【Apex 英雄】[Apex英雄]配对机制算法更新说明：多地区已测试，将全球更新-3楼猫

原文：https://www.ea.com/games/apex-legends/news/matchmaking-2023
参考：繁中

详细了解《Apex英雄》中的配对机制以及我们近期为其所进行的改动。

Apex英雄配对机制更新

大家好！这里是负责《Apex 英雄》配对算法的团队，今天我们将分享一些关于游戏配对算法的见解。

本博客由跨部门团队代表撰写，展现Respawn为改善玩家匹配体验所做的努力，牵头者为技术总监 Samy Duc (@ricklesauceur) 。

配对是一个庞杂的话题，玩家社区对此常有广泛讨论。相信各位玩家已经注意到，我们近期对配对机制进行了调整，在这里我们将对此详细探讨。

在本开发博客中，我们将探索：

什么是配对（matchmaking）？
Apex英雄所采用的配对方案是什么？
Apex英雄配对机制的未来
常见问答

探讨可能会十分深入，所以假如各位想要精简的内容，这里有些提炼的主旨：

当前的《Apex英雄》是参照预组小队中水平最高的玩家为标准，考虑预组队规模匹配对手
我们所努力的方向是，让玩家与不同水平的好友一起游戏时，能创造较当前更公平的对局
我们正逐步淘汰老版SBMM（skill-based matchmaking）机制改用新机制，新的配对机制能根据技术水平更精准地分组玩家，从而让配对算法在分配组队时做出更优决策。最终目标是打造更公平的比赛，让所有人都感到游戏的乐趣

我们目前正在在线游戏中不间断地进行配对机制的测试和迭代，找出表现最好的版本。事实上，我们已经在多个服务大区的排位和匹配对局进行了测试。而且，不止这些——玩家们请期待在不久的将来迎接更多配对机制优化。

什么是配对（matchmaking）？

对局配对有很多定义，这里先让我们专注于——《Apex 英雄》如何处理对局配对。

对我们来说，对局配对包含三种泾渭分明的概念：

进度
技术评分
配对

进度系统

进度系统是对局配对机制向玩家公开的一部分，也是玩家能直接接触的一部分。

在《Apex 英雄》中，玩家通过玩游戏就能从进度系统获取各种奖励。根据投入时间的长短，玩家会有所成长并取得对应的成就。一个优秀的进度系统能让玩家有回报感和参与感——而玩家变多意味着对局配对更好。

但是呢，进度系统对玩家的游戏行为有所影响，且会改变对局的执行结果。

举例来说：玩家们有时可能会在匹配中选择降落危险区落地打架追求快感，但在排位赛中他们会三思而后行，避免这种行为及其导致的过早死亡带来的惩罚。与之类似，每日和每周挑战则会鼓励玩家使用不熟悉的英雄与武器。

