游戏中的常见概率设计分析

本文涉及的产品
性能测试 PTS,5000VUM额度
应用实时监控服务-可观测链路OpenTelemetry版,每月50GB免费额度
函数计算FC,每月15万CU 3个月
简介: 游戏中的常见概率设计分析

前言

       游戏中的概率真的是让人又爱又恨,很多玩家因为自己的屌丝气质(白嫖)而弃坑玩不下去的,比如人尽皆知的某阴阳师,除了氪金,还肝,而且如果你的脸真的非常的黑,那也是打不过那些0氪金的欧洲人的。

       而在游戏中被吐槽的最多的就是概率问题,我们一遍一遍的刷副本,BOSS,就是为了凑齐一整套装备,因为BOSS掉落是随机的,我们也不知道什么时候能够凑齐;为了获得某个角色,连续的抽卡,期待欧皇的附身,但是结果是无法确定的。这就是游戏的魅力,有随机性,有变数,有期望,有运气。

游戏中常见的4种概率设计

1、常规做法,直接配置概率,程序直接判定

2、在1的基础上,加个保底次数,当连续不发生的次数高于保底时,强制发生

3、设置基础概率,事件不发生概率翻倍

4、设置数组,将事件发生概率变成数组元素

独立随机算法

       每个怪物都会携带一些游戏道具(装备,宝石,金币,道具,任务物品等),被击败后,会根据概率随机掉落。至于掉落的游戏道具是不是你想要的,就要看你的运气了。

image.gif编辑

在游戏中:如果某个BOSS掉落某件极品装备的概率是5%,那么就是每次BOSS被击杀后,由系统随机在1—100中生成一个数字,如果这个数字小于等于5,那么就会掉落该装备,否则就不会掉落。这是独立概率,每次的概率都是一样的,不会变化。


但是概率其实是不可靠的,同样的概率,有的人可能打1,2次就掉落了,有的人可能打30次才会掉落。这也是没办法的事情,真随机就是这样的。所以,在早期的网络游戏中,如果你想获得某个游戏道具,多花时间就好,打的次数多了,肯定就容易获得你想要的道具。


没钱的玩家可以多花时间,打装备卖给有钱的玩家,以换取点卡。大家各取所需。这是早期游戏设计所决定的。那个时代,除了点卡消费,在游戏中,大家都是公平的。

开箱子or大转盘

   当游戏进入免费时代,游戏设计者为了能够赚到钱,就开始卖属性。但是不能直接卖,要间接的卖,卖的巧妙,最好还能多赚钱。于是转盘这种设计就出来了,不是卖装备 ,是抽奖,能不能抽到看运气。每个方格里有不同的道具,有普通道具,也有中级道具,更有高级道具。

image.gif编辑

看起来每个格子(转盘)设计的大小,概率都一样,其实不是这样的,这只是看起来一样,具有视角欺骗性,最终还是按概率来。可能高级道具的概率连1%都不到,要不停的转才有可能得到,其实就是一个简单版的打怪掉落程序,只不过不需要打怪,花钱就直接按概率掉落。

不过这种把戏后来慢慢被看穿了。于是,开箱子的方式改进了一下,就是已经抽到的道具不再参与转盘。相当于每获得一个格子中的道具,就减少一个道具,所有剩下的道具概率重新计算,每个道具的获得概率提升了。

但是,你想获得高级道具,仍然是要花大量的钱。

抽卡保底算法

       当卡牌游戏开始流行后,抽卡这种模式就越来越受到大众欢迎。抽卡就成了免费游戏的主要收入来源。简单直接,而且隐秘。简单是因为,只要点击一次,就会从牌库中,随机获得一张卡牌。隐秘是因为,牌库是比转盘还要复杂隐秘的,里面有太多道具,除了基本抽取的概率,内部每个道具的概率也是不一样的。所以,需要不停的抽卡,因为牌库太大,抽卡完全是看脸。

image.gif编辑

如果概率无法控制,其实对玩家是不太友好的。于是大部分的抽卡游戏都增加了保底功能,抽10次必得。就是为了防止连续抽多次也抽不出来的情况。还有一部分,采用幸运值累积的方法,每次抽卡如果没中,就会累积幸运值,幸运值越高,就越容易获得想要的道具,其实也是变相的提高概率。

