最近回坑,搞配件合成的时候想到一个问题,在不同阶的配件,用几个配件合成能达到利益最大化。
我的思路是这样,因为一次合成配件越多成功率越大,但总的合成的次数越少,所以定义一个合成性价比,设为E,E=成功率期望/消耗期望。决策肯定选择E最大的方案。接下来就要计算成功率期望和消耗期望。
首先是成功率期望,这很简单,因为这个合成服从两点分布,成功率期望就是合成成功的概率。
然后就是比较复杂的消耗期望,分为两种情况讨论,第一种,合成成功,那就是用了多少消耗多少,第二种,合成失败,会返还一个同阶的配件等价于消耗了用的配件数量减一。如此便能得到一个关于消耗配件的分布列,设此次所用配件数为n,成功率为p,这个分布列长这样。
n-1 n
1-p p
期望就是(n-1)(1-p)+np
如此一来,就得到了E的计算公式,即
E=p/(n-1)(1-p)+np。
以下是根据游戏给的数据计算出的E(保留两位小数,两位后小数全部清除
一阶升二阶
3配件:0.23
4配件0.21
5配件0.2
二阶升三阶
3,0.2
4,0.18
5,0.17
三阶升四阶
3,0.16
4,0.15
5,0.14
四阶升五阶
3,0.13
4,0.117
5,0.111(这里保留三位是为了与四配件合成的E相区别)
五阶升六阶
3,0.09
4,0.08
5,0.07
综合上述数据,我们认为无论是哪一阶合成,采用三配件合成的方法性价最高。
我的思路是这样,因为一次合成配件越多成功率越大,但总的合成的次数越少,所以定义一个合成性价比,设为E,E=成功率期望/消耗期望。决策肯定选择E最大的方案。接下来就要计算成功率期望和消耗期望。
首先是成功率期望,这很简单,因为这个合成服从两点分布,成功率期望就是合成成功的概率。
然后就是比较复杂的消耗期望,分为两种情况讨论,第一种,合成成功,那就是用了多少消耗多少,第二种,合成失败,会返还一个同阶的配件等价于消耗了用的配件数量减一。如此便能得到一个关于消耗配件的分布列,设此次所用配件数为n,成功率为p,这个分布列长这样。
n-1 n
1-p p
期望就是(n-1)(1-p)+np
如此一来,就得到了E的计算公式,即
E=p/(n-1)(1-p)+np。
以下是根据游戏给的数据计算出的E(保留两位小数,两位后小数全部清除
一阶升二阶
3配件:0.23
4配件0.21
5配件0.2
二阶升三阶
3,0.2
4,0.18
5,0.17
三阶升四阶
3,0.16
4,0.15
5,0.14
四阶升五阶
3,0.13
4,0.117
5,0.111(这里保留三位是为了与四配件合成的E相区别)
五阶升六阶
3,0.09
4,0.08
5,0.07
综合上述数据,我们认为无论是哪一阶合成,采用三配件合成的方法性价最高。