瑪娜希斯回響【探索一種玩家與游戲團隊和諧溝通共建的方案】（三）輔助角色的價值如下：

? ? ? ? ? ? ? ? ? ? ? ? ? ?三、輸出角色真的越多越好嗎？如何看待輔助角色？

? ? ? ? 筆者的第三章與第四章的文本舉例與邏輯推導，很多情況下是相輔相成的。在這里，筆者注意到了部分玩家對小紅帽角色強度的評價，闡述自己的第一印象：

1.僅僅站在單個角色與其他單個角色的傷害量對比評價強度似乎有所偏頗。

2.部分討論過于關注一些熱門輸出角色，忽略了輔助角色在三人小隊中的重要作用。

3.得出結論似乎太著急了點，不妨多嘗試一下不同強度結晶的搭配以及搭配其他隊友的效果。

? ? ? ? 絕大多數玩家都希望自己喜歡的角色在游戲中有優(yōu)異表現吧，也希望自己在BOSS面前打出超高的傷害，滿足自己。我也是這么想的，人之常情，非常正常。某個角色在三人小隊中，拿出了非常優(yōu)異的表現，打出了非?？鋸埖妮敵觯瑤ьI團隊拿下BOSS，肯定非常高興。關注單一角色的總輸出量，其實在情理上很正常。

? ? ? ? 正由于部分玩家非常關注單一角色的總輸出量，這個訴求客觀存在，不希望花了大成本抽卡得到的角色輸出量低于其他角色；再結合游戲團隊結合了風槍、水劍、多洛提亞新推出的玩家反饋，在此之后新推出的角色——塞納菲娜小紅帽和吉爾伯塔霜花，就得更多地考慮部分玩家的訴求——把水劍之后新角色的輸出量做得更高。這就變相地影響了游戲團隊所開發(fā)的部分水劍之后新推出的輔助角色與水劍之前已出現的老輔助角色，二者之間的平衡。

? ? ? ? 筆者認為，從單一角色的角度討論角色強度和游戲平衡性考慮，以及在光暗風火水土這6組屬性的隊伍搭配與角色定位考慮，是兩個不錯的考慮方向。但千萬不要忽略了如下更為重要的平衡：

1.法定貨幣與游戲內的貨幣、道具等換算關系之間的平衡。

2.游戲內的貨幣、道具等隨著時間和法定貨幣的歷史積累與BOSS強度之間的平衡。

3.JRPG劇情推進與游戲BOSS強度之間的平衡。

4.新輸出角色強度與老輸出角色強度之間的平衡。

5.新輔助角色強度與老輔助角色強度之間的平衡。

? ? ? ? 筆者提到上述5組全局性的平衡，也許還不夠完善?，斈认Ｋ够仨戇@款游戲采用了計劃型經濟系統(tǒng)構建游戲全局性的平衡。采用計劃型經濟系統(tǒng)的游戲，往往都是輕度向、休閑向且核心體驗突出的游戲。

? ? ? ? 筆者參考了知乎作者策劃梁木木發(fā)表的《【木木游論】計劃或市場？網絡游戲經濟系統(tǒng)搭建及常見的經濟系統(tǒng)類型解析——經濟系統(tǒng)篇》。

? ? ? ? 參考鏈接：

? ? ? ? 在計劃型經濟系統(tǒng)中，玩家與玩家之間不開放交易，所有游戲資源的產出全靠系統(tǒng)。系統(tǒng)產出的資源，有做日常任務和限時活動贈送，有擊敗地圖BOSS和巴別塔、社團戰(zhàn)、征討陣線，還有玩家在游戲里的充值和購買。按部分玩家的要求，在公開場合沖擊角色強度，哪怕只成功了一次，都會打亂游戲團隊事先已計劃好的經濟系統(tǒng)運行！會讓正在運行中的計劃型經濟系統(tǒng)受到嚴重沖擊！部分玩家沖擊角色強度的行為，擊敗BOSS達成領取足額獎勵，所需的系統(tǒng)產出和積累游戲資源的數量有一部分降低。

?