因为这些原因，很显然进度系统明显影响的不只是玩家的参与度——进度系统是游戏的重要组成部分，且在建立技术评分和对局配对机制时必须将其纳入考量范畴。

最重要的是，由于玩家可以直接接触到进度系统，这会影响到他们对比赛公平性的看法。

举例来说，你可能会觉得帐号等级和实力成正相关，等级越高技术越好，但情况往往并非如此。

帐号等级低的玩家可能很强，而等级高的玩家（像咱们工作室里大多数人……）技术也可能很差。

图为不同账号等级范围的技术分布，X轴=账号等级范围，Y轴=技术评分
绿线为中位数，黑线为异常值（其实是很多黑点，看起来像黑实线）

>解读：

账号等级低于300的玩家，每个组别的技术评分中位数都很相似。

超过300级后，技术表现会随账号等级稍微提升。

然而每个组别都有异常值，表明账号等级对技术评分的影响有限，尤其是对等级较低的账号来说。

结论*投入时间与技术表现的关联性有限*

翻译：玩的多不一定强

技术评分

技术评分是对玩家技术的数字量化。我们刻意隐藏了下图的具体数字避免漏洞。

这一项通常是根据多种因素来呈现玩家玩游戏时的技术和能力。

为便于解释，请想像一下技术评分的区间是 1~10，1最低，10最高。

如果我是 5 分，你是 6 分，那你比我高 1 分。

但到底是强多少？说到这个，我们得来看看所有玩家的技术评分分布。

技术分布也有两种检视方式：

1)连续性高斯分布|Continuous Gaussian distribution

图为匹配对局的技术评分分布
X轴=技术评分，Y轴=匹配游戏玩家百分比

该图显示的是所有匹配玩家的技术评分分布，可以看到大部分玩家都位于中间段，而左右分别是有实力最弱和最强的玩家，看得出这两部分的玩家占比较少。

当技术评分算法可以精准地描述玩家水平时，这个连续视图的帮助就很大了。

举例来说，它能清楚地指出评分 5.2 的玩家实力比 5.1 强。

注意，图片中的分布存在一个我们希望解决的小问题——技术水平较弱的玩家不像顶端玩家那样逐渐变少，而是挤在一起，和彼此之间的差距并不够明显。

2)离散组别| Discrete Buckets

这种方法中，玩家会被分成 4 或 5 个独立的大组别。

举例来说，每个在 0-2、2-4、4-6、6-8、8-10 区间的玩家将分成各自的「组别」。

这种情况下，可以假定组别中的每个玩家都有相等的技术水平，这可能是由于系统选择，也可能是因为技术评分算法无法判别玩家之间的差异所致。

1 天中每个离散组别在匹配游戏中的比赛百分比（每条代表一个组别）
X 轴=组数（1 是最弱，4 是最强），Y 轴=该组别的比赛百分比

上面的「组别」图显示的是上个版本对局配对算法所带来的玩家技术分布。

可以看到匹配游戏的对局配对非常宽松，每个组别都很宽。

下游组别代表的是技术水平较低的玩家和新玩家，我们尝试给他们一些时间熟悉游戏机制。

以往《Apex 英雄》使用的是组别分类方式，但这现在将迎来改变（请见下文“Apex英雄配对机制的未来

”）。

配对

最后，对局配对算法负责决定你的对局内有哪些人。

算法会使用技术评分来挑选玩家组建比赛。

小队的组建和比赛的搭建是建立在可参与玩家的基础上的。因此这个算法必须平衡配对速度与质量——

