游戏里养活了一堆数学家 数据解析红眼伤害原理

谈原理必须先谈收益计算。

收益计算法分两种：

　1.绝对提升： 所谓“绝对提升”，就是以基准数作为参照物的提升。

例如“25点力量提升10%”、“22点属强提升10%”、“100独立提升10%”这种论断必须建立在绝对提升的理论框架下。 以0力量、0属强、1000独立为基准数作为参照物。而提升伤害的因子并非只有人物面板固有属性，还包含其他因子，比如黄字增幅、白字增幅、攻击力类等， 这些都是以提升前的量作为参照物，非以基准量作为参照物的提升。

伤害提升因子众多，如果都以“绝对基准”为参照物去比较，你会发现一些东西没办法比较。

这种提升的比较十分不严谨，我们仅仅把它作为一个概念理解。

　2.为了更科学的比较，我们引入另一个概念“相对提升”

所谓相对提升，就是以变化前的人物属性作为参照物的提升。

这种提升的计算是比较严谨的，通常计算提升都是在这个框架下。

收益(又称提升率)基本公式：

收益=(提升后的伤害-提升前的伤害)/提升前的伤害

或收益=(提升后的伤害÷提升前的伤害)-1

因为是相对提升，很明显，会有收益边际递减效应。

收益递减 ：

双曲线的函数模型在DNF伤害计算系统内比较常见 。

通常在单堆某属性的时候，其收益都是这种函数模型，收益递减 。

因此我们推荐多维提升，即基础、独立、力量、属强、暴击率同时提升。

收益递减举例：

单堆力量，设力量为X，收益为Y，其他系数视作a，则有：

Y=a【1+0.04(X+250)】/a(1+0.04X)-1

Y=【1+0.04(X+250)】/(1+0.04X)-1

函数Y=250/X+25

导数Y’=-250/x^2

导数Y’〈0恒成立，函数Y单调递减

函数图象：

伤害基本原理：

影响伤害的因素众多，我们可以把它们统称为“因子”，比如力量因子、独立因子，属强因子等等。