? ? ? ? 水劍直播連麥是第一次！土牧霜花在論壇上的熱烈討論是第二次！

? ? ? ? 如果再開放直播連麥討論小紅帽強度問題，再應部分玩家要求，加強小紅帽，那可就是第三次了！請告訴我，哪個游戲團隊受得了計劃型經濟系統(tǒng)設計多次被打亂？

? ? ? ? 犬醬組官方就不能直接把這個擔憂說透徹嗎？不好意思，情緒上頭的時候激烈討論，很有可能會引發(fā)未來更劇烈的沖突，不如該沉默時沉默。還想不明白的，回顧一下第二章的內容，以及筆者曾提到過的：一段時間后回想這種占用大量公共輿論資源的事件，事發(fā)地點和所在機構自然就容易被公眾首先提及。

? ? ? ? 正由于以上部分玩家欠缺考慮的，在游戲的全局觀上更為重要的幾組平衡，再加上游戲開發(fā)團隊在某一次更新后，應玩家需求給出的各角色的輸出統(tǒng)計圖，仍然欠缺等更為全面的，能夠體現輔助角色價值的統(tǒng)計圖。才會造成眾多玩家更為關注單一角色的輸出量，而忽略了對該高輸出角色所享受到的友方BUFF與BOSS方享受到的DEBUFF。

? ? ? ? 其實輔助也有輔助的好?，F實世界中同樣有例子能體現輔助的價值。2022卡塔爾世界杯1/8決賽阿根廷VS澳大利亞的比賽中，比賽第56分鐘阿根廷隊9號阿爾瓦雷斯打進一球，幫助阿根廷隊擴大比分。從比賽過程來看，這個進球離不開阿根廷隊7號德保羅不遺余力的拼搶、面對澳大利亞守門員的冷靜分析、避開被吹罰沖撞守門員犯規(guī)的風險、切斷澳大利亞守門員出球的傳球線路，成功迫使澳大利亞守門員出現重大失誤。盡管這個進球是阿爾瓦雷斯擔當輸出角色，身為輔助的德保羅并沒有因為這個進球拿到進球、助攻和關鍵搶斷的任何一組褒義數據。但這個進球已經非常明顯地體現了輔助角色的價值。參考鏈接：

? ? ? ? 筆者希望更多玩家能更為清晰地感受到輔助角色的價值，稍微分散一下部分玩家對于單一角色強度討論的糾結。在此向犬醬組建議，如果可以，希望在某個時間節(jié)點完善統(tǒng)計圖的功能。這么做更能體現輔助角色本應體現的價值，在社團戰(zhàn)、陣線、巴別塔這種有排行榜的打BOSS關卡的統(tǒng)計圖中，可以考慮有選擇性地添加如下功能：

1.BOSS在戰(zhàn)斗中實時享受到的，有時間限制的，所有BUFF與DEBUFF的時間軸。比如：無敵幀時長、被削弱屬性抗性的效果與時長。

2.角色在戰(zhàn)斗中實時享受到的，有時間限制的，所有BUFF與DEBUFF的時間軸。比如：攻擊力、攻擊速度、血量、防御、暴擊傷害、暴擊率、抗性屬性傷害加成等臨時釋放的時間軸。

3.角色不經修飾的原始輸出值，即不享受所有臨時和全局BUFF和DEBUFF情況下的輸出值。

4.角色享受了BUFF和DEBUFF情況下的輸出值，目前已實現。

5.統(tǒng)計角色向BOSS釋放奧義失敗，奧義并沒有運行完整的次數與起始時間。

6.統(tǒng)計角色向己方和隊友釋放的盾系BUFF所吸收的傷害量。

7.統(tǒng)計地圖中由角色和BOSS釋放的光環(huán)和角色停留在某一段范圍內會造成高額持續(xù)傷害的范圍、個數、傷害量與持續(xù)時間。比如困難雪暴山脈BOSS釋放的高額持續(xù)傷害有限定時間的冰凍圈。

? ? ? ? 當然了，可能還是部分玩家希望，掛在后臺的角色，也能和手控的角色一樣，打出足額的傷害量。筆者就在本章接下來的篇幅，剖析這種想法的可行性。

? ? ? ? 省流給出結論：目前后臺的角色的AI對戰(zhàn)邏輯，與貪心算法接近，即每一次移動都更接近于向BOSS輸出傷害，得意技，閃避反擊和普攻會盡可能使用，奧義和支援技能需要玩家手控切換角色施放。

