数百万玩家的玩家池中5v5s的最佳匹配算法

时间：2018-03-21 23:38:25

标签： algorithm matchmaking

假设我正在尝试为我的游戏创建某种匹配算法。该游戏类似于联盟或DOTA，其中5名玩家与5名玩家进行对抗。进一步假设玩家池是巨大的（数百万玩家一次搜索一个游戏），并且比赛制造者的工作是尽可能多地将玩家放入5v5游戏的许多实例中。在这一点上，我们根本不担心MMR，ELO或任何玩家/党派评级发挥作用。我们只想将玩家放入5v5s。

我目前的蛮力算法在缩放方面绝对是残酷的。它首先尝试在数百万玩家中找到5个玩家聚会的所有可能组合，然后，它试图找到一对聚会，同时如果玩家已被使用，则从可能的聚会比赛中移除玩家：

所以，假设我有10个玩家并且我想找到所有可能的5v5，我首先将它们转换为位并进行位移以找到所有可能的组合。

Players: ABCDEFGHIJ
1111100000 => ABCDE
1111010000 => ABCDF 
1111001000 => ABCDG
1111000100 => ABCDH
1111000010 => ABCDI
1111000001 => ABCDJ
1110110000 => ABCEF

依旧......

然后在所有可能的派对中，我使用2 for循环开始尝试找到一对派对：

ABCDE vs FGHIJ
ABCDF vs EGHIJ
ABCDG VS EFHIJ

依旧......

该算法的运行时间为O（（nCr）^ 2）。因为它试图找到所有可能的派对组合，只需配对50名玩家需要4.4891439e + 12次操作，这是疯了。

什么是更好的算法，没有经历所有可能的派对并暴力解决这个问题？

1 个答案:

答案 0 :(得分：3)

从你的例子中，我认为你并不关心通过评级来收集玩家，但是你做关心平衡最终的团队。这是一个可以为您提供可行解决方案的算法。首先抓住队列中的前9名球员;将此称为pool。

  1. 计算玩家的平均评分avg = mean(pool)
  2. 计算5人团队的目标得分：team_target = 5*avg
  3. 找到5个玩家的组合，其评级的总和最接近team_target（在其他几个帖子中解决）。成为那支队伍。
  4. 计算团队的总评分：team1_rating = sum(team1)
  5. 从pool中移除这五名玩家。将剩下的池球员放到team2上。
  6. 计算剩余4人团队的评分：team2_rating = sum(team2)
  7. 减去评分以获得所需的第10位玩家的评分：player_target = team1_rating - team2_rating
  8. 抓住队列中的下10名队员;这是新的pool。
  9. 找到评分最接近player_target。
    10. 的泳池播放器
  10. 将该播放器置于team2并发布匹配** team1 vs team2 *。
  11. 游泳池中有9名球员;回到第1步。根据需要进行迭代。

    12. <强>优点

    这是一个简单的线性算法，可以处理输入请求流。由于团队规模是固定的，因此队列的长度为 O（N）。唯一耗费时间的部分是找到最接近平均评分的团队，检查9C5 = 126种可能性，每场比赛的开销非常便宜。

    空间开销微不足道：高水位标记同时处理了19名球员。

    <强>问题

    如果分布不平滑，您可以进行不平衡匹配。例如，有一个明星球员的队列，例如（100,5,5,5,5,6,6,6,6 | 5,5,5,5,5,6,6,6,6,6） ）将为你提供120和30的团队评分，为最好的＆＃34;配对。如果这对您来说是一个功能性问题，请随意调整，或者保留一组异常值来处理，直到您获得10个高和/或10个低值。

相关问题
最新问题