臉黑機制 - 暗黑

Table of Contents

※ 引述《Dialysis (Chiquitia)》之銘言:
: 臉黑機制,真的算是2.0以來最大的都市傳說,
: 這很像在讀教科書一樣,當書裡的文句寫得怪怪時,最好的方法,還是去查閱原始文獻:
: http://us.battle.net/d3/en/forum/topic/11307900907?page=15#293
: http://us.battle.net/d3/en/forum/topic/11307900907?page=23#451
: 臉黑機制的兩篇原始藍帖回文,都很漏漏長,真的想鑽洞的人,一定要將它好好看完。
: 在此將重點節錄出來:
: 1. 玩家不可能十幾小時沒有傳奇
: The fact that some people claim to go for 10+ hours without finding a
: legendary is not only not our intent, but should in fact be impossible.
:
: 2. 此系統被加在資料片 (因此,2.0是否實裝,未知)
:   系統會記錄角色打怪而無傳奇的連續時間
: 經過特定時間後,傳奇掉落率會緩慢上升(特定時間=多久?未知)
: We added a system in the expansion that tracks the amount of time you spend
: fighting creatures without finding a legendary and after a certain period of
: time will slowly start increasing the legendary drop rate.
:
: 3. 一但傳奇產出(非交易或鍛造所得),此系統會重置
: Once a legendary drops for you, actual item not crafting recipe or material,
: we reset that timer
:
: 4. BZ的目標,是希望高端玩家,能平均90分鐘一個傳奇
: Our final target is roughly in the 90 minute range for advanced players.
:
: 5. 你休想透過離開鍵盤來操弄此系統
: No you can't afk the system
:
: 6. 臉黑機制應該會極少作用的,多數玩家仍是透過一般掉落得到傳奇
: it's there for the 1% who just get really bad random rolls for an excessively
: long period of time.
:
: 簡單的講,臉黑系統,不可能每90分送你一個傳奇,大家從最簡單的統計來看,
: 倘若系統每90分鐘必送一傳奇,那高端玩家的平均傳奇,肯定遠小於90分。
: 另外,從文句去推敲,臉黑系統,可能要到10小時之後,才會"保證掉落",
: 在這之前,只是傳奇掉落率逐漸增加。
: 至於,臉黑的計時器如何運作?從藍帖的文句來看,打怪是重點,因此,如果要測試這種
: 機制的運作,個人的建議是,找一個最不可能掉落傳奇的打怪處,反覆打,然後記錄傳奇
: 的掉落頻率。
: 比如,開1-1,只打門口的喪屍,無限loop,同時記錄掉落....

看完這個, 讓我突然想到一個東西:

機率密度函數

Blizzard很可能用上一個機率密度函數 f(t).
T
並且令 ∫f(t) = 1
0
T: 臉黑時間上限
0: 掉傳奇後的那個時間點
另 0 < Ta < T

這會有幾個特性
T
1. P[0~T] = ∫f(t)dt = 1, 在 T時間必掉傳奇
0
Ta
2. P[0~Ta]= ∫f(t)dt < 1, 在 Ta時間內得到機率 <1, 但是因為不知道f(t)
0 無從得知這個定積分的實際數值

3. P[Ta] = 0, 雖然玩家一定會在 0~T之間的某個點Ta得到傳奇
但是, 由於機率密度函數的特性, 在特定時間點的掉落率階為 0
(因為掉落機率為0 到 Ta之間的積分)
所以紀錄Ta 很不幸的, 對於解出T, 甚至看到 f(t)的樣子是沒有幫助的

所以只要BZ用了這種方式設定, 我們永遠無從得知 T和 f(t)


