Pseudo-random algorithm: prd and rsa based

計算機產(chǎn)生的大多數(shù)隨機數(shù)都是偽隨機數(shù)拢蛋。是按照分布概率產(chǎn)生隨機數(shù)字的過程桦他,數(shù)字在概率分布上滿足隨機要求,但實際上是計算機通過隨機函數(shù)模擬產(chǎn)生的谆棱。生成的方法包括直接法快压、逆轉(zhuǎn)法接受拒絕法等垃瞧。本篇要介紹的是prd偽隨機算法基于rsa的偽隨機算法蔫劣。

Pseudo Random Distribution

這種偽隨機算法在游戲中的應(yīng)用非常廣泛。游戲希望角色間應(yīng)互相制衡个从,同時為增加游戲的不確定性脉幢,故引入了隨機概念,如暴擊率嗦锐、回避率等都是一個隨機概率的表現(xiàn)嫌松。prd偽隨機算法能夠盡量使觸發(fā)事件的情況均勻地分布在多次事件中,從而避免了連續(xù)多次的暴擊或回避奕污,也可以減少長時間不暴擊情況的發(fā)生萎羔。

實際上Pseudo Random Distribution是來自Warcraft3引擎,同時在dota2中得到了發(fā)揚碳默。prd偽隨機算法是計算觸發(fā)角色特殊能力的概率的算法贾陷。對于普通的偽隨機算法,我們能夠發(fā)現(xiàn)嘱根,每次觸發(fā)事件的概率都相同昵宇。但對于prd偽隨機算法而言,每次觸發(fā)事件的概率卻不相同儿子,它會隨著暴擊事件或非暴擊事件的觸發(fā)而改變瓦哎。但在均攤概率上來說,卻是滿足角色能力要求的,也是滿足隨機概率要求的蒋譬。

一定程度上prd算法改善了暴擊的發(fā)生的頻次和分布割岛,使其更為均勻,從而保證了游戲的公平性和趣味性犯助。

具體實現(xiàn)

  • prd的工作機制大致如下:觸發(fā)事件的概率會隨著未觸發(fā)事件發(fā)生的次數(shù)增加而增加癣漆,直到100%。另一方面剂买,當(dāng)觸發(fā)一次事件后(如暴擊事件)惠爽,緊接著下一次動作觸發(fā)事件的概率會明顯地低于平均概率p,這也是為了防止多次觸發(fā)事件瞬哼。
  • 實驗發(fā)現(xiàn)婚肆,采用prd偽隨機算法和普通的偽隨機算法,后者多次連續(xù)觸發(fā)事件的概率高于前者坐慰,也就是說较性,prd算法試驗中“極為幸運”或“極為不幸”的事件很少發(fā)生。但對于總體而言结胀,二者的均攤概率是相同的赞咙。
  • 如未觸發(fā)事件,每次的增量概率應(yīng)該是游戲中預(yù)先計算好的糟港,保存在一張表中攀操。之所以不在游戲中計算,是因為prd算法獲得增量概率的計算量和所需時間要多余普通的隨機算法秸抚。在Warcraft3中增量概率步長為5%速和,但這對觸發(fā)概率大于15%的事件而言是不正確的。
  • 對于有些動作是不能出發(fā)概率增加的耸别,如對防御塔的攻擊健芭。

wiki中給出了prd的計算結(jié)果表县钥。

P(T) P(A) C Max N Most Probable N Average N SD SDt
5% 5% 0.00380 264 16 20.00 10.30 19.53
10% 10% 0.01475 68 8 10.00 5.06 9.50
... ... ... ... ... ... ... ...
75% 63.2% 0.46134 3 2 1.58 0.57 0.96
80% 66.7% 0.50276 2 1 1.50 0.5 0.87

正如上表給出的結(jié)果秀姐。PT為理論概率,PA為實際均攤概率若贮,C時prd常數(shù)(增量概率)省有,Max N是達到100%所需次數(shù),Most Probable N為觸發(fā)事件最有可能的次數(shù)谴麦,Average N是觸發(fā)事件平均次數(shù)蠢沿,SD為N的理論標(biāo)準(zhǔn)差,SDt為普通隨機算法的標(biāo)準(zhǔn)差匾效。由此可見舷蟀,該偽隨機算法一定程度上降低了離散程度,使得游戲更為公平

偽隨機與加密算法

網(wǎng)上看到可以用rsa生成偽隨機數(shù)野宜。命題如下:如何生成1億個不重復(fù)的偽隨機數(shù)扫步。顯然用普通的隨機算法效率太低。但仔細想來匈子,生成偽隨機數(shù)如果不重復(fù)的話河胎,就是一個打亂的過程。這就可以用到rsa這種目前被廣泛應(yīng)用的加密算法虎敦。

具體的操作步驟如下:

  • a = (b ^ c) mod (m * n);
  • (c * d) mod ((m - 1) * (n - 1)) = 1
  • b = (a ^ d) mod (m * n)

上式中游岳,m、n其徙、c為素數(shù)胚迫。由第一條和第三條等式可以得出,a和b是一一對應(yīng)的映射擂橘。由此可以由有序的序列A={a1,a2,a3,...,an}派生出隨機序列B={b1,b2,b3,...,bn}晌区。其中,m通贞、n朗若、c都是事先確定的常數(shù),它們滿足第二條等式昌罩,如m=3哭懈,n=5,c=3茎用,滿足等式(3 * 3) mod (2 * 4) = 1遣总。

