[已解决]设计技能头大，大家提供点思路。

miantouchi

我想设计个普通攻击的连击
如果是1-10级，  普通攻击只能出现 1连击
如果是11-30级，普通攻击是能出现 1连击 和 2连击
如果是31-50级，普通攻击是能出现 1连击 和 2连击 、3连击
如果是51级及以上， 普通攻击是能出现 1连击 和 2连击 、3连击、4连击

也就是4个阶段、每个阶段 可以按照等级、敏捷等吧，某一个数值 来确定，越高越大几率获得高连击

假如玩家35级，普通攻击可以出现 1连击 和 2连击 、3连击，决定不会出现4连击情况
35到50级，随着等级提升，越大几率触发3连击

假如玩家52级，普通攻击可以出现 1连击 和 2连击 、3连击、4连击
但是4连击触发几率不高，随着等级提高，越容易触发3连、4连

现在困惑是怎么协调这4个阶段，每个阶段各个连击的几率怎么匹配
51级以上有点咧不开了（1连几率多少、2连几率多少、3连几率多少、4连几率多少）。
52级以上有点咧不开了（1连几率多少、2连几率多少、3连几率多少、4连几率多少）。
53级以上有点咧不开了（1连几率多少、2连几率多少、3连几率多少、4连几率多少）。
54级以上有点咧不开了（1连几率多少、2连几率多少、3连几率多少、4连几率多少）。
55级以上有点咧不开了（1连几率多少、2连几率多少、3连几率多少、4连几率多少）。
.。。。。列不开了


或者是大家有没有什么更好地想法。
可以用熟练度、敏捷等等作为判断都行，不局限于等级，有的人提议是武器带有连击属性。

SixRC

想到一个很简单的想法
设置每攻递减的连击率
初始连击率为等级-10 递减值为 20
那么比方 40级 攻击一次后 二连击率 40-10=30%   三连击率 30-20=10% 无四连击
这是最简单的形式  40级伤害期望仅 133%
然后 不如整体概率×2
那么还是40级 二连击率 60 三连击率 20  期望是 172%
再然后
想扩大连击率间的倍数 可以考虑开个n次方  n>1
想缩小倍数 可以考虑开个1/n次方  要不加个log啥的
然后加个上限什么的..
我也不知道了

Im剑侠客

1连是必出的100%，要设定的也就是2、3、4连。要想更加精准设定，只能遍历区间了，手动预设每一个等级或者每一个等级区间的触发概率。

89444640

分别计算？一击不算，11～30。30%几率发动两连击，每升级加1%发动几率，这样lv30。49%几率发动
31～50  在发动了两连击的基础上30%几率发动两连击 升级 两连击发动几率加0.5% 三连击发动几率加1%
余此类推
目的是随着等级提升低次数连击发动概率变高，高次数的也有更大几率发动。
这个挺像红美铃的连击，菜刀当初设计是随着等级提高技能之间可以继续发动，每个格斗招式动作做成衔接型号，可以随时切回收招动作，也可以继续连到头，类似于格斗游戏的普通技，特殊技，必杀技 超必杀技 奥义这样的连击，由于动作绘制过于耗时，目前没继做。

灯笼菜刀王

用抽奖形式好了

def 连击数获得
  f = []
  battler.level.times {f.push(1)}
  (battler.level - 10).times {f.push(2)}
  (battler.level - 30).times {f.push(3)}
  (battler.level - 50).times {f.push(4)}
  #-洗牌-------------------------------------
  (n=f.size).times do |j|
    a = rand(n)
    b = f[j]
    f[j] = f[a]
    f[a] = b
  end
  #--------------------------------------------
  return f[rand(n)]
end

这样 100级的时候4的概率是1的一半, 而51级的时候, 4的概率是1的50分之一

colonp_a

给每个连击设一个权值（abcd），每升1级对应的权值+1，几率就是总权值/单个权值，代码很好写
a=level
b=level-10<0? 0 : level-10
c=level-30<0? 0 : level-30
d=level-50<0? 0 : level-50
e=a+b+c+d
f（触发率）=a/e
ghi以此类推不用一级一级设置了

灯笼菜刀王

@RyanBern

做个数组随机抽测试


1000次抽样结果, 执行三次


可以看到 中间的4,5,6号被抽中的概率会比较高一些~~

实际上我曾经有问过这个问题, rand用同一个种子在短间隔时随到的数值很接近~

碰到过这个姐妹舰(成长率差不多)在同时升级的时候随机加的点非常接近~ 所以我就一直用洗牌+随机抽的方式来以求"更随机"

SailCat

从建模的角度上讲，最直接的办法是把表做死，然后直接查表
当然，“表”可以用公式来表示。

比方说：
让角色从1－99级（或敏捷从1－999），逐渐从100%打1击变成100%打4击
这其实是期望伤害从100%变成400%的意思
那么可得你的期望伤害公式＝100+等级*3%（这个变化其实是103－397，但就按这个来也行）
另外，这个是线性变化，以下讨论两种情况