? ? ? ? 目前的對戰(zhàn)邏輯可以有一定的提升空間，比如在定時器的若干秒間隔中，一旦觸發(fā)部分條件，比如風槍、水劍在血量條上的高額輸出觸發(fā)條，可以保留得意技不觸發(fā)。一旦滿足所有條件，可以在一個時間點上，BOSS不處于無敵幀的前提，自動釋放對應角色連攜組合按鈕，比如得意技、奧義和部分普攻的自動釋放連攜組合，打出非常高的傷害；比如多洛提亞拾取藥瓶和火舞風舞小紅帽釋放支援技奧義后，讓所有角色都享受大范圍BUFF的自動尋路算法等等。但這一組提升空間是否由于高頻次的判斷，造成計算量的部分提升，造成玩家設備進一步發(fā)熱甚至閃退帶不起來，尚未可知。個人謹慎看好對貪心算法改進的這種優(yōu)化方式。

? ? ? ? 但如果參考AlphaGo的實現方式，使用動態(tài)規(guī)劃的算法，追求后臺角色總輸出量的最大化，讓AI有玩家的操作，甚至超過玩家能打出的最大傷害，即需要在多種因素的綜合考量下，選取非常多步驟內所組合后最終得到的最優(yōu)解。這種選取步驟的方式，不一定每一組都是最優(yōu)解，但這種計算方式需要綜合考慮所有步驟下每一組步驟的若干種不同選擇，每一步驟的不同選擇都可能觸發(fā)下一步驟的分支。綜合考慮后得到命中最高傷害的一組或幾組選擇分支。同時還要留意，使用這種后臺角色AI邏輯，模仿手控角色AI的作戰(zhàn)方式，戰(zhàn)斗期間硬件的計算量會巨幅提升。面對巨幅提升的計算量，CPU和GPU的功耗和發(fā)熱會顯著提升，眾多玩家的設備很可能帶不起來。

? ? ? ? 專業(yè)知識所限，也許仍有不少局限性，以下就是本人根據多次與BOSS對戰(zhàn)的場景，聯想并描繪一下使用動態(tài)規(guī)劃，是如何巨幅增加硬件的運算量的。讀者可以直接記住上一段的結論——使用動態(tài)規(guī)劃優(yōu)化自動對戰(zhàn)邏輯，很可能會巨幅提升硬件運算量，CPU和GPU的功耗和發(fā)熱量會顯著提升，眾多玩家的設備很可能帶不起來。不必深究接下來筆者對動態(tài)規(guī)劃知識的舉例，以及游戲戰(zhàn)斗場景中使用動態(tài)規(guī)劃后，建立一種簡單模型幫助理解的推測：

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

? ? ? ? 首先畫出這幾張圖，建立一組簡單模型，涉及到戰(zhàn)斗系統(tǒng)中BOSS和3名角色的初始站位。以及舉的例子，為簡化模型，減少玩家的時間成本的和計算量，假定只選取5個角度為0°,45°,90°,135°,180°的點，假定從tn-1狀態(tài)開始，3名角色通過移動，到達近戰(zhàn)、中距離、遠程的最優(yōu)輸出位置。目前暫不涉及時間軸的推進以及3名角色和BOSS的狀態(tài)變化。

圖3-1：剛進入戰(zhàn)斗時t0狀態(tài)，三個角色與BOSS的初始站位示意圖。

圖3-2：在圖3-1的基礎上，添加近程、中程、遠程假定的最優(yōu)輸出位置。

圖3-3：角色在戰(zhàn)斗過程的某一個階段，移動到假定最優(yōu)位置對BOSS進行輸出的某種場景。

圖3-4：角色在戰(zhàn)斗過程的某一個階段，站在原地對BOSS進行輸出的某種場景

圖3-5：角色在戰(zhàn)斗過程中的某一個階段，某一組不湊巧的無法讓全隊享受BUFF的示意圖

? ? ? ? 假設以BOSS的每一次攻擊和每一次移動都作為時間軸變換的標志，從角色向BOSS輸出的角度來看，在BOSS的每一次時間軸變換期間打出的多次傷害可以稍作簡化，多次輸出傷害合并成一次輸出傷害和。

? ? ? ? 那么從T0...T1......Tn-1...Tn......最后到Tlast的時間軸，要想在最后的結果中逼近那個團隊最優(yōu)輸出的結果DPCLTMAX，此簡寫標記下同，就需要在一條時間軸上，隨著BOSS的每一次攻擊和每一次移動的決策，角色有時候就需要做不同決策，主動移動？或被攻擊的被動移動？或不移動？通過決策時間軸推進期間角色的第Tn-1步驟，讓決策的結果避免未來的步驟會出現圖3-5的情形。剪枝優(yōu)化排除部分明顯無法逼近那個DPCLTMAX，減少計算量，然后再從剩余計算結果中找到逼近那個DPCLTMAX。