我们是讲究速度，快速组建比赛但造成较大的实力差异，还是等待更长的匹配时间来寻找实力更接近的对手？

我们筛选到可以加入比赛的等待队列玩家后，还有两个大问题：

我们如何组建小队？
我们如何配对其他小队？

对局有好几种配对方式，我们会在下个部分中回过头探索这一点！

那《APEX英雄》使用的是哪种方式呢？

在对局配对系统尝试组建比赛时，它会提取60个水平相近的玩家并尝试组建比赛。

为了简化情况，假设这 60 名玩家都是单排，无预组队。

我们该如何根据他们的技术评分将 9 名玩家分配至公平的队伍中？

图为9位玩家及其技术评分

平心而论，以下并非实际算法，因为我们必须考虑匹配时间和技术评分以外的其他因素。不过下面的例子应该能让你了解《Apex 英雄》是如何组建小队的。

如果我们需要将 9 名玩家分组（技术评分为 1 至 9 ），我们有两种合理的方式为这些玩家组建队伍。

可以将最接近平均水准的玩家组建成队伍，以此平衡整场对局，匹配模式采用的就是这个方法

组建最平衡的队伍——匹配

——————或者——————

我们可以将实力相当的玩家队伍组建成队伍

在排位赛这种纯粹竞技的环境中，相比于追求一场绝对完美绝对公平的比赛，我们更着重于小队成员们拥有近似的技术水平，并降低一拖二、二拖一的压力。

注意：尽管在此我们能有效地组建队伍，能挑选的玩家集合仍然是有限的——我们只能挑选可以加入比赛且实力相当的玩家。

由于大逃杀游戏固有的随机性和混乱性，我们认为这是正确的选择。

以实力相当的玩家组建队伍——排位

这个例子是个简单的情况，但现实情况并没有这么简单，因为并非所有人都是单人单排。

当一支预组小队加入对局配对时，我们必须找到正确的地方安置这支队伍并判定他们的有效评分。

假设我们有个预组三人队，技术评分分别为 2、6 和 7。

我们该如何通过数学方法决定该队伍的有效评分呢？

一旦我们弄明白这点，配对系统就能够继续为此小队寻找单排/双排（请见上文）的队友或对手。

我们有至少4种发放可用于计算小队的有效技术评分：

图为可能可以用于计算有效队伍评分的方法

最低值：队伍是根据最弱的成员所评分的吗？这此的话，我们将参照最低的技术评分（2）进行配对。不过，敌人可能比这更强
最高值：队伍是依据最强的玩家所评分的吗？如此的话，我们将参照最高的技术评分（7）进行配对。但是，敌人可能比这更弱
平均值：玩家在队伍中的贡献是均等分的吗？如此的话，队伍平均评分是 5 分。但是，这真的能反应小队的获胜水平吗？
加权平均值：技术较高的玩家能C吗？如此的话，或许应该提高队伍最强玩家的权重。举例来说，7/6/2分别拥有 50/30/20 的加权，那队伍的技术评分将会是（0.5 x 7）+ （0.3 x 6）+ （0.2 x 2） = 5.7。但是，确定这些权重并非易事，而且在不同技术水平尺度与不同的模式上可能会所差异

《Apex 英雄》目前为匹配与排位使用的配对算法使用的是上述四种情况中的最高值。

这会为新玩家与代练/炸鱼/小号（smurf）等比赛配对漏洞提供最佳的防护，同时确保竞技的完整性。也会让高段位玩家试图寻找低段位玩家组队加入低端局的情况毫无效果，帮助降低「代练（boosting）」的普遍性。

