对抗类游戏平衡性评价与环境预测方法(8)

　　前面的整个预测过程中，对战胜率矩阵是保持不变的，但实际情况下，随着游戏环境的变化，胜率矩阵大概率是也会变化的，例如开发出针对当前热门英雄的打法，或者大量玩家在“打不过就加入后”由于自身对强势英雄并不熟悉，导致强势英雄的胜率降低等等。

　　结语

　　本文的起因是对Alexander Jaffe在GDC2015上分享进行复现和评估。在复现中发现其方法存在一定的弊端，例如使用“最低胜率”而非“胜率期望”作为评估一个玩家策略优劣的标准、未考虑游戏中不同策略的使用比例等等。

　　于是在充分拆解了Alexander Jaffe所提方法的计算流程和逻辑后，提出了本文中的游戏平衡性计算与评价方法，且由于需要用到“游戏环境”作为输入数据，简单实现了一种游戏环境的演变预测方法，最终觉得可以进行一下分享和讨论。

　　从实践效果上看，2个方法所得到的结果存在一定的指导意义，尤其是游戏平衡性评价方法输出的结果比单看胜率、出场率要更加客观。但2个方法也有比较明显的问题和弊端，存在一些“拍大腿”定下的参数，例如以50%胜率作为划分标准和4.3节提到的问题。

　　后续准备结合项目组已有和未来的数据调整一些评价、预测的细节，并调研看看目前业界在这方面有没有什么好方法。

　　来源：游戏陀螺