可以接著把模型簡化，將決策的路徑分為兩種：

1.?角色與BOSS相對位置在Tn-1下發(fā)生了改變，角色需要回到近程、中程、遠程對應各自的假定最優(yōu)輸出位置，近戰(zhàn)是N1~N5這5個點選一個；中距離是M1~M5這5個點選一個；遠程是F1~F5這5個點選一個。角色在Tn回到假定最優(yōu)輸出位置后，需要額外耗費一段無法輸出的時間，然后接著從Tn開始繼續(xù)推進時間軸向BOSS輸出，直至Tlast的觸發(fā)。

2.?角色與BOSS的相對位置不變，繼續(xù)在原處輸出。直至未來的某些情況，動態(tài)規(guī)劃的算法發(fā)現，決策路徑在未來的某個時間點需要做出改變，能夠打出截至未來那個時間點的最高團隊輸出量，再選擇跳轉到路徑1。

? ? ? ? 每一組決策分支都會分出兩組路徑，一旦這兩種路徑的跳轉，觸發(fā)了角色無法都能享受到團隊BUFF，即tn-1第三種方式的示意圖，就可以忽略那一組結果，能夠減少一部分運算量。

? ? ? ? 這個模型僅僅是方便建立模型和簡化版，僅僅是計算出T0...Tlast的時間軸下，三人小隊向BOSS輸出后，逼近那個團隊最優(yōu)輸出的結果DPCLTMAX。真正需要把結果逼得更近，更趨近于理論上三人小隊的最高傷害，就不能僅僅取5個位置參考近似點ABCDE、不能僅僅只選取三組共15個假定最優(yōu)輸出位置、就不能僅僅考慮2種決策路徑。如果需要進一步逼近理論上的三人小隊最高輸出結果，那么建模和動態(tài)規(guī)劃所需的計算量就不得不飆升了。

? ? ? ? 同時，由于無法保證在貪心算法中，每一組最優(yōu)輸出的結果，會帶來未來若干組中，其他角色吃不到輔助角色釋放的DEBUFF，造成最終計算結果中無法逼近團隊最優(yōu)輸出結果DPCLTMAX。也就是貪心算法能保證每一步決策都是最大化，卻不能保證未來的若干步驟，而最終的DPCLTMAX往往需要在眾多決策分支后的計算結果中查找某一個或某幾個，需要通過每一步計算，記錄當前一輪的最高傷害量和決策路徑，因此計算量會非常龐大。

? ? ? ? 看到這里應該還是無法理解吧？如果有一個簡化版的例子對比會更生動。現在就引入一組簡化版的動態(tài)規(guī)劃例子。參考《算法導論》第二版，作者Thomas H.Cormen ,Charles E.Leiserson,Ronald L.Rivest, Clifford Stein。譯者潘金貴、顧鐵成、李成法、葉懋。進入第15章 動態(tài)規(guī)劃，原書193頁。

? ? ? ? 一個找出通過工廠裝配線的最快方式的制造問題。共有兩條裝配線，每條有n個裝配站；裝配線i的第j個裝配站表示為S i,j，在該店的裝配時間是a i,j。一個汽車底盤進入工廠，然后進入裝配線i（i為1或2），花費時間ei。在通過一條線的第j個裝配站后，這個底盤來到任一條線的第（j+1）個裝配站。如果它留在相同的裝配線，則沒有移動的開銷；但是，如果在裝配線S i,j后，它移動到了另一條線上，則花費時間t i,j。在離開一條線的第n個裝配站后，完成的汽車花費時間xi離開工廠。待求解的問題是確定應該在裝配線1內選擇哪些站、在裝配線2內選擇哪些站，才能使汽車通過工廠的總時間最小。

題目描述如圖所示：

圖3-6 工廠裝配線問題的狀態(tài)轉移示意圖。

圖3-7 其中一種裝配線問題示例是兩組裝配線，每組各6個裝配站。每個站點的耗時已標出

這個問題示例結構清晰，可以很快地算出每一組裝配站結束后，在每一次時間軸狀態(tài)切換下打一個斷點，每個步驟下分支裝配線1與分支裝配線2兩組路徑的最短時間和路徑如圖3-8所示：