1. 全程线性变化的情况
2元1次方程组直接可以解，剩下的就是怎么实现
比如：在1 2 3 4连击的判定下，怎么做103%的伤害
很简单：97%出1击，3%出2击，这平均伤害就是103%
也就是说，每减少3%1击判定率，增加3%2击判定率，就可以提升伤害3%
当然，你也可以减少2%的1击判定率，增加1%的2击判定和1%的3击判定，这也提升伤害3%
那么
设自变量范围是[1,99]
那么首先，每级减少3%1击判定，增加3%2击判定
至11级时，判定从[97,3,0,0]变成[67,33,0,0]
这时1击的判定率已经是2击的2倍了，就改用：每级减2%的1击判定，增加1%的2击判定和1%的3击判定
至22级时，判定变为[45,44,11,0]
这时1击的判定率已经和2击相同，此时要改用第三个改法：每级减1%的1击和1%的2击判定，增加2%的3击判定（对，这也是+3%）
至33级时，判定变为[34,33,33,0]
这时，改为每级－1%2击判定和3击判定，+2%4击判定
至41级时，为[34,25,25,16]，此时改为每击-1%1击，+1%4击。
至50级时，为[25,25,25,25]
从50－99级，按上面的逆向操作就可以了。至99级为[0,0,3,97]

RUBY 代码复制

def rand_hit(n)
    m = n > 50 ? 100 - n : n
    case m
       when 1..11
          x = [100 - 3*m, 3*m, 0, 0]
       when 12..22
          x = [89-2*m, 22+m, m-11, 0]
       when 23..33
          x = [57-m, 66-m, m, 0]
       when 34..41
          x = [34, 66-m, 66-m, m*2-66]
       when 42..50
          x = [75-m, 25, 25, m-25]
    end
    x.reverse! if n != m
    y = [x[0], x[0]+x[1], x[0]+x[1]+x[2], x[0]+x[1]+x[2]+x[3]]
    case rand(100)
       when 0...y[0]
          1
       when y[0]...y[1]
          2
       when y[1]...y[2]
          3
       else
          4
    end
end

def rand_hit(n)


    m = n > 50 ? 100 - n : n


    case m


       when 1..11


          x = [100 - 3*m, 3*m, 0, 0]


       when 12..22


          x = [89-2*m, 22+m, m-11, 0]


       when 23..33


          x = [57-m, 66-m, m, 0]


       when 34..41


          x = [34, 66-m, 66-m, m*2-66]


       when 42..50


          x = [75-m, 25, 25, m-25]


    end


    x.reverse! if n != m


    y = [x[0], x[0]+x[1], x[0]+x[1]+x[2], x[0]+x[1]+x[2]+x[3]]


    case rand(100)


       when 0...y[0]


          1


       when y[0]...y[1]


          2


       when y[1]...y[2]


          3


       else


          4


    end


end

2. 非全程线性变化的情况（比如你提问的情况）
非全程线性无非就是划分阶段，你先提出你的预期，比如10级内都是1击，30级以内只有2击，50级以内只有3击，51级以上才有4击
然后在每一个阶段内部，变化依然是线性的
例如，你设定好
1级[100，0，0，0]
10级[100，0，0，0]
11级[80，20，0，0]
30级[50，50，0，0]
31级[50，40，10，0]
50级[40，30，30，0]
51级[40，30，20，10]
99级[10，20，30，40]
然后其他级别用上述方法在中间插值就可以了，例如15级[71，29，0，0]，43级[43，33，24，0]，74级[28，26，24，22]等等
（插值代码略）

3. 指数衰减的判定，这个很简单，直接递归，写成每一击都有等级%机率连击一次即可，然后把最终结果限定为最多判3次（最多4击），这样判定的曲线大概是这样
1级[99,1,0,0]
10级[90,9,1,0]
20级[80,15,4,1]
30级[70,21,7,2]
40级[60,24,10,6]
50级[50,25,13,12]
60级[40,24,14,22]
70级[30,21,15,34]
80级[20,16,13,51]
90级[10,9,8,72]
99级[1,1,1,97]
指数衰减最大的问题，当人工卡次数时，曲线变化非常不平滑，特别是当触发率超过非触发率之后，大量机率堆在第4级别。但1－3级别依然是逐次下降机率，与常识不符。

RUBY 代码复制

def rand_hit(n)
    x = 1
    3.times do
       rand(100) < n ? x += 1 : return x
    end
    x
end

def rand_hit(n)


    x = 1


    3.times do


       rand(100) < n ? x += 1 : return x


    end


    x


end

4. 独立判定。即：除第1击外，多判定3次，每一次的触发机率是等级%。但不管是几级都总是判定3次，这样判定的曲线大概是这样
1级[97,3,0,0]
10级[73,25,2,0]
30级[34,44,19,3]
50级[13,37,37,13]
70级[3,19,44,34]
90级[0,2,25,73]
99级[0,0,3,97]
相对来说，最后一个的判定，是最接近人的心理预期的情况。

RUBY 代码复制

def rand_hit(n)
    x = 1
    3.times do
       x += 1 if rand(100) < n
    end
    x
end

def rand_hit(n)


    x = 1


    3.times do


       x += 1 if rand(100) < n


    end


    x


end

RyanBern

灯笼菜刀王 发表于 2020-4-20 16:19
@RyanBern

做个数组随机抽测试

你的第一次实验就不是这样，就测了三次也未必严谨。更严谨的说法是“内置 rand(n) 产生的随机数性质不太好，不太像均匀分布”。应该不是“中间的概率变大”。比较追求数学上严谨性的话，可以对 rand 做个随机数检验，比方说卡方检验，统计专业的应该更清楚些。

rand 用同一个种子在短时间的数值很接近。

这个问题和刚才聊的无关。因为设置同一个种子在短时间理应产生一样的随机数，这是随机数发生器的机制问题。因此不是每次生成随机数之前都要设置一个种子，这是不对的。比较正常的做法是程序启动时仅（根据系统时间）设置一次种子，之后种子就不要发生改变。不太清楚你所说的“很接近”的含义是指？

你可以测试一下每次给定 srand 之后 rand 出来的数值，应该是分毫不差的。