--

All Comments

Ida avatarIda2014-03-24
哎喲,看到算式我頭就痛了起來。
Sandy avatarSandy2014-03-28
嗯嗯跟我想的一樣
Yedda avatarYedda2014-03-31
咦好像在學生時期有看過
Rae avatarRae2014-04-02
XD
Ivy avatarIvy2014-04-03
個人覺得,BZ團隊應缺乏數學高手.....
Rae avatarRae2014-04-03
對啦 答案就是那個嘛 跟我想的一樣
Victoria avatarVictoria2014-04-04
因為f是作用在裝備上 考慮智能掉落 f=f(t,職業)
Edward Lewis avatarEdward Lewis2014-04-07
不用想那麼多啦 搞不好只有3行程式碼..
Anonymous avatarAnonymous2014-04-11
看不懂 給推
Zanna avatarZanna2014-04-13
搞不好沒有程式碼
Joe avatarJoe2014-04-14
問題在數值設定 跟數學無關
Olivia avatarOlivia2014-04-18
應該先去考察一下想出這點子Travis Day的Biography
Oscar avatarOscar2014-04-18
pdf函數嗎?
Una avatarUna2014-04-20
看這個頭好痛...痛苦的高中時代
Tracy avatarTracy2014-04-22
數學沒及格過看不懂
Brianna avatarBrianna2014-04-23
其實WOW也有類似的臉黑機制
Adele avatarAdele2014-04-24
所以D3有也不意外 只是WOW官方有說明
Skylar DavisLinda avatarSkylar DavisLinda2014-04-24
為什麼在這邊還要看到積分函數...
Anonymous avatarAnonymous2014-04-24
搞不好什麼都沒有~ 大家都被唬了
平均90分鐘1個傳奇的話,可以打10個鐘頭都不掉..這也
Olga avatarOlga2014-04-26
你是不是誤會了什麼.. 設計上一定不是這樣做的
Agnes avatarAgnes2014-04-29
是萬中選一的奇人了
而這奇人又剛好會上PTT(或其他論壇)發抱怨文,機率又
更低了
Harry avatarHarry2014-05-01
有 f(t) 代表什麼時候會掉寶是決定好的, 相當不可能
比較可能的是 cxzq 大的說法, 單次掉落決定噴不噴金
Eden avatarEden2014-05-06
打電動搞的像甚麼大事
Hardy avatarHardy2014-05-06
XDDDDD
Andrew avatarAndrew2014-05-07
WOW的臉黑機制是啥?
Kyle avatarKyle2014-05-09
就是出團的時候通常會有一個幹部扮黑臉(誤
Rachel avatarRachel2014-05-09
這時候好想說:「快推,不然人家以為我們看不懂」 XD
Franklin avatarFranklin2014-05-10
其實仔細看一下這個只是用機率表示一件很簡單的事= =
Hamiltion avatarHamiltion2014-05-11
Prior probability表示
Carolina Franco avatarCarolina Franco2014-05-14
對不起,我直接end了
Jack avatarJack2014-05-17
快推,以免有人覺得我看不懂,其實我看得懂英文和數
Linda avatarLinda2014-05-20
什麼?這時候才有人發現? (誤
Olive avatarOlive2014-05-21
小弟也不是很了解pdf,的確說穿的有點脫褲子放屁
Rosalind avatarRosalind2014-05-24
但是pdf,pmf的卻完全符合"逐漸增加掉寶率""某時必掉"
這樣的設定
Charlotte avatarCharlotte2014-05-26
而且搞不好簡單到 f(t)=0.0001 這種常數函數
問題是就算這麼簡單的設定我們也反推不出了
Jack avatarJack2014-05-29
重點就是, 我們找不到f(t), 所以根本不用費心去求
Selena avatarSelena2014-05-30
其實透過統計是可以得到T的逼近值
f(t)不重要不用管他
Dorothy avatarDorothy2014-06-03
BZ應該是把掉寶設成某個機率分配
於某個時間點掉寶率為X% 隨著時間越來越大
Donna avatarDonna2014-06-06
如果T是90分,那最後到T時掉寶率便會是100%
應該是這樣吧 機率統計太久沒碰了 XD
Candice avatarCandice2014-06-07
可以得到 只能用猜的知道結果
Frederic avatarFrederic2014-06-10
kita大請問有比較好的測試方法嗎?
Yedda avatarYedda2014-06-10
直接問官方最快
Blanche avatarBlanche2014-06-14
抱歉看到數學公式直接end
Hazel avatarHazel2014-06-14
比較好的測試方法還要問嗎= = 就大家確實記錄自己打
Oliver avatarOliver2014-06-18
到的傳奇時間 樣本越大大概就可以知道T大概在哪邊了
Thomas avatarThomas2014-06-19
f(t,a,b,c,d,e),不可能只跟t(時間)有關係..
Mary avatarMary2014-06-22
所以也別費力了
Yedda avatarYedda2014-06-26
可以講白話文嗎?XD
Linda avatarLinda2014-06-29
我竟然看得懂這東西……
Jacob avatarJacob2014-07-03
說不定 根本就BZ自己講說有這個機制 然後安慰劑效應
Daniel avatarDaniel2014-07-04
工統...
Lucy avatarLucy2014-07-06
只要sample夠多, f(t)是可以解出來的
Kama avatarKama2014-07-08
你可以google一下 particle filter的原理
Lily avatarLily2014-07-10
不過, f(t)的確有可能是 f(t,a,b,c,d...) XD