不过这样一来，新玩家也就更难和实力较高的朋友们一起游戏，因为比赛会参照实力较强的玩家组建而新玩家的体验会不好。

我们正积极进行调整，为匹配比赛中实力差距较大的队伍提升游戏的公平性。

现在，让我们回过头谈谈队伍的组建和配对。

在我们达到比赛的人数门槛时（至少 60 名实力相当的玩家），会尽力让比赛先依据队伍规模进行配对。

也就是先三排、然后双排，最后单排玩家。

这么做的目的是平衡比赛的队伍规模，来平衡预组小队固有的竞技优势。

我们知道同认识的玩家一起组队会比与路人组队更有优势——熟悉队友的行事风格、颇有默契，又或者是拥有更好的交流。

然而，在现实情况中，想要让60个实力相当且组队人数也相当的玩家组成一场比赛非常困难，且不太可能，所以混合不同规模的预组小队是难以避免的。

为了解决这个问题，我们的新配对算法将可以更有效地弥补预组双排与三排的竞技优势。

我们上述优势进行了科学研究并将其量化，同时一直在实验一种可以随时间推移不断学习与更新的新系统。

根据我们的预计，这个新算法将在 2023 年初开始于全球推出。

简短来说：预组的双排和三排确实有一定的优势，这些应该在对局配对过程中，添加至队伍的技术评分和技术测量程序。

Apex英雄配对机制的未来

未来在对《Apex 英雄》配对机制进行优化前还有几点需要考虑。

第一，玩家们在不断精进。S2的黄金玩家和S15的黄金玩家有着完全不同的技术表现。

因此，有时候玩家们觉得是自己原地踏步，这但事实往往相反，是大家在一同进步，并不断为段位带来更高的标准。

然而，这也意味着游戏会使新人更难加入。我们在思考对局配对机制优化时，必须考虑到处理新玩家的体验。

第二，我们目前几种不同的对局配对方法，根据游戏模式而变。

每个模式都有完全不同的技术评分系统和不同的配对算法。

这种情况必须在我们的新配对系统中终结。

未来，所有比赛配对都会使用技术评分技术，但是每个模式都会基于不同的需求使用不同的调整值。这将让我们能更迅速地全面优化《Apex 英雄》配对。

最后，我们构建了新的技术测量算法，提高精度。

先前的配对系统将玩家分成四个独立的技术表现组别（包含一个新手组别）。

而新系统更精细，拥有更多组别。让配对算法在筛选玩家进入比赛时做出更好的判定。

所以，我们会停用当前的系统并使用这个新系统。

新系统参照以下两个目标测量技术水平并组建比赛：

1. 我们需要测量所得的玩家技术评分有实际意义——也就是说，必须能够预测玩家的表现。

所谓预测，即普遍情况下技术评分高的队伍能够击败技术评分低的队伍并取得较高的排名。

>目前进度：在我们对各个队列的测试中，新技术测量系统实现了这个目标。下图显示的是同一支小队相对于对手的技术评分优势提升时，胜率的变化。

低于 0 的优势（图中 0 的左边），这代表小队的技术低于对手，胜率自然而然得地低于 50%。胜率因技术差距的提升而进一步降低。
大约为 0 的优势代表双方技术评分相当，这也代表双方赢得比赛的机率皆为 50%。
超过 0 的优势（图中 0 的右方），这代表小队的技术评分比对手高，小队的胜率超过 50%，并且会随着技术差距提升而提升。

图为小队的技术评分相对敌方小队的优势提升时的胜率
X 轴=两支小队之间的技术评分差异；Y 轴=该次比赛的胜率
0 值=两支小队的技术评分相当
根据真实数据资料得出的交战胜率（encounter win rate）

2. 有了技术测量新方法，我们必须在适合的时间范围内进行最佳的比赛配对。

为了实现这一目标，我们的新配对系统将不会采用一般的搜寻方式。

旧系统将玩家置入静止组别，在组别满 60 人时创建比赛，新系统则会预测加入玩家的分布，并动态地在技术差异与等待时间之间取得最佳平衡。

>目前进度：我们用新系统进行了在线服务测试并发现是成功的——比赛配对更加精准，而等待时间几乎没变。

图为在测试大区中，5 分钟内的在线比赛配对队列等待时间
X 轴=当天的时间；Y 轴=比赛配对时间
每个颜色的线各自代表每个技术组别在各时段的目前最高等待时间。
能看见在 17:37:30，技术高的组别必须等待较久才能找到公平的比赛，而新配对系统自动平衡了队列时间与对局技术差异

自S15发布后，这些系统已在某几个地区及不同模式中推出进行测试。

旧的系统会逐渐从各服务区中停用。

每一步，我们都会测量新的系统是否如预期一般执行，判断调整是否对玩家有利。当这些系统全面推出后，我们就可以开始探索更多修正玩家技术评分的方式（如：考量你是以单排/双排/三排参与游戏）。

希望玩家会喜欢这些变更，我们也会持续追踪我们的数据及玩家反馈做出进一步调整。

常见问题

1.为什么我的对局中总是有实力更强的玩家？

我们不会故意在你不断取胜时让你进入更难的比赛降低你的胜率，也不会因为你不断落败而故意让你进入较简单的比赛。

我们会尝试将你置入有适当机会取胜的比赛之中——而且这些对局会匹配你当前的技术水平。

a.你的技术评分是动态的，且会不断调整

当你连胜期间，你的技术评分会提升。这导致会为你分配技术更强的玩家，这些玩家的实力会比你开始连胜前的对手要强——恭喜，这代表你有进步！

反之亦然，连败时也是如此。你可能感觉游戏变得更简单，因为你的技术评分在降低，这导致你匹配的对手实力也在降低。

无论哪种，这个系统都会反映你最近的技术变化。这个过程往往比较慢，所以你只有在较长的连胜或连败后感受到这些变化。

图为比赛配对后玩家技术评分调整的示例
X 轴=进行的比赛；Y 轴=技术评分（已隐藏）
这个示例有点夸张，因为一开始的这名玩家的技术评分远低于实际水平。算法会快速进行调整并在确认后平衡实际的技术等级。

