- 📢博客主页：肩匣与橘
- 📢欢迎点赞 👍 收藏 ⭐留言 📝 如有错误敬请指正！
- 📢本文由肩匣与橘编写，首发于CSDN🙉
- 📢生活依旧是美好而又温柔的，你也是✨
目录
一、随机数生成
二、概率分布
2.1均匀分布
2.2正态分布
2.3泊松分布
三、随机事件触发
3.1固定概率触发
3.2基于概率分布的触发
3.3基于条件的触发
四、常见概率算法
4.1概率表
4.2权重随机
4.3概率分布函数
五、真随机和伪随机
在游戏开发中，概率技术是非常重要的一部分。它涉及到游戏中的随机事件，如掉落物品、怪物出现、技能触发等。正确使用概率技术可以使游戏更加有趣和具有挑战性。
一、随机数生成
在游戏中，随机数生成是非常常见的。我们需要生成随机数来模拟各种随机事件。在C++中，我们可以使用rand函数来生成随机数。rand函数返回一个介于0和RAND_MAX（通常是32767）之间的整数。我们可以使用模运算和加法来生成指定范围内的随机数。 例如，我们要生成1到100之间的随机数，可以使用以下代码：
int randomNumber = rand() % 100 + 1;二、概率分布
在游戏中，我们经常需要使用不同的概率分布来模拟各种随机事件。以下是一些常见的概率分布：
2.1均匀分布
均匀分布是最基本的概率分布之一。在均匀分布中，每个数字出现的概率是相等的。我们可以使用rand函数来生成均匀分布。 例如，我们要生成1到6之间的随机数，可以使用以下代码：
int randomNumber = rand() % 6 + 1;2.2正态分布
正态分布是另一个常见的概率分布。在正态分布中，大多数数字集中在平均值附近，并且随着距离平均值的增加而变得越来越少。我们可以使用Box-Muller转换来生成正态分布。 以下是一个生成具有指定平均值和标准差的正态分布的代码示例：
double normalRandomNumber(double mean, double stddev)
{
static double n2 = 0.0;
static int n2_cached = 0;
if (!n2_cached)
{
double x, y, r;
do
{
x = 2.0*rand()/RAND_MAX - 1;
y = 2.0*rand()/RAND_MAX - 1;
r = x*x + y*y;
}
while (r == 0.0 || r > 1.0);
{
double d = sqrt(-2.0*log(r)/r);
double n1 = x*d;
n2 = y*d;
double result = n1*stddev + mean;
n2_cached = 1;
return result;
}
}
else
{
n2_cached = 0;
return n2*stddev + mean;
}
}2.3泊松分布
泊松分布是用于模拟随机事件发生的数量的分布。在泊松分布中，事件发生的概率是相等的，而事件发生的次数是随机的。我们可以使用以下代码来生成泊松分布：
int poissonRandomNumber(double lambda)
{
double L = exp(-lambda);
double p = 1.0;
int k = 0;
do
{
k++;
double u = rand()/((double)RAND_MAX + 1);
p *= u;
}
while (p > L);
return k - 1;
}三、随机事件触发
在游戏中，我们经常需要触发各种随机事件，如掉落物品、怪物出现、技能触发等。我们可以使用概率技术来控制这些事件的触发概率。以下是一些常见的随机事件触发技术：
3.1固定概率触发
在固定概率触发中，我们使用一个固定的概率来控制事件的触发。例如，我们可以使用以下代码来控制一个事件以50%的概率触发：
bool shouldTrigger = (rand() % 2 == 0);
if (shouldTrigger)
{
// 触发事件
}3.2基于概率分布的触发
在基于概率分布的触发中，我们使用一个特定的概率分布来控制事件的触发。例如，我们可以使用以下代码来控制一个事件以正态分布的概率触发：
double mean = 0.5;
double stddev = 0.1;
double randomNumber = normalRandomNumber(mean, stddev);
if (randomNumber > 0 && randomNumber < 1)
{
// 触发事件
}3.3基于条件的触发
在基于条件的触发中，我们使用一个或多个条件来控制事件的触发。例如，我们可以使用以下代码来控制一个事件仅在满足一定条件时触发：
bool condition1 = true;
bool condition2 = false;
if (condition1 && !condition2)
{
// 触发事件
}四、常见概率算法
4.1概率表
概率表是一种最简单的概率算法。它将所有的可能结果列出，并为每个结果分配一个概率值。然后，使用随机数生成器来生成一个随机数，并根据随机数选择一个结果。 例如，我们有一个掉落物品的概率表，其中掉落物品的概率分别为30%、20%和10%：
| 物品 | 概率 |
|---|---|
| 物品A | 30% |
| 物品B | 20% |
| 物品C | 10% |
我们可以使用随机数生成器来生成一个随机数，例如在Java中，我们可以使用以下代码：
import java.util.Random;
public class Example {
public static void main(String[] args) {