这种其实是伪随机。

那么什么是保底设计?保底设计准确来说是为运气不好的人提供的一种保障,能够获得自己想要的卡牌。

设计保底的方案有多种,这里说下三种方案:

1.固定或浮动数值保底。这种方案在于你需要预先给对应保底的卡牌进行定价,比如价值1000 RMB,那么当玩家抽卡次数达到一定值N时(这里假设每次十连抽价格为188 RMB,N约为60,注意:卡牌定价≈N*抽卡价格 就可以),如果依旧没有获得保底卡牌,则必然会获得一张,一旦玩家获得保底卡牌后,N重置为0,重新开始计数。

这种方案比较简单,N可以为固定数值也可以为一定的浮动值,这种方案主要为运气不好的人服务,挡不住欧皇。

2.不重置抽卡。这种方案在于每个玩家抽卡前先将卡池设计好,比如卡池生成了1000张卡牌,900张R卡,90张SR卡,10张SSR卡。玩家每次抽卡都是从这个卡池中取卡,取出的卡牌不再加入这个卡池,直到玩家将这1000张卡牌全部抽完。再重新生成1000张卡牌,再次进行这个循环。

理论上来说,这种方案是最公平,所有玩家在抽完卡池后,获得卡牌都是一样的。但是这种方案在于大多数玩家抽不空卡池,更大的弊端在于一旦增加新卡进入卡池,这个卡池就要变换,导致达不到保底的效果。

3.浮动概率。这种方案有点类似于PRD算法。这种抽卡的机制在于每次抽完卡后调整所有卡牌的比例,让单人整体抽卡的感觉更趋近与高斯分布,但是收敛的方式会更快,从而让最终的结果接近于期望。

这种方案相对来说比较复杂,目前也只见过极少数项目用过,需要大量的数学公式,个人对这块研究不深,就不展开了。

其实,我们看到在抽卡的概率上面设计者并没有做太多的隐藏设计,但是为什么玩家怎认为是设计有缺陷,甚至调侃到玄学上面去呢?

我认为是基于两方面,一方面是因为幸存者偏差,很多玩家更多将注意力放在抽到卡牌的玩家,而对于没有抽到玩家没有关注(全服通告也只会告知玩家谁抽到好卡,而不会告知多少玩家没有抽到)。另外一方面在于抽卡的概率在大量玩家的基数上是平均的,但是对于单个玩家的概率并非平均。

从个人体验设计来说,个人认为保底是必须,哪怕会打破真实概率,因为比起获得卡牌的成功体验,失败的体验设计对玩家来说是非常糟糕。甚至有些大R玩家直接会打电话给客服,宁愿花钱去购买卡牌,而不是让自己一次次体验失败。

洗牌算法

洗牌算法最典型的应用莫过于音乐播放器的随机播放。

在最早期的时候,播放器的随机播放就是采用的真随机,但是用户很快就发现,经常会遇到接连播放同一首歌,或者连续多次在几首歌之间来回切换,而另外某些歌曲几百次也放不到。为了解决这个问题,播放器就把真随机改为了洗牌算法。


所谓的洗牌算法就是:如果你的歌单有20首歌,就建立一个1到20的数组,再把这20个数字像洗牌一样洗成乱序。

在洗完之后,如果第一个数字是n,第一次就播放歌单里的第n首歌。以此类推。

组合随机算法

所谓的组合随机,典型的应用就是在抽奖的时候进行两次判断:

一次不随机:根据预设好的确定数组,给予玩家对应的chest。


这一次主要是用于确定奖品品质。


一次真随机:从选中的chest中随机抽取一件物品给玩家。


这一次就是从对应品质的奖品堆中随机获取一件物品。


最典型的例子就是《我叫MT》的手游。


在这个游戏里,你第几次抽奖能中紫卡是完全确定的,但是你具体抽到哪一张紫卡则是随机的。


在游戏中一般会用到真随机和伪随机两种方式。

可以说,真随机是一种自然的随机机制,用代码来实现也非常容易,只需要用一个随机数与一个常量进行比较,根据大于小于等于分别触发不同的结果就行了。


而伪随机则是人为创造出来的一种机制,他需要程序员写下更多的代码,也需要数值设计者做更多的计算。


那么,既然伪随机费时费力,还反自然,为什么在应用领域还要引入各种伪随机的算法呢?


