rm_眠吧 关注:1贴子:25
  • 0回复贴,共1

关于经验值公式的一点研究 此前已经有人研究过经验值公式, 但所

只看楼主收藏回复

关于经验值公式的一点研究
此前已经有人研究过经验值公式, 但所得结论有 ±1 的误差, 该现象无法解释.
本人假定各初始经验值(满经验值) 为小数, 并通过一些采样缩小其范围, 没有遇到矛盾, 且可以解释上述误差.
故本层下文在此假设下进行讨论.
以 4Key Easy 的 The Raising Fighting Spirit 为例, 其歌曲等级为 2, 满键数 333, 满分 177060.
在自由模式下使用满级暗夜, 在 100 连击之后打出 4 个 P4 (489 分), 所得分数为 176616.
初始经验值分别取 89, 89.1117, 89.1489 , 上述分数对应的经验值分别为 88.5542, 88.6653, 88.7024.
现在考虑经验加倍道具. 如果在对上述经验值取整前加倍, 则分别为 177.1084, 177.3307, 177.4047,
取整后均为 177, 但实际情况是 176, 因此可认为经验加成在取整之后进行.
记歌曲等级为 m, 得分率 k, 经验加成比例 q, 则经验值 E 由以下公式得到:
E(m, k, q) = [k^2 E_i(m)](1 + q),
其中方括号表示下取整; 得分率 k = 当前得分/满分; 总加成 q 等于各加成类型之和, 没有则为 0;
E_i 表示自由模式和非自由模式下的初始经验值, 附表给出了本人通过一些样本得到的上述初始经验值的范围.【图片】本人只研究了非自由模式下的初始经验值范围. 根据已得到的范围进行拟合, 在一定精度内求解模型,
目前尚未找到合适的模型, 已有结果如下(括号内的值表示精度):
模型 a x^2 + b x + c 在
a∈[0.103, 0.108] (0.000001),
b∈[7.82, 7.88] (0.00001),
c∈[E(1)_min, E(1)_max] (1/100)
的范围和精度下无解;
模型 a b^x + c 在
a∈[329.99, 347.38] (0.001),
b∈[1.0231, 1.0242] (0.000002),
c∈[E(1)_min, E(1)_max] (1/100)
的范围和精度下无解;
模型 a x^b + c 在
a∈[6.732, 6.832] (0.0001),
b∈[1.108, 1.114] (0.000001),
c∈[E(1)_min, E(1)_max] (1/100)
的范围和精度下无解.
[参考贴子]
http://tieba.baidu.com/p/2866617072
http://tieba.baidu.com/p/3297533197


IP属地:广西来自Android客户端1楼2017-07-13 00:13回复