Random random = new Random();
// 生成一个随机整数
int randomInt = random.nextInt(100);
// 判断掉落的物品
if (randomInt < 30) {
// 掉落物品A
} else if (randomInt < 50) {
// 掉落物品B
} else {
// 掉落物品C
}
}
}上述代码中，我们生成一个0到99的随机整数，并根据随机数选择掉落的物品。
4.2权重随机
权重随机是一种更加高级的概率算法。它将所有的可能结果列出，并为每个结果分配一个权重值。然后，使用随机数生成器来生成一个随机数，并根据权重值选择一个结果。 例如，我们有一个掉落物品的权重表，其中掉落物品的权重分别为3、2和1：
| 物品 | 权重 |
|---|---|
| 物品A | 3 |
| 物品B | 2 |
| 物品C | 1 |
我们可以使用随机数生成器来生成一个随机数，并根据权重值选择掉落的物品，例如在Java中，我们可以使用以下代码：
import java.util.Random;
public class Example {
public static void main(String[] args) {
Random random = new Random();
// 生成一个随机整数
int randomInt = random.nextInt(6);
// 判断掉落的物品
if (randomInt < 3) {
// 掉落物品A
} else if (randomInt < 5) {
// 掉落物品B
} else {
// 掉落物品C
}
}
}上述代码中，我们生成一个0到5的随机整数，并根据权重值选择掉落的物品。
4.3概率分布函数
概率分布函数是一种更加复杂的概率算法。它通过一个数学函数来计算每个结果的概率值。然后，使用随机数生成器来生成一个随机数，并根据概率分布函数计算出选择的结果。 例如，我们有一个技能释放的概率分布函数，其中释放技能的概率随时间逐渐增加。我们可以使用以下的代码计算释放技能的概率，其中，time表示时间，a表示技能开始释放的时间，k表示技能释放的速率。我们可以使用随机数生成器来生成一个随机数，并使用概率分布函数计算释放技能的概率，我们可以使用以下代码：
import java.util.Random;
public class Example {
public static void main(String[] args) {
Random random = new Random();
// 生成一个随机浮点数
double randomDouble = random.nextDouble();
// 计算释放技能的概率
double time = getTime();
double a = 0.0;
double k = 1.0;
double probability = 1.0 / (1.0 + Math.exp(-k * (time - a)));
// 判断是否释放技能
if (randomDouble < probability) {
// 释放技能
}
}
private static double getTime() {
// 获取当前时间
return 0.0;
}
}上述代码中，我们生成一个0到1的随机浮点数，并根据概率分布函数计算释放技能的概率。如果随机数小于概率值，我们就释放技能。
五、真随机和伪随机
在游戏开发中，概率是一个非常重要的概念。我们通常使用随机数进行生成，例如怪物掉落物品、技能释放概率等等。然而，在使用随机数时，开发者需要考虑到真随机和伪随机的问题。 伪随机数生成器（PRNG）是一种算法，它可以生成一个序列的数字，这些数字看起来像是随机的，但实际上是按照算法生成的。在PRNG中，种子值是非常重要的。如果我们使用相同的种子值，我们将会获得相同的随机数序列。
真随机数生成器（TRNG）是基于物理事件的，例如大气噪声、微粒衰变等等。它们可以生成真正的随机数，因为它们是由不可预测的物理事件生成的。然而，在大多数情况下，我们可以使用伪随机数生成器来模拟真随机数。
可以说，真随机是一种自然的随机机制，用代码来实现也非常容易，只需要用一个随机数与一个常量进行比较，根据大于小于等于分别触发不同的结果就行了。例如：掷色子，掷到到的值大于3触发什么奖励，小于三又是什么奖励，等于三又是另一种奖励。而伪随机则是人为创造出来的一种机制，他需要程序员写下更多的代码，也需要数值设计者做更多的计算。例如游戏的抽奖机制，当玩家抽到第90次还没有最好品质的奖励，那么第九十次必定获得该奖励，同时在获得该道具后，概率又恢复初始；亦或者是每次没有获得该道具，概率就增加，到第90次，概率是100%，必得该奖励，同时在获得该奖励后，概率又恢复初始。文章来源：https://www.toymoban.com/news/detail-446420.html
在游戏开发中，概率技术是非常重要的一部分。我们可以使用随机数生成、概率分布和随机事件触发等技术来模拟各种随机事件，使游戏更加有趣和挑战性。在实际开发中，我们应该根据具体情况选择适当的技术，并进行充分的测试和优化，以确保游戏的质量和稳定性。文章来源地址https://www.toymoban.com/news/detail-446420.html
到了这里，关于【结构与算法】—— 游戏概率常用算法整理 | 游戏中的常见概率设计分析的文章就介绍完了。如果您还想了解更多内容，请在右上角搜索TOY模板网以前的文章或继续浏览下面的相关文章，希望大家以后多多支持TOY模板网！