其目的就在于——让用户得到更好的体验。

真随机,就是原始时代的怪物掉落,掉不掉全看运气。每次概率都是一模一样。


伪随机就是,如果该玩家第10次还未掉落该道具,则系统会强制必掉该道具。同时在获得该道具后,概率又恢复初始。还有一种做法,就是每次没有获得该道具,概率就增加,到第10次,概率是100%,必得。


概率是为了增加游戏的乐趣和期望,但是概率是不可控的。为了降低概率不可控所带来的挫败感,在游戏中,都增加了一些机制,来让概率的设计符合预期。


早期的游戏,概率只是游戏乐趣的一部分。而现在,概率成了游戏设计者赚钱的一种主要方式,说不上算好还是坏。

相关文章
|
算法 索引
算法训练Day32|● 122.买卖股票的最佳时机II ● 55. 跳跃游戏 ● 45.跳跃游戏II
算法训练Day32|● 122.买卖股票的最佳时机II ● 55. 跳跃游戏 ● 45.跳跃游戏II
|
6月前
|
数据可视化 流计算
估计获胜概率:模拟分析学生多项选择考试通过概率可视化
估计获胜概率:模拟分析学生多项选择考试通过概率可视化
|
6月前
|
自然语言处理 JavaScript 数据可视化
数据代码分享|R语言基于逐步多元回归模型的天猫商品流行度预测
数据代码分享|R语言基于逐步多元回归模型的天猫商品流行度预测
|
11月前
|
人工智能 vr&ar 图形学
次世代建模纹理贴图怎么做?
高端的引擎技术、材质贴图技术、渲染技术,使得次世代模型有着比肩电影画面的视觉效果,且是实时渲染。而且次世代模型有着面数高、贴图精度高、运用法线贴图描绘物体表面凹凸变化、高光贴图表现物体材质反光、实时光影等特点。
130 2
|
6月前
|
开发者
所有消除游戏背后都有一张看不见的网格
所有消除游戏背后都有一张看不见的网格
77 0
游戏指标专业术语
游戏指标专业术语
100 0
|
机器学习/深度学习 存储 人工智能
【OpenVI-视觉评价系列之MOS评价实战篇】手机存储不够用,清理照片太痛苦?MOS评价帮你挑选“垃圾”照片
MOS(Mean Opinion Score)是一种常用的主观质量评价方法,常用于视频、图像等多媒体领域中的质量评价。MOS视觉评价通常是通过让受试者观看视频/图像,对视频的清晰度、锐度、颜色饱和度、运动模糊、噪声等方面进行评价。然而,MOS视觉评价也存在一些局限,例如需要大量的受试者,评估时间较长等。因此,近年来,研究者们也开始探索使用客观评价方法来替代或补充MOS视觉评价。
517 2
【OpenVI-视觉评价系列之MOS评价实战篇】手机存储不够用,清理照片太痛苦?MOS评价帮你挑选“垃圾”照片
|
算法
【项目实践】多人姿态估计实践(代码+权重=一键运行)(二)
【项目实践】多人姿态估计实践(代码+权重=一键运行)(二)
142 0
【项目实践】多人姿态估计实践(代码+权重=一键运行)(二)
|
传感器 算法 机器人
【项目实践】多人姿态估计实践(代码+权重=一键运行)(一)
【项目实践】多人姿态估计实践(代码+权重=一键运行)(一)
128 0
|
开发者
所有消除游戏背后那张看不见的网格
观察一下上方的这一系列各种各样的消除游戏的图片,它们都有着这样的一个共同点,就是都是按照行列进行布局,有 7 行 7 列,有 10 行 10 列的。这样的行列布局是不是特别的像一个“网格”?这就是我们今天要讲的,所有消除游戏背后都有的那张看不见的“网格”。
111 0