玛娜希斯回响【寻觅一种玩家和游戏团队和谐沟通共建的方法】（三）辅助人物的价格如下：

                           三、输出人物真的越多越好吗？怎样看待辅助人物？

        笔者的第三章和第四章的文本举例和逻辑推导，很多情况下是相辅相成的。在这里，笔者注意到了部分玩家对小红帽人物强度的评价，阐述自己的第一印象：

1.仅仅站在单个人物和其他单个人物的伤害量对比评价强度似乎有所偏颇。

2.部分讨论过于关注一些热门输出人物，忽略了辅助人物在三人小队中的重要影响。

3.得出结论似乎太着急了点，不妨多尝试一下不同强度结晶的组合以及组合其他队友的效果。

        绝大多数玩家都希望自己喜爱的人物在游戏中有优异表现吧，也希望自己在BOSS面前打出超高的伤害，满足自己。我也是这么想的，人之常情，特别正常。某个人物在三人小队中，拿出了特别优异的表现，打出了特别夸大的输出，带领团队拿下BOSS，肯定特别高兴。关注单一人物的总输出量，其实在情理上很正常。

        正由于部分玩家特别关注单一人物的总输出量，这个诉求客观存在，不希望花了大成本抽卡得到的人物输出量低于其他人物；再结合游戏团队结合了风枪、水剑、多洛提亚新推出的玩家反馈，在此之后新推出的人物——塞纳菲娜小红帽和吉尔伯塔霜花，就得更多地思考部分玩家的诉求——把水剑之后新人物的输出量做得更高。这就变相地影响了游戏团队所开发的部分水剑之后新推出的辅助人物和水剑之前已出现的老辅助人物，二者之间的平衡。

        笔者认为，从单一人物的角度讨论人物强度和游戏平衡性思考，以及在光暗风火水土这6组属性的队伍组合和人物定位思考，是两个不错的思考路线。但千万不要忽略了如下更为重要的平衡：

1.法定货币和游戏内的货币、道具等换算关系之间的平衡。

2.游戏内的货币、道具等随着时刻和法定货币的历史积累和BOSS强度之间的平衡。

3.JRPG剧情推进和游戏BOSS强度之间的平衡。

4.新输出人物强度和老输出人物强度之间的平衡。

5.新辅助人物强度和老辅助人物强度之间的平衡。

        笔者提到上述5组全局性的平衡，也许还不够完善。玛娜希斯回响这款游戏采用了规划型经济体系构建游戏全局性的平衡。采用规划型经济体系的游戏，往往都是轻度给、休闲给且核心尝试突出的游戏。

        笔者参考了知乎作者策略梁木木发表的《【木木游论】规划或市场？网络游戏经济体系搭建及常见的经济体系类型解析——经济体系篇》。

        参考链接：

        在规划型经济体系中，玩家和玩家之间不放开交易，全部游戏资源的产出全靠体系。体系产出的资源，有做日常任务和限时活动主题赠送，有击败地图BOSS和巴别塔、社团战、征讨阵线，还有玩家在游戏里的充值和购买。按部分玩家的标准，在公开场合冲击人物强度，哪怕只成功了一次，都会打乱游戏团队事先已规划好的经济体系运行！会让正在运行中的规划型经济体系受到严重冲击！部分玩家冲击人物强度的行为，击败BOSS达成领取足额奖励，所需的体系产出和积累游戏资源的数量有一部分降低。

        水剑直播连麦是第一次！土牧霜花在论坛上的热烈讨论是第二次！

        如果再放开直播连麦讨论小红帽强度难题，再应部分玩家标准，加强小红帽，那可就是第三次了！请告知我，何者游戏团队受得了规划型经济体系设计多次被打乱？

        犬酱组官方就不能直接把这个担忧说透彻吗？不好意思，心情迷恋的时候激烈讨论，很有也许会引发未来更剧烈的冲突，不如该沉默时沉默。还想不明白的，回顾一下第二章的内容，以及笔者曾提到过的：一段时刻后回想这种占用大量公共舆论资源的事件，事发地点和所在机构天然就容易被公众首先提及。

        正由于以上部分玩家欠缺思考的，在游戏的全局观上更为重要的几组平衡，再加上游戏开发团队在某一次更新后，应玩家需求给出的各人物的输出统计图，仍然欠缺等更为综合的，能够体现辅助人物价格的统计图。才会造成众多玩家更为关注单一人物的输出量，而忽略了对该高输出人物所享受到的友方BUFF和BOSS方享受到的DEBUFF。