圖3-8 每個步驟下分支裝配線1與分支裝配線2兩組路徑的最短時間和路徑

由此可以在動態(tài)規(guī)劃算法的計算過程中同時記錄，構建第一組表格，存儲每一階段下駐留兩個站點的最優(yōu)解。見圖3-9：

圖3-9 構建第一組表格，存儲每一階段下駐留兩個站點的最優(yōu)解，即最短時間。

同時構建第二組表格，存儲每一階段下駐留兩個站點最短時間的路徑。1表示當前步驟的最優(yōu)解駐留在站點1；2表示當前步驟的最優(yōu)解駐留在站點2。見圖3-10：

圖3-10 構建第二組表格，存儲每一階段下駐留兩個站點最短時間的路徑。

? ? ? ? 最后從存儲結果的多組last中找到那個最優(yōu)解。本裝配線問題示例的f1[j]與l1[j]，j自然就是第一組數據。

? ? ? ? 這個找出通過工廠裝配線的最快方式的制造問題的例子與解決方案，是動態(tài)規(guī)劃例子中最容易理解的其中一例。解決這個問題的狀態(tài)轉移方程很容易列出，沒有隨機性因素。分支最少，剪枝規(guī)則很清晰，構建了一組理想模型，忽略了現實世界的種種不可抗因素。

這類動態(tài)規(guī)劃問題的設計思路，通常按照以下4個步驟解決：

1.描述最優(yōu)解的結構。

2.遞歸定義最優(yōu)解的值。

3.按自底向上的方式計算最優(yōu)解的值。

4由計算出的結果構造一個最優(yōu)解。

? ? ? ? 第1~3步構成問題的動態(tài)規(guī)劃解的基礎。第4步在只要求計算最優(yōu)解的值時可以略去。如果的確做了第4步，則有時要在第3步的計算中記錄一些附加信息，使構造一個最優(yōu)解變得容易。就算未來擴大本例的工廠裝配線，把6條裝配線擴充到n條，同樣可以用相同的方式解決問題。

? ? ? ? 如果瑪娜希斯回響戰(zhàn)斗系統(tǒng)的BOSS，也按照某一組固定的邏輯戰(zhàn)斗，把隨機性因素去掉。約定BOSS的每一次移動和每一次攻擊都是狀態(tài)的其中一次變換，角色自動對戰(zhàn)邏輯的建模與解決，就可以套用上述工廠裝配線的例子，模仿工廠裝配線的狀態(tài)轉換圖，互相對比做出某些替換，以兩個問題之間的共同點類比，最終得到在BOSS按某一組固定邏輯戰(zhàn)斗的前提下，構建三人小隊的AI自動戰(zhàn)斗邏輯，逼近團隊傷害的最高輸出。

這里列出一下兩個問題之間的5組共同點：

1.比如角色的移動策略，在上文已提到將模型簡化，將決策的路徑分為兩種：

? ? ? ? a.BOSS留在原地輸出，對應工廠裝配線問題的狀態(tài)轉移問題中，留在同一組裝配線的下一個裝配點，不需要額外的時間成本移動到另一組裝配線的下一個裝配點上。

? ? ? ? b.BOSS移動到某一位置，對應工廠裝配線問題的狀態(tài)轉移問題中，需要額外的時間成本移動到另一組裝配線的下一個裝配點上。

2.假定角色的攻擊范圍已確定，從1~5個點中已確定了某一個最優(yōu)輸出點，并且已有了成熟的最短路線移動邏輯，也就是假定角色移動到最優(yōu)位置的邏輯只有1種且已被鎖定，5個點選1個的建模與運算已被簡化。就僅僅需要考慮三個角色的每一個，是留在原地輸出，還是移動到最優(yōu)位置輸出了。有8種可能，采用3位二進制數表達三個角色是否移動的所有可能性。1表示移動，0表示停留。即：000,001,010,011,100,101,110,111。此時把圖3-6中，工廠裝配線1和裝配線2上，每一個步驟的所有父節(jié)點，替換為1對8的子節(jié)點，如圖3-11所示：

圖3-11 t0階段到t1階段，工廠裝配線例子與自動對戰(zhàn)狀態(tài)轉移第一階段的相互對比示意圖

圖3-12 t1狀態(tài)到t2狀態(tài)的不移動前提下，三人小隊所有角色在每組狀態(tài)中8種移動決策的分支。

? ? ? ? 這棵八叉樹僅僅是BOSS由t1狀態(tài)到t2狀態(tài)的不移動前提下，三人小隊所有角色在每組狀態(tài)中8種移動決策的分支。采用3位二進制數表達三個角色是否移動的所有可能性。1表示移動至最優(yōu)位置，0表示停留。即：000,001,010,011,100,101,110,111。隨著時間軸的推進，每個父節(jié)點在每一輪狀態(tài)轉移的推進下，都要擴充8個子節(jié)點。

