随机团队游戏的玩家等级

临时排名系统总是不完善的,但更好的系统(如Elo)的设计是为了调整临时评级比现有球员的评级更快。这承认,试图建立一个能力评级关闭只是几个游戏与其他玩家将固有的容易出错。

一 数据样本,而Elo系统处理这些游戏的累积,以便在切换到正常排名系统之前,随着时间的推移提高单个玩家的排名估计。

为简单起见,我也不区分委员会成员的既定评级和临时评级 团队为另一个团队的某个成员计算新的准备金评级时(除非Elo要求)。所有这些评级都有隐含的错误,因此没有必要增加不必要的复杂因素,而这些因素可能对改善排名估计没有什么价值。

回答你的问题:也许这里的想法会有所帮助: Lehman Rating on OkBridge .

这一评级体系正在使用中(自1993年起!)在网桥网站OKBridge上。桥牌是一种伙伴关系游戏,通常由一个2人的团队和另一个2人的团队进行比赛。评分系统的设计是为了给单个玩家评分,并迎合许多人与不同的伙伴一起比赛的事实。

1. 显然,老牌球员有记录,而新球员没有。因此,新玩家的不确定性可能更大,尽管不稳定玩家的不确定性可能非常高。此外,这可能取决于游戏主要使用的是先天技能还是后天获得的技能。我想你会希望每个玩家都有一个“方差”参数。方差可以由两部分组成:真实方差和“温度”。温度就像在模拟退火中,你有一个随时间冷却的温度。大概在玩了足够多的游戏之后,温度会降到零度。
2. 是否有多个方面可以发挥作用?就像在足球中,你可能有好的射手,好的传球手,有好的控球能力的球员,等等。基本上,这些都是你系统中的自由度(在我的足球类比中,他们可能是,也可能不是真正的独立)。看起来一个精确的模型会考虑到这些,当然你可以有一个隐式处理这些的黑盒模型。不过,我希望了解系统中的自由度数量有助于选择黑匣子。
3. 你如何划分团队?你的团队算法意味着一个模型,什么使平等的团队。也许你可以使用这个模型来为每个玩家创建一个权重和/或一个预期的表现水平。如果有不同方面的球员技能,也许你可以给球员的表现在一个方面明显优于预期额外的分数。
4. 这场比赛是真的赢了还是输了,或者比分的差异会出现吗?既然你说没有关系,这可能不适用,但至少接近分数可能意味着结果的不确定性更高。
5. 如果你是从头开始创建一个模型,我会带着改变的意图来设计。至少,我希望有许多参数是可调的,甚至可能是自动调整的。例如,当您有更多的玩家和更多的游戏时,初始温度和初始等级值将更为已知(假设您正在跟踪统计数据)。但我肯定会预料到,玩的游戏越多,你能建立的模型就越好。

只是一堆随机的想法,但听起来是个有趣的问题。

几年前,微软TrueSkill团队的一些人在《游戏开发者》杂志上发表了一篇文章,解释了他们做出决定的一些原因。它肯定提到了Xbox Live的团队游戏,所以它至少应该有点相关性。我没有这篇文章的直接链接,但你可以在这里订购后一期: http://www.gdmag.com/archive/oct06.htm

我相信也有一些关于调整参数的讨论,试图加速收敛到对玩家技能的准确评估,这听起来像是你感兴趣的。

希望有帮助。。。

“得分”是如何解决的?,

你可以用这些数据计算一个分数, 如果百分比低于团队成员(或两个团队的成员)的90%:

有时候,一个简单的概念效果更好。

另一个选择是在第一个基础上的一个变体,但更简单的是给他们一个单一的匹配与人工智能,将用于确定开始得分(看地震现场的一个例子)。

对于那些在发布多年后在这里跌跌撞撞的人: TrueSkill 现在支持由多个玩家组成的团队和不断变化的配置。

每次有10个玩家想玩, 他们被分成两部分

这很有趣,因为这意味着每个团队的平均技能水平是相等的(因此不重要),而且每个团队都有平等的获胜机会。如果你假设这个约束是真的,那么一个简单的统计每个玩家的胜负应该是一个很好的衡量标准。