        其实辅助也有辅助的好。现实全球中同样有例子能体现辅助的价格。2024卡塔尔全球杯1/8决赛阿根廷VS澳大利亚的比赛中，比赛第56分钟阿根廷队9号阿尔瓦雷斯打进一球，帮助阿根廷队扩大比分。从比赛经过来看，这个进球离不开阿根廷队7号德保罗不遗余力的拼抢、面对澳大利亚守门员的冷静解析、避开被吹罚冲撞守门员犯规的风险、切断澳大利亚守门员出球的传球线路，成功迫使澳大利亚守门员出现重大失误。虽然这个进球是阿尔瓦雷斯担当输出人物，身为辅助的德保罗并没有由于这个进球拿到进球、助攻和决定因素抢断的任何一组褒义数据。但这个进球已经特别明显地体现了辅助人物的价格。参考链接：

        笔者希望更多玩家能更为清晰地感受到辅助人物的价格，稍微分散一下部分玩家对于单一人物强度讨论的纠结。在此给犬酱组提议，如果可以，希望在某个时刻节点完善统计图的功能。这么做更能体现辅助人物本应体现的价格，在社团战、阵线、巴别塔这种有排行榜的打BOSS关卡的统计图中，可以思考有选择性地添加如下功能：

1.BOSS在战斗中实时享受到的，有时刻限制的，全部BUFF和DEBUFF的时刻轴。比如：无人能敌帧时长、被削弱属性抗性的效果和时长。

2.人物在战斗中实时享受到的，有时刻限制的，全部BUFF和DEBUFF的时刻轴。比如：攻击力、攻击速度、血量、防御、暴击伤害、暴击率、抗性属性伤害加成等临时释放的时刻轴。

3.人物不经修饰的原始输出值，即不享受全部临时和全局BUFF和DEBUFF情况下的输出值。

4.人物享受了BUFF和DEBUFF情况下的输出值，目前已实现。

5.统计人物给BOSS释放奥义失败，奥义并没有运行完整的次数和起始时刻。

6.统计人物给己方和队友释放的盾系BUFF所吸收的伤害量。

7.统计地图中由人物和BOSS释放的光环和人物停留在某一段范围内会造成高额持续伤害的范围、个数、伤害量和持续时刻。比如困难雪暴山脉BOSS释放的高额持续伤害有限量时刻的冰冻圈。

        当然了，也许还是部分玩家希望，挂在后台的人物，也能和手控的人物一样，打出足额的伤害量。笔者就在本章接下来的篇幅，剖析这种想法的可行性。

        省流给出结论：目前后台的人物的AI对战逻辑，和贪心算法接近，即每一次移动都更接近于给BOSS输出伤害，得意技，闪避反击和普攻会尽也许运用，奥义和支援技能需要玩家手控切换人物施放。

        目前的对战逻辑可以有一定的提高空间，比如在定时器的若干秒间隔中，一旦触发部分条件，比如风枪、水剑在血量条上的高额输出触发条，可以保留得意技不触发。一旦满足全部条件，可以在壹个时刻点上，BOSS不处于无人能敌帧的前提，自动释放对应人物连携组合按钮，比如得意技、奥义和部分普攻的自动释放连携组合，打出特别高的伤害；比如多洛提亚拾取药瓶和火舞风舞小红帽释放支援技奥义后，让全部人物都享受大范围BUFF的自动寻路算法等等。但这一组提高空间是否由于高频次的判断，造成计算量的部分提高，造成玩家设备进一步发热甚至闪退带不起来，尚未可知。个人谨慎看好对贪心算法改进的这种优化方法。

        但如果参考AlphaGo的实现方法，运用动态规划的算法，追求后台人物总输出量的最大化，让AI有玩家的操作，甚至超过玩家能打出的最大伤害，即需要在多种影响的综合考量下，选取特别多流程内所组合后最终得到的最优解。这种选取流程的方法，不一定每一组都是最优解，但这种计算方法需要综合思考全部流程下每一组流程的若干种不同选择，每一流程的不同选择都也许触发下一流程的分支。综合思考后得到命中顶尖伤害的一组或几组选择分支。同时还要留意，运用这种后台人物AI逻辑，模仿手控人物AI的作战方法，战斗期间硬件的计算量会巨幅提高。面对巨幅提高的计算量，CPU和GPU的功耗和发热会显著提高，众多玩家的设备很也许带不起来。

