需要可预测的随机发生器

更新:使用此方法确实可以使用上述边界将获得重击的总概率提高到约22%.您可以通过将其"实际"概率设置得稍低来抵消这一点.通过精细修改的概率为17.5%,观察到的长期概率约为20%,并使短期运行保持公平.

如何用这样的东西替换mt_rand()？

(RFC 1149.5将4指定为标准的IEEE审查随机数.)

来自XKCD.

希望本文能为您提供帮助:http://web.archive.org/web/20090103063439/http : //www.gamedev.net :80/reference/design/features/randomness /

这种生成"随机数"的方法在rpg/mmorpg游戏中很常见.

它解决的问题是这个(摘录):

刀片蜘蛛在你的喉咙.它打了你想念.它再次击中,你再次错过.一次又一次,直到你没有任何东西可以击中.你已经死了,还有一个两吨重的蜘蛛在你的尸体上幸灾乐祸.不可能？不可以吗？是.但是如果给予足够多的球员并给予足够的时间,那么不可能的几乎可以肯定.这不是刀片蜘蛛很难,这只是运气不好.多么令人沮丧.这足以让玩家想要退出.

你想要的不是随机数,而是人类看似随机的数字.其他人已经提出了个人算法,可以帮助你,比如Shuffle Bad.

有关此域的详细而广泛的分析,请参阅AI Game Programming Wisdom 2.对于任何游戏开发者来说,整本书值得一读,"貌似随机数"的概念在章节中处理:

AI决策和游戏逻辑的过滤随机性:

摘要:传统观点认为,随机数生成器越好,你的游戏就越难以预测.然而,根据心理学研究,短期内的真正随机性往往对人类来说显然是不随意的.本文展示了如何使随机AI决策和游戏逻辑看起来更随机,同时仍保持强大的统计随机性.

您可能还会发现另一个有趣的章节:

随机数统计

摘要:人工智能和游戏一般使用随机数最多.忽视他们的潜力是让游戏变得可预测和无聊.错误地使用它们可能就像完全忽略它们一样糟糕.了解随机数如何生成,它们的局限性和能力,可以消除在游戏中使用它们的许多困难.本文提供了对随机数,它们的生成以及将好的和坏的分开的方法的见解.

当然,任何随机数生成都有可能产生这样的运行？您不会在3-10卷中获得足够大的样本集来查看适当的百分比.

也许你想要的是一个怜悯的门槛......记住最后10卷,如果他们没有受到重击,给他们一个免费赠品.平滑随机的吊索和箭头.

您最好的解决方案可能是使用多种不同的非随机方案进行游戏测试,并选择让玩家最开心的方案.

您也可以尝试在给定遭遇中针对相同数字的退避策略,例如,如果玩家1在第一个回合中滚动接受它.要获得另一个,1他们需要1连续滚动2 秒.要获得第三名,1他们需要连续3 次,无限制.

不幸的是,你要求的实际上是一个非随机数字生成器 - 因为你想要在确定下一个数字时考虑以前的结果.这不是随机数生成器工作的方式,我担心.

如果您希望每5次点击中有1次是关键,那么只需选择一个介于1和5之间的数字,并说该命中将是一个关键.

mt_rand()基于Mersenne Twister实现,这意味着它可以获得您可以获得的最佳随机分布之一.

显然你想要的并不是随机性,所以你应该开始准确地指出你想要的东西.你可能会意识到你有相互矛盾的期望 - 结果应该是真正随机的而且不可预测的,但同时它们不应该表现出来自所述概率的局部变化 - 但随后它变得可预测.如果你连续设置了最多10个非crits,那么你刚刚告诉玩家"如果你连续有9个非crit,那么下一个将是100%确定的关键" - 你可能会根本没有随意性的麻烦.

在如此少量的测试中,你应该期待这样的结果:

真正的随机性只能在巨大的设定尺寸上预测,因此很可能第一次翻转硬币并连续三次获得头部,但是在几百万次翻转时,你最终将大约50-50.

我看到很多答案建议跟踪以前生成的数字或者洗牌所有可能的值.

就个人而言,我不同意,连续3次惨叫是坏事.我也不同意连续15次非破坏是坏事.

我会通过在每个数字之后修改它自己的暴击几率来解决问题.示例(演示想法):

int base_chance = 20;
int current_chance = base_chance;

int hit = generate_random_number(0, 100) + 1; // anything from 1 to 100
if(hit < current_chance)//Or whatever method you use to check
{
    //crit!
    if(current_chance > base_chance)
        current_chance = base_chance; // reset the chance.
    else
        current_chance *= 0.8; // decrease the crit chance for the NEXT hit.
}
else
{
    //no crit.
    if(current_chance < base_chance)
        current_chance = base_chance; // reset the chance.
    else
        current_chance *= 1.1; // increase the crit chance for the NEXT hit.
    //raise the current_chance
}

你没有得到暴击的时间越长 - 你下一次暴击行动的可能性就越大.我包含的重置是完全可选的,它需要测试来判断它是否需要.在长期非暴击动作链之后,连续多次动作的暴击概率可能更高或可能不理想.

只要投入我的2美分......

最重要的几个答案是很好的解释,所以我只关注一个算法,让你可以控制"坏条纹"的可能性,同时永远不会变得确定.这是我认为你应该做的:

不是指定p,伯努利分布的参数,即临界命中的概率,指定a和b,β分布的参数,伯努利分布的"共轭先验".你需要跟踪A和B,到目前为止关键和非关键命中的数量.

现在,要指定a和b,确保a /(a + b)= p,是一个致命一击的机会.巧妙的是,(a + b)量化了你希望A /(A + B)与p一般接近的程度.

你做这样的采样:

让p(x)是所述β分布的概率密度函数.它可以在很多地方使用,但您可以在GSL中找到它作为gsl_ran_beta_pdf.

S = A+B+1
p_1 = p((A+1)/S)
p_2 = p(A/S)

通过概率p_1 /(p_1 + p_2)从bernoulli分布中抽样来选择一个致命一击

如果您发现随机数有太多"坏条纹",请按比例放大a和b,但在极限情况下,当a和b转到无穷大时,您将获得之前描述的随机包方法.

如果你实现这个,请告诉我它是怎么回事!

如果您想要一个不鼓励重复值的分布,您可以使用简单的重复拒绝算法.

例如

int GetRand(int nSize)
{
    return 1 + (::rand() % nSize);
}
int GetDice()
{
    static int nPrevious=-1;
    while (1) {
        int nValue = GetRand(6);
        // only allow repeat 5% of the time
        if (nValue==nPrevious && GetRand(100)<95)
            continue;
        nPrevious = nValue;
        return nValue;
    }
}

此代码在95%的时间内拒绝重复值,重复不太可能但不是不可能.从统计上来说它有点难看,但它可能会产生你想要的结果.当然,它不会阻止像"5 4 5 4 5"这样的分发.你可以得到更好的并且拒绝倒数第二(比如说)60%的时间和第三名(比如说)30%.

我不推荐这个好游戏设计.只是建议如何实现你想要的.