圖3-13 三人小隊用動態(tài)規(guī)劃在狀態(tài)轉移過程中構造的，描述每組狀態(tài)轉移片段的八叉樹

? ? ? ? 這棵八叉樹僅僅是BOSS由t1狀態(tài)到t2狀態(tài)再到t3狀態(tài)的不移動前提下，三人小隊所有角色在每組狀態(tài)中8種移動決策的分支。如果瑪娜希斯回響的自動對戰(zhàn)邏輯采用動態(tài)規(guī)劃的方式編寫，所需運算量就是從這里開始巨幅地提升了。

3. 在2.的基礎上，加入單一角色從1~5個點中，并不確定哪個點是最優(yōu)輸出點，就需要額外考慮更多可能性，對應在工廠裝配線上每一個決策節(jié)點的子樹分支，就不僅僅是8種了。運算量就是在這里更為巨幅地提升了。

4.?都可以從最終計算結果中，找到那個最優(yōu)解。找到最優(yōu)解后，再返回動態(tài)規(guī)劃算法的計算過程中同時記錄的兩組表格，找到當前某一步驟的最優(yōu)解，以及該最優(yōu)解的路徑。

5.?當前最優(yōu)路徑，不考慮隨機性問題影響，通常在最終全局的運算中也是最優(yōu)。但當前最優(yōu)路徑，不見得是不需要額外成本移動的路徑。這是動態(tài)規(guī)劃與貪心算法的一個非常明顯的區(qū)別。

這兩個問題所列出來的5組共同點，僅僅是假定BOSS的每一次決策都已知，不存在隨機型問題的討論中。

? ? ? ? 但可惜實際的建模與運算，根本沒有辦法把隨機性因素去掉。BOSS的下一次決策要做什么？怎么得知BOSS下一次決策的可能性以及每一種可能性發(fā)生的概率？下一次是攻擊某個角色，還是移動到某個位置？如果BOSS攻擊玩家，是普攻，還是得意技，還是奧義？這個筆者真不知道。筆者只知道，構建這種帶有隨機因素，影響狀態(tài)轉移方程設計的問題，非常復雜。不是三言兩語能說得清楚的。要考慮的因素實在太多了。

? ? ? ? 其中一組隨機性因素，就是部分BOSS會在地圖的某些隨機區(qū)域釋放持續(xù)一段時間的傷害圈和DEBUFF圈。比如困難雪暴山脈的BOSS，有一組技能就是釋放高額持續(xù)傷害有限定時間的冰凍圈。如圖3-14：

圖3-14

圖3-15 從圖3-14可以描述為tramdom_1時間軸

圖3-16

圖3-17? ?從圖3-16可以描述為tramdom_2時間軸

? ? ? ? 這類帶隨機性的持續(xù)傷害圈，會進一步加劇隨機型動態(tài)規(guī)劃自動對戰(zhàn)邏輯，尤其是角色自動尋路邏輯的計算量?；趫D3-13，如果需要角色持有戰(zhàn)斗力，就需要避開隨機持續(xù)傷害圈。而避開隨機持續(xù)傷害圈需要什么？需要再次提升運算量。三人小隊是否停留還是前往假定的最優(yōu)位置輸出，就需要重新決策。參考之前描述的8種決策路線的某幾種，就很可能需要更多的角色有機會參與移動。同時對于每個位置假定最優(yōu)輸出位置的5個點做出重新修改，避免角色停留或穿越隨機持續(xù)傷害圈。

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

? ? ? ? 筆者水平所限，對于隨機型動態(tài)規(guī)劃的理解非常淺薄，不打算在這里繼續(xù)探討下去。各位玩家只需要知道，使用動態(tài)規(guī)劃優(yōu)化自動對戰(zhàn)邏輯，很可能會巨幅提升硬件運算量，CPU和GPU的功耗和發(fā)熱量會顯著提升，眾多玩家的設備很可能帶不起來。與其花費很多精力糾結三人小隊中單一角色的最高輸出問題，糾結一個三人小隊由三個手控輸出角色組成，卻有兩個角色打不出本應手控打出的足額高傷害的問題，不如多考慮考慮輔助角色的價值。

以上就是瑪娜希斯回響【探索一種玩家與游戲團隊和諧溝通共建的方案】（三）輔助角色的價值相關內容。