        专业姿势所限，也许仍有不少局限性，下面内容就是本人根据多次和BOSS对战的场景，联想并描绘一下运用动态规划，是怎样巨幅增加硬件的运算量的。读者可以直接记下上一段的结论——运用动态规划优化自动对战逻辑，很也许会巨幅提高硬件运算量，CPU和GPU的功耗和发热量会显著提高，众多玩家的设备很也许带不起来。不必深究接下来笔者对动态规划姿势的举例，以及游戏战斗场景中运用动态规划后，建立一种简单模型帮助领会的推测：

-----------------------------------------------------------------------------------------------------------------------------

        首先画出这几张图，建立一组简单模型，涉及到战斗体系中BOSS和3名人物的初始站位。以及举的例子，为简化模型，减少玩家的时刻成本的和计算量，假定只选取5个角度为0°,45°,90°,135°,180°的点，假定从tn-1情形开始，3名人物通过移动，到达近战、中距离、超距离的最优输出位置。目前暂不涉及时刻轴的推进以及3名人物和BOSS的情形变化。

图3-1：刚进入战斗时t0情形，三个人物和BOSS的初始站位示意图。

图3-2：在图3-1的基础上，添加近程、中程、超距离假定的最优输出位置。

图3-3：人物在战斗经过的某壹个阶段，移动到假定最优位置对BOSS进行输出的某种场景。

图3-4：人物在战斗经过的某壹个阶段，站在原地对BOSS进行输出的某种场景

图3-5：人物在战斗经过中的某壹个阶段，某一组不凑巧的无法让全队享受BUFF的示意图

        假设以BOSS的每一次攻击和每一次移动都作为时刻轴变换的标志，从人物给BOSS输出的角度来看，在BOSS的每一次时刻轴变换期间打出的多次伤害可以稍作简化，多次输出伤害合并成一次输出伤害和。

        那么从T0...T1......Tn-1...Tn......最后到Tlast的时刻轴，要想在最后的结局中逼近那个团队最优输出的结局DPCLTMAX，此简写标记下同，就需要在一条时刻轴上，随着BOSS的每一次攻击和每一次移动的决策，人物有时候就需要做不同决策，主动移动？或被攻击的被动移动？或不移动？通过决策时刻轴推进期间人物的第Tn-1流程，让决策的结局避免未来的流程会出现图3-5的情形。剪枝优化排除部分明显无法逼近那个DPCLTMAX，减少计算量，接着再从剩余计算结局中找到逼近那个DPCLTMAX。

可以接着把模型简化，将决策的途径分为两种：

1. 人物和BOSS相对位置在Tn-1下发生了改变，人物需要回到近程、中程、超距离对应各自的假定最优输出位置，近战是N1~N5这5个点选壹个；中距离是M1~M5这5个点选壹个；超距离是F1~F5这5个点选壹个。人物在Tn回到假定最优输出位置后，需要额外耗费一段无法输出的时刻，接着接着从Tn开始继续推进时刻轴给BOSS输出，直至Tlast的触发。

2. 人物和BOSS的相对位置不变，继续在原处输出。直至未来的某些情况，动态规划的算法发现，决策途径在未来的某个时刻点需要做出改变，能够打出截至未来那个时刻点的顶尖团队输出量，再选择跳转到途径1。

        每一组决策分支都会分出两组途径，一旦这两种途径的跳转，触发了人物无法都能享受到团队BUFF，即tn-1第三种方法的示意图，就可以忽略那一组结局，能够减少一部分运算量。

        这个模型仅仅是方便建立模型和简化版，仅仅是计算出T0...Tlast的时刻轴下，三人小队给BOSS输出后，逼近那个团队最优输出的结局DPCLTMAX。真正需要把结局逼得更近，更趋近于学说上三人小队的顶尖伤害，就不能仅仅取5个位置参考近似点ABCDE、不能仅仅只选取三组共15个假定最优输出位置、就不能仅仅思考2种决策途径。如果需要进一步逼近学说上的三人小队顶尖输出结局，那么建模和动态规划所需的计算量就不得不飙升了。

        同时，由于无法保证在贪心算法中，每一组最优输出的结局，会带来未来若干组中，其他人物吃差点辅助人物释放的DEBUFF，造成最终计算结局中无法逼近团队最优输出结局DPCLTMAX。也就是贪心算法能保证每一步决策都是最大化，却不能保证未来的若干流程，而最终的DPCLTMAX往往需要在众多决策分支后的计算结局中查找某壹个或某多少，需要通过每一步计算，记录当前一轮的顶尖伤害量和决策途径，因此计算量会特别庞大。

