АЛГОРИТМ ПІДРАХУНКУ РЕЙТИНГА ГРАВЦІВ В КОМАНДАХ

Інфокомунікаційні та комп’ютерні технології Pub Date : 2023-02-03 DOI:10.36994/2788-5518-2022-02-04-22

С.В. Суглобов, А.Г. Тимошенко

{"title":"АЛГОРИТМ ПІДРАХУНКУ РЕЙТИНГА ГРАВЦІВ В КОМАНДАХ","authors":"С.В. Суглобов, А.Г. Тимошенко","doi":"10.36994/2788-5518-2022-02-04-22","DOIUrl":null,"url":null,"abstract":"У статті розглянуто алгоритми оцінки особистих можливостей / рейтингу гравців, які підходять для багатокористувацьких онлайн-ігор з командами. Проаналізовані популярні алгоритми та запропоновані зміни (для алгоритмів що не підтримують команди), щоб адаптувати їх для роботи з командами з кількох гравців. Зроблено акцент саме на використанні алгоритмів для командних ігор. Алгоритми розглядаються по часу їх створення, так як кожен наступний алгоритм це покращена версія попереднього. Але при цьому кожен із цих алгоритмів використовується в сучасних іграх так як всі вони мають свої переваги. Рейтингові алгоритми в своєму загалі використовують два показники щоб оцінити гравця, рейтинг – це реальний рейтинг гравця котрий змінюється після кожної гри, та сігма – це відхилення від рейтингу яке показує наскільки ми можемо вірити в точність рейтингу, чим менше значення сігма тим точніше рейтинг гравця. Рейтинг змінюється після кожного матча в залежності від результата, якщо виграш то збільшується, в разі програшу то знижується. Сігма ж зменшуватися з кількістю ігор котрі гравець зіграв, тим самим підтверджувати реальний рейтинг гравця, або збільшуватися але з часом, тобто з часом зростає неточність рейтингу гравця. Для урахування рейтингу системою підбору зазвичай зручно мати представлення про рейтинг одним числом, в випадку якщо рейтинг представлено двома числами, тоді його обчислюють як рейтинг – 3* сігма. Таким чином беруть сильно песимістичне представлення про рейтинг гравця. Представлена порівняльна таблиця розглянутих алгоритмів.","PeriodicalId":165726,"journal":{"name":"Інфокомунікаційні та комп’ютерні технології","volume":"24 1","pages":"0"},"PeriodicalIF":0.0000,"publicationDate":"2023-02-03","publicationTypes":"Journal Article","fieldsOfStudy":null,"isOpenAccess":false,"openAccessPdf":"","citationCount":"0","resultStr":null,"platform":"Semanticscholar","paperid":null,"PeriodicalName":"Інфокомунікаційні та комп’ютерні технології","FirstCategoryId":"1085","ListUrlMain":"https://doi.org/10.36994/2788-5518-2022-02-04-22","RegionNum":0,"RegionCategory":null,"ArticlePicture":[],"TitleCN":null,"AbstractTextCN":null,"PMCID":null,"EPubDate":"","PubModel":"","JCR":"","JCRName":"","Score":null,"Total":0}

引用次数: 0

Abstract

У статті розглянуто алгоритми оцінки особистих можливостей / рейтингу гравців, які підходять для багатокористувацьких онлайн-ігор з командами. Проаналізовані популярні алгоритми та запропоновані зміни (для алгоритмів що не підтримують команди), щоб адаптувати їх для роботи з командами з кількох гравців. Зроблено акцент саме на використанні алгоритмів для командних ігор. Алгоритми розглядаються по часу їх створення, так як кожен наступний алгоритм це покращена версія попереднього. Але при цьому кожен із цих алгоритмів використовується в сучасних іграх так як всі вони мають свої переваги. Рейтингові алгоритми в своєму загалі використовують два показники щоб оцінити гравця, рейтинг – це реальний рейтинг гравця котрий змінюється після кожної гри, та сігма – це відхилення від рейтингу яке показує наскільки ми можемо вірити в точність рейтингу, чим менше значення сігма тим точніше рейтинг гравця. Рейтинг змінюється після кожного матча в залежності від результата, якщо виграш то збільшується, в разі програшу то знижується. Сігма ж зменшуватися з кількістю ігор котрі гравець зіграв, тим самим підтверджувати реальний рейтинг гравця, або збільшуватися але з часом, тобто з часом зростає неточність рейтингу гравця. Для урахування рейтингу системою підбору зазвичай зручно мати представлення про рейтинг одним числом, в випадку якщо рейтинг представлено двома числами, тоді його обчислюють як рейтинг – 3* сігма. Таким чином беруть сильно песимістичне представлення про рейтинг гравця. Представлена порівняльна таблиця розглянутих алгоритмів.

查看原文本刊更多论文

文章探讨了适合团队多人在线游戏的个人能力/玩家评级评估算法。文章对流行的算法进行了分析，并提出了修改建议（针对不支持团队的算法），以使其适用于由多名玩家组成的团队。重点放在团队游戏算法的使用上。算法按其创建时间来考虑，因为每个后续算法都是前一个算法的改进版。但与此同时，每种算法都被用于现代游戏中，因为它们都有各自的优势。评级算法一般使用两个指标来评价一名球员，评级是球员的真实评分，在每场比赛后都会发生变化，而西格玛则是与评级的偏差，表示我们可以相信评级准确性的程度，西格玛值越小，球员的评级就越准确。每场比赛后，评分会根据结果发生变化，如果赢了，评分会增加，如果输了，评分会减少。西格玛会随着球员比赛场次的增加而减少，从而证实球员的真实评分；也可能随着时间的推移而增加，这意味着球员评分的不准确性会随着时间的推移而增加。为了让选拔系统考虑到等级，通常方便的做法是用一个数字代表等级，如果等级用两个数字代表，则计算公式为等级-3*西格玛。通过这种方法，可以对球员的评分做出高度悲观的评价。下面是所考虑算法的比较表。

本文章由计算机程序翻译，如有差异，请以英文原文为准。

求助全文

约1分钟内获得全文求助全文

来源期刊

Інфокомунікаційні та комп’ютерні технології

自引率

0.00%

发文量