實作遊戲探討多賽制比賽中團隊獲勝的方法.pptxVIP

實作遊戲以探討多賽制比賽中團隊獲勝的方法 指導教授: 陳良弼 專題生: 凃博浚 林君豪 大綱: Feedback的計算方法-- 期望值解與標準差解的討論 後續想法 Feedback的計算方法-標準差 在資料筆數小於等於7筆之前，取其平均數，作為最後的分數回傳值，當資料筆數大於7時，求其標準差，然後使用標準差，以平均值為基準，左右分成3個區間，共6個區間，計算每個區間的資料筆數，並以此區間的最大值為Pivot。然後將各個區間的最大值乘以各個區間的資料數後再做平均，以此做為判斷分數的依據。 7為測試的結果所選定的值。 Feedback的計算方法-標準差 ALGORITHM: if(輸入的資料筆數=7)then return AVG(DATA); else { int SD = Standard Deviation(DATA); return {Count(Space(DATA,AVG(DATA)-SD,AVG(DATA))) * Max(Space(DATA,AVG(DATA)-SD,AVG(DATA))) + Count(Space(DATA,AVG(DATA)-2 * SD,AVG(DATA)-SD)) * Max(Space(DATA,AVG(DATA)-2 * SD,AVG(DATA)-SD)) + Count(Space(DATA,,AVG(DATA)-2 * SD)) * Max(Space(DATA,,AVG(DATA)-2 * SD)) + Count(Space(DATA,AVG(DATA),AVG(DATA)+SD)) * Max(Space(DATA,AVG(DATA),AVG(DATA)+SD)) + Count(Space(DATA,AVG(DATA)+SD,AVG(DATA)+2 * SD)) * Max(Space(DATA,AVG(DATA)+SD,AVG(DATA)+2 * SD)) + Count(Space(DATA,AVG(DATA)+2 * SD,)) * Max(Space(DATA,AVG(DATA)+2 * SD,))} / Count(DATA) ; } Feedback的計算方法-標準差 #1. SD為計算標準差的副程式 #2. Space(DATA,a,b)為將DATA中介於a,b間 的資料選出來的副程式 #3. Count(X)為計算X資料筆數的副程式 #4. Max(X)為選出X中最大值的副程式 #5. AVG(DATA) 為計算平均數的副程式 Feedback的計算方法-標準差 此算法的目的: 此算法在於降低太過極端的某幾筆資 料對整體資料所造成的影響，並且增加 資料筆數較多的區間的影響力，我們希 望出現次數越多的區間越能代表這個人 物的能力，並藉此使得結果能更加準確。  與期望值的值際比較勝率: 共有6人 戰鬥人數 期望值勝率 演算法的勝率 1 V.S. 1 76.4% 78.2% 2 V.S. 2 79.3% 80.4% 3 V.S. 3 95% 92.5% 4 V.S. 4 83.2% 90.6% 5 V.S.5 78.4% 78.8% 平均 82.4% 85% 後續想法 因為藉由標準差的算法，雖然能藉由各區間標竿更加展現求解的準確性，但是無論是期望值求解跟標準差解法都偏向於平均概念的想法，因此後續會嘗試將各標竿之代表值取對戰組合，也就是說，若是a跟b 1V.S.1的戰鬥，則會取a 的6個標竿值跟b的6個標竿值，取全取戰鬥，以更加貼近學姊挑選演算法的概念。(而全取戰鬥的戰鬥場數可能會太過複雜，因此找到一個既準且簡的戰鬥方式即為我們的最後目標)