b.你的对手表现不佳。如果你看见段位远高于你的对手，他们可能是今天状态不好，败绩连连。

相同地，在你连败时碰上技术等级较低（比较菜）的对手，你的对手就会和你一样，想着“为什么对局里会有比我强的对手”。

c.你恰好是比赛中技术等级较低的玩家之一。当我们组建比赛时，我们必须在合理时间内找到 60 名实力相当的玩家。

然而，我们不可能找到 60 名完全相同的玩家再进行比赛。玩家们总是会有技术上的差异。

当你进入比赛时，你有 50% 的机会位于这场比赛的技术等级下半部。

这种认为对局或难或易的感知可能是因为每场比赛和对手的相对排名有差异所造成。未来的比赛配对优化将试图缩小比赛中的这个范围，这应该能降低这种实力差距的感觉。

d.技术差距很多的预组队伍——在某些游戏模式中，我们选择参照小队中技术评分的最高值来评估预组小队。

实力越强的玩家越能带领实力越弱的玩家进入更艰巨的比赛。

如果你是技术水平较低的玩家，且和技术水平较高的朋友一起游玩，请记得你可能会进入难度较高的比赛。

不过如上述一般，我们希望使用的这个新系统将改善这些情况，并会持续优化比赛配对。

2.会给好玩家配对差队友吗？

不，我们不会故意给玩家配对不好的队友。玩家控制队友技术评分的最佳方式便是预先选择队友，许多高技术等级玩家都会这么做。不过，我们认为高技术等级的玩家们碰上这种情况可能是因为这三种原因：

每场比赛都会有实力差距。如果你是比赛中比较强的一名玩家，你更可能会被分配到比你弱的队友。这是因为我们必须将你和其他玩家一起配对来组成小队，而那些玩家比你弱的机率本来就比较高。然而，这样的实力差距应该不大，因为我们会限制每场比赛的技术评分范围。
如果你是技术分布顶端的玩家，无论你碰上什么样的玩家，你的队友总是会比你弱。这是因为玩家技术等级分布的两端人数很少，想要为这些区域进行游戏配对需要非常久的时间、非常悬殊的实力差距，或是在两者之间寻求平衡点（较为理想）。分布在底端的玩家也一样，因为这部分的人数比其他部分的人数少。
实力较高的玩家一般会先组队，这使前两点的问题更糟糕。

圆饼显示为钻石以上玩家在不同人数的预组队伍中的频率（单天资料）
1：单排；2：预组双排；3：预组三排
双排与三排预组的情况接近 70%

结合这些因素，最终的结果可能会让人有种我们在故意操作比赛配对的感觉。

尽管这些效果是无法避免的，我们仍然在推出能够降低这些问题严重性的变更。

我们的比赛中总会有一些玩家实力差距，但是全新的配对系统旨在降低每场比赛的这个差距，并且避免对配对时间造成重大改变（除了高端的部分以外）。

这个新系统已经过实机测试并且结果是肯定的——我们可以打造更相近的比赛来减缓这些问题（见下图）。这些变更会在 2023 年初推出，且未来的算法版本会将单排/双排/三排的差异纳入考量。

图为每支小队内伤害差异的测量
洋紫色的线是使用新配对算法的地区
蓝线的两个区域为对照组
可以看见在比赛配对上线后，小队内的平均表现差异大幅降低。这代表队友们的表现较为平均，在新的比赛配对系统中carry的情况有所改善。

3. 配对机制的设计是否是为了最大化玩家留存与互动率？

不，我们的配对算法仅考量测量技术和在合理时间内安排最公平的比赛。

希望这个程序会创造最有趣的比赛。不过，这里有个明显的问题……趣味是很难衡量的。

现在是玩家留存的部分。

玩家留存是测量有多少玩家会不断回来继续游玩游戏。

这就是玩家留存对我们很重要的原因：玩家玩得开心时更可能会留下。所以，如果我们发现特定比赛配对演算法会提升整体玩家留存，我们便能得知这应该为所有人都改善了比赛配对。

虽说如此，我们绝对不会专门为了提高玩家留存而打造算法（也绝不会为了互动率这么做，试图让玩家每天使用做其他事的时间额外游玩一小时对大家都不是好事）。

另外还有一件事，关于配对机制需要这么久才能推出的原因！

我们至少需要一个月的时间才能证明有正面的影响……而且有时候还得重头来过。

玩家留存是少数可用来评估游戏趣味性的资料，而且仅在有大量玩家长时间游玩时才能让其有意义，所以我们必须缓慢地进行改善。

一般来说，除非我们看见长期的玩家留存有正面的影响，否则不太可能接受全球范围内的比赛配对系统变更，因为这代表此系统可能未能改善游戏。

以上

能一字不漏看完是是狠人

#apex英雄#