我有一个涉及 2 种武器的游戏，它们互相对抗。每件武器都有 5 个特征/统计数据，具有一定的范围。我可以模拟游戏 这些统计数据的随机初始化值的时间，以便收集数据集。我还可以计算一种武器与另一种武器的获胜、失败或平局的次数。
我正在寻找一种算法，可以最大限度地减少 2 种武器的获胜次数（可能通过更改这些功能），以使它们保持平衡。
我可以使用哪种算法来最小化在游戏中相互战斗的 2 种武器的获胜次数？
人工智能
数据集
游戏-ai
回归
算法请求
2021-11-13 12:39:51
1个回答
我将首先尝试按照我的理解重述您的问题。
- 你有一个包含武器的游戏。
- 武器以 5 个不同的数字为特征，其范围可以是不同的值（在您的示例中为 1-5？）。
- 您有一种方法可以模拟涉及两种武器的战斗。
- 战斗是随机的，但可以重复多次。可以确定平均赢率。
- 您正在寻找一种 AI 算法，该算法将接收大量统计数据，以及其中一个的平均胜率，并让您深入了解如何使平均胜率尽可能接近 50%。
如果这听起来正确，那么从根本上说，您的问题是一种回归形式，您可以使用 AI，但可能不需要。但是，您的问题可能不是线性的，因此您需要功能之间的交互。这是我的建议：
对于每对武器，存储一个逗号分隔的列表，其中包含每种武器的统计信息（一个接一个），然后是 wins1 - wins2。在顶部，列出每个属性的名称，用逗号分隔，（例如， Weapon1Str, Weapon1Range, ... ,weapon1-weapon2 然后使用像 R这样的语言，它可以简单地支持复杂的回归形式。
在 R 中，这很简单：
data <- read.csv(file="Myfile.csv")
lm(formula = dist ~ .*., data = data)
这应该产生一个“系数”列表，一个用于每个属性，一个用于每对属性之间的交互，它们形成一个包含 10 个变量的冗长二次方程。
该等式的任何零都应该是使这种差异最小化的一对武器。
这可能是开始的地方。如果它不起作用，也许来发布一个不同的问题，我们可以提供更多帮助。