平衡性|SE工程师：如何运用大数据和AI解决手游平衡性的难题？( 三 ) 英雄|游戏|pvp

文章插图
第二步
是评估阵容，主要方法就是评估它们在战斗中的表现。在《格林笔记》中，我们主要聚焦于PvE和PvP两种类型的战斗，在PvE模式中，玩家们与游戏预置的阵容战斗；而在PvP模式里，玩家的阵容与其他人选择的阵容战斗，两种战斗都是自动的。

文章插图
我总结了两种战斗的差异，看起来没有多大的差别，但评估方法却有很大的差异。PvE战斗中，玩家们获得的奖励是材料，而且挑战次数不限，战败之后没有惩罚，因此获胜速度很重要，因此我们的评估标准是战斗时间（战胜）和造成的伤害量（战败）。
PvP模式里，玩家们的奖励是竞技场点数，我不会解释点数具体有什么用，但关键在于，如果战败，就会丢失点数，而且由于挑战次数有限，玩家们希望能够最大化利用挑战机会。因此在这种情况下，稳定高胜率很关键，但是，玩家又不能选择对手，
在衡量胜率的时候，我们打造了一个阵容来挑战排行榜头部的玩家，并且将平均结果作为评估标准。由于头部玩家的游戏风格不同，因此我们得到的最优组合可以赢得与多风格对手的对局。

文章插图
所以在衡量PvP阵容的时候，主要衡量标准是剩余生命值，然而有时候，战胜和战败的生命值相差不大，所以我们为胜利增加了固定的额外点数奖励。
评估方法很重要，不仅可以衡量阵容，还对AI的学习方法有影响。打造一个适合的评估方法需要时间，我们需要考虑的是，游戏的精华到底是什么，因此我们选择具体化的标准，让这个评估得到更高的价值。
在《格林笔记》中，GA分别通过时间和伤害值的方式评估获胜与战败两种情况下的阵容，但如果单位不同，这种评估可能会不准确，因此我们将这些值放到了同一个轴上，对于PvP，我们也采取了类似方式。
第三步
是选择最优阵容。经过评估过程之后，我们决定选择头部80%的阵容，用它们的基因创造下一代阵容，其余则被淘汰。

文章插图
第四步
是阵容混合。我们将选择的阵容分为3种结构，然后随机选择不同结构的不同部分组合成新阵容。

文章插图
第五步
，将阵容的一部分变异。变异的主要方式是随机去掉并替换一个子分支，然后得到一个极为稀有的结果，不过这种方法的不利在于，变异成功的概率只有5%。

【精彩生活】jing111.com小编为您精选以下内容，希望对您有所帮助：