        看到这里应该还是无法领会吧？如果有壹个简化版的例子对比会更生动。现在就引入一组简化版的动态规划例子。参考《算法导论》第二版，作者Thomas H.Cormen ,Charles E.Leiserson,Ronald L.Rivest, Clifford Stein。译者潘金贵、顾铁成、李成法、叶懋。进入第15章 动态规划，原书193页。

        壹个找出通过工厂装配线的更快方法的制造难题。共有两条装配线，每条有n个装配站；装配线i的第j个装配站表示为S i,j，在该店的装配时刻是a i,j。壹个汽车底盘进入工厂，接着进入装配线i（i为1或2），花费时刻ei。在通过一条线的第j个装配站后，这个底盘来到任一条线的第（j+1）个装配站。如果它留在相同的装配线，则没有移动的开销；然而，如果在装配线S i,j后，它移动到了另一条线上，则花费时刻t i,j。在离开一条线的第n个装配站后，完成的汽车花费时刻xi离开工厂。待求解的难题是确定应该在装配线1内选择哪些站、在装配线2内选择哪些站，才能使汽车通过工厂的总时刻最小。

题目描述如图所示：

图3-6 工厂装配线难题的情形转移示意图。

图3-7 其中一种装配线难题示例是两组装配线，每组各6个装配站。每个站点的耗时已标出

这个难题示例结构清晰，可以很快地算出每一组装配站结束后，在每一次时刻轴情形切换下打壹个断点，每个流程下分支装配线1和分支装配线2两组途径的最短时刻和途径如图3-8所示：

图3-8 每个流程下分支装配线1和分支装配线2两组途径的最短时刻和途径

由此可以在动态规划算法的计算经过中同时记录，构建第一组表格，存储每一阶段下驻留两个站点的最优解。见图3-9：

图3-9 构建第一组表格，存储每一阶段下驻留两个站点的最优解，即最短时刻。

同时构建第二组表格，存储每一阶段下驻留两个站点最短时刻的途径。1表示当前流程的最优解驻留在站点1；2表示当前流程的最优解驻留在站点2。见图3-10：

图3-10 构建第二组表格，存储每一阶段下驻留两个站点最短时刻的途径。

        最后从存储结局的多组last中找到那个最优解。本装配线难题示例的f1[j]和l1[j]，j天然就是第一组数据。

        这个找出通过工厂装配线的更快方法的制造难题的例子和化解方法，是动态规划例子中最容易领会的其中一例。化解这个难题的情形转移方程很容易列出，没有随机性影响。分支最少，剪枝制度很清晰，构建了一组理想模型，忽略了现实全球的种种不可抗影响。

这类动态规划难题的设计思路，通常按照下面内容4个流程化解：

1.描述最优解的结构。

2.递归定义最优解的值。

3.按自底给上的方法计算最优解的值。

4由计算出的结局构造壹个最优解。

        第1~3步构成难题的动态规划解的基础。第4步在只标准计算最优解的值时可以略去。如果的确做了第4步，则有时要在第3步的计算中记录一些附加信息，使构造壹个最优解变得容易。就算未来扩大本例的工厂装配线，把6条装配线扩充到n条，同样可以用相同的方法化解难题。

        如果玛娜希斯回响战斗体系的BOSS，也按照某一组固定的逻辑战斗，把随机性影响去掉。约定BOSS的每一次移动和每一次攻击都是情形的其中一次变换，人物自动对战逻辑的建模和化解，就可以套用上述工厂装配线的例子，模仿工厂装配线的情形转换图，互相对比做出某些替换，以两个难题之间的共同点类比，最终得到在BOSS按某一组固定逻辑战斗的前提下，构建三人小队的AI自动战斗逻辑，逼近团队伤害的顶尖输出。

这里列出一下两个难题之间的5组共同点：

1.比如人物的移动策略，在上文已提到将模型简化，将决策的途径分为两种：

        a.BOSS留在原地输出，对应工厂装配线难题的情形转移难题中，留在同一组装配线的下壹个装配点，不需要额外的时刻成本移动到另一组装配线的下壹个装配点上。

        b.BOSS移动到某一位置，对应工厂装配线难题的情形转移难题中，需要额外的时刻成本移动到另一组装配线的下壹个装配点上。

2.假定人物的攻击范围已确定，从1~5个点中已确定了某壹个最优输出点，而且已有了成熟的最短路线移动逻辑，也就是假定人物移动到最优位置的逻辑只有1种且已被锁定，5个点选1个的建模和运算已被简化。就仅仅需要思考三个人物的每壹个，是留在原地输出，还是移动到最优位置输出了。有8种也许，采用3位二进制数表达三个人物是否移动的全部也许性。1表示移动，0表示停留。即：000,001,010,011,100,101,110,111。此时把图3-6中，工厂装配线1和装配线2上，每壹个流程的全部父节点，替换为1对8的子节点，如图3-11所示：

