行的在线游戏（包括[[帝国时代II]]、[[炉石传说]]、[[荒野乱斗]]和[[英雄联盟]]）中得到验证。这些游戏中观察到的强度关系准确性与传统的成对胜率预测相当，同时也提供了更易于管理的复杂性进行分析。最终，研究结果有助于更深入地理解PvP游戏动态，并提出了一种显著改进游戏平衡评估和设计的方法。 | |||
2024年9月3日 (二) 07:38的版本
这篇论文探讨了在玩家对战（PvP）游戏中，如何量化平衡性的问题。这对于游戏设计师来说至关重要，尤其是在需要分析预定义团队组合（如多人在线战斗竞技场（MOBA）游戏中的英雄组合或卡牌游戏中的牌组）的强弱关系的PvP游戏中，这对于增强游戏性和实现平衡非常必要。研究者开发了两种先进的度量方法，这些方法超越了简单的胜率，用于量化零和竞争场景中的平衡。这些度量方法源自胜率估算，采用Bradley-Terry模型进行强度评级近似，并通过向量量化进行对抗关系近似，显著降低了与传统胜率估算相关的计算复杂性。在这些模型的学习过程中，研究者识别出有用的组合类别，并确定它们的对抗关系，这与人类玩家的经验一致，而无需特定的游戏知识。该方法依赖于一种简单的技术，通过确定性的向量量化过程增强码本在离散表示中的利用率，用于极小状态空间。该框架已在流行的在线游戏（包括帝国时代II、炉石传说、荒野乱斗和英雄联盟）中得到验证。这些游戏中观察到的强度关系准确性与传统的成对胜率预测相当，同时也提供了更易于管理的复杂性进行分析。最终，研究结果有助于更深入地理解PvP游戏动态，并提出了一种显著改进游戏平衡评估和设计的方法。