告别“鱼塘局”！ 这套匹配机制为你找到真正“势均力敌”的对手

很多多人对局的游戏，都有如何匹配玩家的需求。大到《王者荣耀》，小到《clash royale》。


每个游戏对于匹配的需求，各不相同，但仍然有不少的地方是共性的：

• 水平相近的在一起玩
• 尽可能快的匹配成功
  

要解决这个问题，我们要从匹配池讲起。

匹配池，即玩家群体分步。通常有几种典型分步：

• 头部集中、长尾
• 梭子
• 正态
  

这几种分步，看似各不相同，但其实是可以互相转化的，在游戏的不同阶段。

大部分游戏，刚上线/开服时，通常所有人都处在头部集中。

随着活跃情况不同，就会有头部玩家跑的很快，把后面的大部队拉开，呈现长尾的分步。

随着时间，大部队开始缓慢前移，形成梭子形状。绝对的正态分步是极端理想情况，几乎不会出现。

我们先制定一个基本匹配逻辑：

• 玩家进入匹配池
• 后台扫描玩家段位，根据段位相近原则，找寻是否有合适的其他玩家
• 如果人数不足，扩大搜寻范围；循环此过程
• 找到足够的玩家，匹配成功
  

这个逻辑是一个最基本的原型，现在我们结合匹配池的情况，看看会出现什么情况。

在头部集中情况下，几乎是秒匹配，体验很好，玩家之间段位也比较相当。

很明显的例子，就是低段位、刚开服、赛季刚开始的时候，匹配很快。

但是仍然有问题：这个大量的玩家中，其实混杂了很多水平高的玩家。因为段位还没有拉开，所以按照段位相近原则，他们是和菜鸟一起在玩的，也就是俗称的鱼塘局。

作为设计者，我们是希望这些大神，尽快脱离鱼塘的——因为实力不对等的对局对双方都是垃圾体验。

那么我们就需要一个机制，来识别——通常是连胜，然后让他们获得更多段位分。比如炉石的连胜奖励星星规则。

这是第一个补充规则的形成过程。

• 在梭子、长尾的分步中，开始出现部分玩家跑的太快，脱离了大部队，逐渐越来越难匹配。
  

通常来讲，能冲在最前面的，都是游戏的核心用户，他们是游戏的风向标和重要的观测对象。我们不太希望他们因为太积极而反而玩不下去。但是确实等待时间太久，怎么办？

我们回到基本匹配逻辑，我们发现，等待时间主要来自于两个地方

• 段位相近玩家多少
• 扩大搜寻范围的效率
  

其中第一条，我们无法解决。但第二条，可以想点办法。我们可以认为，

等待时间T=需要扩大的搜寻范围S/单次扩大范围的幅度p

那么缩小T的方式就非常明显

扩大p：让每次找不到人时，扩大范围的刻度提高

缩小S：让一开始，就有一个很大的搜寻范围，减少中间无用循环

用一个实际数字距离。

假设一个3000分的玩家，初始在3000±200的范围开始搜寻，然后每次找不到时，扩大50搜寻范围。如此循环。假设预期是在扩大到3000±1500范围才能匹配成功的话，时间会是[（1500-200）/50*后台单次循环时间t]=26t

我们可以调整为：初始在3000±1000的范围开始搜寻，如果找不到，扩大100范围。那么时间会是[（1500-1000）/100*后台单次循环时间]=5t

减少了约80%的时间。

• 尽管低段位玩家人数一般都是很多的，足够匹配，但多人对抗类游戏的零和博弈会导致玩家被打流失，无法感受到真正乐趣。这时候，我们会启用AI。
  

这里我们不探讨AI怎么做，只探讨匹配机制的相关问题。

我们会设立两个参数：放几个AI、AI的难度。

大部分玩家肯定感受过，刚进一个游戏，如PUBGM，都是机器人。一局最多5个真人。


考虑到玩家的渐进感受，会随着玩家段位提升，逐步提升真人数量、减少AI数量。直到进入到梭子分步的中间高点附近时，才可能是几乎全真人的对局。

• 最后讲讲elo
  

elo的公式，和核心参数，网上资料一大把。我就不赘述了。

在我看来，elo只是一个衡量标准。我之所以一开始不讲这个，而是讲匹配池，是希望建立一个对宏观数据的概念。然后随着推演，来解决微观体验的问题，从而完善规则。

因为即使你用最简单的星星模型——赢一局+1星星、输一局-1星星，你也得面对匹配规则如何设计。也就是前面三大点的精髓。

这套规则，是比较简单、容易掌握的方式。在大部分情况下，是足够用的。对于像LOL、王者这样规模的项目，需要的细则更加的多，也有基于特定的需求来源指定的。


作者：杀手番茄
专栏地址：https://zhuanlan.zhihu.com/p/79926382