图3-11 t0阶段到t1阶段，工厂装配线例子和自动对战情形转移第一阶段的相互对比示意图

图3-12 t1情形到t2情形的不移动前提下，三人小队全部人物在每组情形中8种移动决策的分支。

        这棵八叉树仅仅是BOSS由t1情形到t2情形的不移动前提下，三人小队全部人物在每组情形中8种移动决策的分支。采用3位二进制数表达三个人物是否移动的全部也许性。1表示移动至最优位置，0表示停留。即：000,001,010,011,100,101,110,111。随着时刻轴的推进，每个父节点在每一轮情形转移的推进下，都要扩充8个子节点。

图3-13 三人小队用动态规划在情形转移经过中构造的，描述每组情形转移片段的八叉树

        这棵八叉树仅仅是BOSS由t1情形到t2情形再到t3情形的不移动前提下，三人小队全部人物在每组情形中8种移动决策的分支。如果玛娜希斯回响的自动对战逻辑采用动态规划的方法编写，所需运算量就是从这里开始巨幅地提高了。

3. 在2.的基础上，加入单一人物从1~5个点中，并不确定何者点是最优输出点，就需要额外思考更多也许性，对应在工厂装配线上每壹个决策节点的子树分支，就不仅仅是8种了。运算量就是在这里更为巨幅地提高了。

4. 都可以从最终计算结局中，找到那个最优解。找到最优解后，再返回动态规划算法的计算经过中同时记录的两组表格，找到当前某一流程的最优解，以及该最优解的途径。

5. 当前最优途径，不思考随机性难题影响，通常在最终全局的运算中也是最优。但当前最优途径，不见得是不需要额外成本移动的途径。这是动态规划和贪心算法的壹个特别明显的不同差异。

这两个难题所列出来的5组共同点，仅仅是假定BOSS的每一次决策都已知，不存在随机型难题的讨论中。

        但可惜实际的建模和运算，根本没有办法把随机性影响去掉。BOSS的下一次决策要做啥子？如何得知BOSS下一次决策的也许性以及每一种也许性发生的概率？下一次是攻击某个人物，还是移动到某个位置？如果BOSS攻击玩家，是普攻，还是得意技，还是奥义？这个笔者真不了解。笔者只了解，构建这种带有随机影响，影响情形转移方程设计的难题，特别复杂。不是三言两语能说得清楚的。要思考的影响实在太多了。

        其中一组随机性影响，就是部分BOSS会在地图的某些随机区域释放持续一段时刻的伤害圈和DEBUFF圈。比如困难雪暴山脉的BOSS，有一组技能就是释放高额持续伤害有限量时刻的冰冻圈。如图3-14：

图3-14

图3-15 从图3-14可以描述为tramdom_1时刻轴

图3-16

图3-17   从图3-16可以描述为tramdom_2时刻轴

        这类带随机性的持续伤害圈，会进一步加剧随机型动态规划自动对战逻辑，尤其是人物自动寻路逻辑的计算量。基于图3-13，如果需要人物持有战斗力，就需要避开随机持续伤害圈。而避开随机持续伤害圈需要啥子？需要再次提高运算量。三人小队是否停留还是前往假定的最优位置输出，就需要从头决策。参考之前描述的8种决策路线的某几种，就很也许需要更多的人物有机会参和移动。同时对于每个位置假定最优输出位置的5个点做出从头修改，避免人物停留或穿梭随机持续伤害圈。

--------------------------------------------------------------------------------------------------------------------------

        笔者水平所限，对于随机型动态规划的领会特别浅薄，不打算在这里继续探讨下去。各位玩家只需要了解，运用动态规划优化自动对战逻辑，很也许会巨幅提高硬件运算量，CPU和GPU的功耗和发热量会显著提高，众多玩家的设备很也许带不起来。和其花费很多精力纠结三人小队中单一人物的顶尖输出难题，纠结壹个三人小队由三个手控输出人物组成，却有两个人物打不出本应手控打出的足额高伤害的难题，不如多思考思考辅助人物的价格。

以上就是玛娜希斯回响【寻觅一种玩家和游戏团队和谐沟通共建的方法】（三）辅助人物的价格相关内容。