当前位置: 首页 > 面试题库 >

在游戏中的随机过程中经常会加入伪随机的设计。请你阐述(或举例)你理解的伪随机的概念,以及伪随机的设计意义。

澹台锐
2023-03-14
本文向大家介绍在游戏中的随机过程中经常会加入伪随机的设计。请你阐述(或举例)你理解的伪随机的概念,以及伪随机的设计意义。相关面试题,主要包含被问及在游戏中的随机过程中经常会加入伪随机的设计。请你阐述(或举例)你理解的伪随机的概念,以及伪随机的设计意义。时的应答技巧和注意事项,需要的朋友参考一下
伪随机主要是区别用真随机,真随机是指即便是同种试验,在每次试验,均进行一次随机,是真正的概率意义。伪随机通常是一类试验,提前做好随机,在每次试验中投放。甚至一些游戏中,伪随机还做了避免极大极小的处理

比如“十连抽必中一张五星卡”就是一种补偿性的伪随机设计,以此确保玩家投入大量金钱后能够获得最基本的反馈。另外,刺激性和安慰性的伪随机设计也很常见。
除“抽十必中一”之外,“系统回收”和“概率递增”也是最为普遍的补偿设计。

“系统回收”比较容易理解,其大致流程就是将卡牌角色或装备进行分解回收,换成另一种货币,而这种特殊货币可以在特殊商店中进行其它购买——比如一张4星卡分解后能兑换成100个货币,同时特殊商店中在贩卖5星卡的碎片,玩家只要慢慢攒总有机会获得顶级的5星卡。其中的数值平衡一般是由策划在把控,不过个人认为,这个环节其实可以根据运营数据和促销活动进行联动,通过不定期地“打折”调动玩家的热情和付费欲望。

“概率递增”在公式上相对比较复杂,但给玩家的游戏体验却是最直接的。比如玩家在战斗中的第一次攻击没有打出暴击,那么在接下来的攻击中,暴击率会按照一个曲线逐渐递增,以保证玩家不会运气太差而纠结苦闷。
虽然和“抽十必中一”看上去很像,但“首抽必中”的效果并非补偿,而是刺激引导玩家进行第一次充值付费,进而有可能养成长期的消费习惯。

此外像“开宝箱能高几率获得极品装备”、“特殊商店能随机刷出6星卡碎片”等,也都具有异曲同工之处。

在战斗结束后出现的“翻牌奖励”、“***抽奖”等机制,其实是“打死BOSS摸尸体”的另一种表现手法,不过这是一个让大多数策划都击节赞叹“第一个想到这玩意的人是TMD天才”的伪随机设计。

众所周知,“打死BOSS摸尸体”的机制是在玩家点击的一瞬间生成掉落奖励,最初的改动是像“***抽奖”这样将奖励明示化,给一个玩家可见的且充满期待的抽奖过程。当然,顶级的奖励多半只是图片,而不存在于奖励池中——就像微博抽奖活动一等奖是iPhone6那样,久而久之就没人信了。

于是随着时代的进步,“翻牌奖励”就应运而生了。这种伪随机设计重新把奖励内容遮掩住,让玩家在多选一之后再同时翻开。这样的设计好处在于,给玩家带来两个错位——“这个结果是我自己选择”和“真可惜,当时我该旁边那个”。但实际上,“翻牌奖励”的机制依然还是点击瞬间生成,至于没被点选的其它图标,则由另一个池随机放上去一些“看上去挺美”的东西。

而这种伪随机设计的天才之处,更在于站在巨人肩膀上的后继开发者们。急功近利的人,会在这里设置一个消费环节,让玩家多花一些钻石就能将牌面可视化,然后再自行挑选;而擅长蛊惑人心的开发者,则是一会将未选中的奖励安排得很极品,一会又将它们调得很垃圾,让玩家不断在“后悔没选另外一个”和“庆幸自己选了最值钱的一个”的不同心态间坐过山车。

 类似资料:
  • 本文向大家介绍PHP的伪随机数与真随机数详解,包括了PHP的伪随机数与真随机数详解的使用技巧和注意事项,需要的朋友参考一下 首先需要声明的是,计算机不会产生绝对随机的随机数,计算机只能产生“伪随机数”。其实绝对随机的随机数只是一种理想的随机数,即使计算机怎样发展,它也不会产生一串绝对随机的随机数。计算机只能生成相对的随机数,即伪随机数。 伪随机数并不是假随机数,这里的“伪”是有规律的意思,就是计算

  • 问题内容: 我一直在阅读《 游戏编码完成》(第4版) ,但在理解第3章“有用的东西的袋子”一节中的“一组伪随机遍历”路径时遇到一些问题。 您是否想过CD播放器上的“随机”按钮如何工作?它会随机播放CD上的每首歌曲,而不会播放同一首歌曲两次。这是一个非常有用的解决方案,可确保游戏中的玩家在有机会再次看到相同功能之前,先看到最广泛的功能,例如对象,效果或角色。 在描述之后,将继续讨论我尝试用Java实

  • 给定一个随机数生成器random(7),它可以以相等的概率生成数字1,2,3,4,5,6,7(即每个数字出现的概率为1/7)。现在我们要设计一个随机数(5),它能以相等的概率(1/5)生成1,2,3,4,5。 有一种方法:每次我们随机运行(7),只有当它生成1-5时才返回。如果是6或7,再运行一次,直到它是1-5。 我有点困惑。第一个问题是: 如何用数学方法证明每个数字发生的概率是1/5?例如,假

  • 问题内容: 当我发现一些奇怪的东西时,我正在玩一些代码: 对我来说奇怪的是变量i地址的变化。 我的猜测是内核提供了不同的堆栈起始地址来尝试阻止某种破解。真正的原因是什么? 问题答案: 正是由于这个原因,在多个操作系统上使用了地址空间布局随机化。堆栈指针地址的变化很可能是由这种情况引起的- 在最新版本的Linux和/或* BSD上很可能是这种情况。IIRC Windows的最新版本也可以做到这一点。

  • 生成随机数 # random_random.py import random for i in range(5): print('%04.3f' % random.random(), end=' ') print() # random_uniform.py import random for i in range(5): print('{:04.3f}'.format(ran

  • 我想看看哪个随机数生成器包在我的神经网络中更快。 我目前正在更改github的一个代码,其中两个都是numpy。随机和随机包用于生成随机整数、随机选择、随机样本等。 我之所以更改此代码,是因为出于研究目的,我希望设置一个全局种子,以便能够比较超参数不同设置的精度性能。问题是,现在我必须为随机包和numpy包设置两个全局种子。理想情况下,我只想设置一个种子,因为来自两个随机数生成器序列的图形可能会更