Matchmaking équitable pour les jeux en ligne

L'un des systèmes les plus connus est maintenant est Microsoft's Algorithme Trueskill .

Les gens ont également tenté d'adapter le elo system pour le matchmaking de l'équipe, bien qu'il soit plus conçu pour Jumelage 1-V-1.

Il est difficile d'estimer la compétence d'un joueur d'un seul métrique et une telle méthode est sujette à l'abus. Cependant, si vous vous souciez que de mettre en œuvre quelque chose de simple qui fonctionnera bien, essayez ce qui suit:

1. garder une trace des victoires et des pertes
2. Utilisez le pourcentage de victoires victimes de la statistique pour correspondre aux joueurs (dans un sens du mot match, c'est-à-dire des joueurs de groupe avec des pourcentages similaires)

   Ceci a la chute évidente du cas où un joueur peut avoir un rapport de perte de victoire de 5-0 et une autre de 50 à 20, le premier a un pourcentage infini tandis que l'autre a un pourcentage plus raisonnable. Il est logique que le système correspondant de reconnaître cela et d'être beaucoup plus confiant que ce dernier joueur a réellement des compétences en raison de la consistance requise; Cependant, les deux joueurs les uns contre les autres seront probablement une bonne chose car le joueur 5-0 essaie probablement de travailler le système en jouant à des joueurs plus faibles, ce qui lui convient donc un joueur de manière constante.

   Remarque, je parle d'expérience de ne jouant que des jeux de stratégie telles que Warcraft 3 où il s'agit du comportement typique de la tâche. Il me semble que le pourcentage de victoires sur les pertes est une excellente métrique pour correspondre aux joueurs.

Après ma réponse précédente, j'ai réalisé que si vous vouliez vraiment vous gêner, vous pouvez utiliser une idée très simple mais puissante: les chaînes de Markov.

L'idée intuitive derrière l'utilisation d'une chaîne de Markov va quelque chose comme ceci:

1. créer un graphique g = (v, e)
2. Laissez chaque sommet dans V représenter une entité
3. Laissez chaque bord dans E représenter une probabilité de transition entre les entités. Cela signifie que la somme des degrés de chaque sommet doit être de 1.
4. au début (heure t = 0) Attribuez à chaque entité une valeur unitaire de 1
5. à chaque étape de l'étape, entité de formulaire de transition I, J par la probabilité de transition définie dans 3.
6. Soit T-> l'infini que la valeur de chaque entité à t = Infinity est l'équilibre (c'est-à-dire que la possibilité d'une transition dans une entité est identique à celle d'une transition d'une entité.)

   Cette idée a par exemple été utilisée avec succès pour implémenter l'algorithme de classement de la page de Google. Pour décrire comment vous pouvez l'utiliser, considérez ce qui suit:

   1. v = joueurs E = probabilité de transition du joueur au joueur basé sur des ratios de victoires / pertes relatives
   2. Chaque joueur est un sommet.
   3. Un bord du joueur A à B (B n'est pas égal à a) a une probabilité x / n où n est le nombre total de jeux joués par A et X est le total des jeux perdus à B. Ajoutez un bord de A à A avec probabilité m / n où m est le nombre total de jeux gagnés par un.
   4. Attribuez un niveau de compétence de 1 à chaque joueur au début.
   5. Utilisez le Méthode d'alimentation pour trouver le proprevecteur propre dominant de la matrice de liaison construite à partir des probabilités définies en 3.
   6. L'Eigenvecteur dominant est la quantité de compétences que chaque joueur a à t = infini, c'est-à-dire La quantité de compétence chaque joueur a une fois que la chaîne de Markov a atteint l'équilibre. C'est une mesure très robuste de chaque compétence des acteurs utilisant la topologie de l'espace de victoire / perte.

      Certaines mises en garde: il y a plusieurs problèmes lors de l'application directement, le plus gros problème sera une bande séparée (c'est-à-dire que votre chaîne de Markov ne sera pas irréductible et la méthode de puissance ne sera donc pas garantie de converger.) Lucky pour vous, Google a traité de tous ces problèmes et plus lors de la mise en œuvre de leur algorithme de classement de la page et de tout ce qui vous reste pour vous permettre de rechercher la manière dont ils contournent ces problèmes si vous êtes tellement enclin.

Match basé sur plusieurs attributs. J'ai mis en œuvre un Système de matchmaking simple en utilisant AWS CloudSearch (basé sur Apache Solr). Par exemple, la correspondance basée sur la combinaison des champs suivants est possible xxx pré>

Il est maintenant possible d'exécuter des requêtes de multiples champs tels que ceux suivants. P>

(and (or weapons:'GUN' weapons:'CANNON' weapons:'DRONE')(and last_login:['2013-05-25T00:00:00Z','2014-10-25T00:00:00Z'])(and points:[100, 200])(and elo_rating:[1000, 2000]))}