不妨對2到9之間的數(shù)字生成偽隨機數(shù)。

2 3 4 5 6 7 8 9
8 12 4 5 6 13 2 9

對于這種生成不重復(fù)偽隨機數(shù)的方法有幾個前提要求轨功。上面的m和n不能夠相同旭斥,也就是說它們必須是不同的素數(shù)。同時古涧,d和(m-1)*(n-1)的最大公因數(shù)為1垂券。

參考

本文參考了Pseudo-random distribution以及生成偽隨機數(shù)的超級算法

最后編輯于
?著作權(quán)歸作者所有,轉(zhuǎn)載或內(nèi)容合作請聯(lián)系作者
  • 序言:七十年代末羡滑,一起剝皮案震驚了整個濱河市菇爪,隨后出現(xiàn)的幾起案子,更是在濱河造成了極大的恐慌柒昏,老刑警劉巖凳宙,帶你破解...
    沈念sama閱讀 218,451評論 6 506
  • 序言:濱河連續(xù)發(fā)生了三起死亡事件,死亡現(xiàn)場離奇詭異职祷,居然都是意外死亡氏涩,警方通過查閱死者的電腦和手機届囚,發(fā)現(xiàn)死者居然都...
    沈念sama閱讀 93,172評論 3 394
  • 文/潘曉璐 我一進店門,熙熙樓的掌柜王于貴愁眉苦臉地迎上來是尖,“玉大人奖亚,你說我怎么就攤上這事∥鲈遥” “怎么了昔字?”我有些...
    開封第一講書人閱讀 164,782評論 0 354
  • 文/不壞的土叔 我叫張陵,是天一觀的道長首繁。 經(jīng)常有香客問我作郭,道長,這世上最難降的妖魔是什么弦疮? 我笑而不...
    開封第一講書人閱讀 58,709評論 1 294
  • 正文 為了忘掉前任夹攒,我火速辦了婚禮,結(jié)果婚禮上胁塞,老公的妹妹穿的比我還像新娘咏尝。我一直安慰自己,他們只是感情好啸罢,可當(dāng)我...
    茶點故事閱讀 67,733評論 6 392
  • 文/花漫 我一把揭開白布编检。 她就那樣靜靜地躺著,像睡著了一般扰才。 火紅的嫁衣襯著肌膚如雪允懂。 梳的紋絲不亂的頭發(fā)上,一...
    開封第一講書人閱讀 51,578評論 1 305
  • 那天衩匣,我揣著相機與錄音蕾总,去河邊找鬼。 笑死琅捏,一個胖子當(dāng)著我的面吹牛生百,可吹牛的內(nèi)容都是我干的。 我是一名探鬼主播柄延,決...
    沈念sama閱讀 40,320評論 3 418
  • 文/蒼蘭香墨 我猛地睜開眼蚀浆,長吁一口氣:“原來是場噩夢啊……” “哼!你這毒婦竟也來了拦焚?” 一聲冷哼從身側(cè)響起蜡坊,我...
    開封第一講書人閱讀 39,241評論 0 276
  • 序言:老撾萬榮一對情侶失蹤杠输,失蹤者是張志新(化名)和其女友劉穎赎败,沒想到半個月后,有當(dāng)?shù)厝嗽跇淞掷锇l(fā)現(xiàn)了一具尸體蠢甲,經(jīng)...
    沈念sama閱讀 45,686評論 1 314
  • 正文 獨居荒郊野嶺守林人離奇死亡僵刮,尸身上長有42處帶血的膿包…… 初始之章·張勛 以下內(nèi)容為張勛視角 年9月15日...
    茶點故事閱讀 37,878評論 3 336
  • 正文 我和宋清朗相戀三年,在試婚紗的時候發(fā)現(xiàn)自己被綠了。 大學(xué)時的朋友給我發(fā)了我未婚夫和他白月光在一起吃飯的照片搞糕。...
    茶點故事閱讀 39,992評論 1 348
  • 序言:一個原本活蹦亂跳的男人離奇死亡勇吊,死狀恐怖,靈堂內(nèi)的尸體忽然破棺而出窍仰,到底是詐尸還是另有隱情汉规,我是刑警寧澤,帶...
    沈念sama閱讀 35,715評論 5 346
  • 正文 年R本政府宣布驹吮,位于F島的核電站针史,受9級特大地震影響,放射性物質(zhì)發(fā)生泄漏碟狞。R本人自食惡果不足惜啄枕,卻給世界環(huán)境...
    茶點故事閱讀 41,336評論 3 330
  • 文/蒙蒙 一、第九天 我趴在偏房一處隱蔽的房頂上張望族沃。 院中可真熱鬧频祝,春花似錦、人聲如沸脆淹。這莊子的主人今日做“春日...
    開封第一講書人閱讀 31,912評論 0 22
  • 文/蒼蘭香墨 我抬頭看了看天上的太陽盖溺。三九已至窟绷,卻和暖如春,著一層夾襖步出監(jiān)牢的瞬間咐柜,已是汗流浹背兼蜈。 一陣腳步聲響...
    開封第一講書人閱讀 33,040評論 1 270
  • 我被黑心中介騙來泰國打工, 沒想到剛下飛機就差點兒被人妖公主榨干…… 1. 我叫王不留拙友,地道東北人为狸。 一個月前我還...
    沈念sama閱讀 48,173評論 3 370
  • 正文 我出身青樓,卻偏偏與公主長得像遗契,于是被迫代替她去往敵國和親辐棒。 傳聞我的和親對象是個殘疾皇子,可洞房花燭夜當(dāng)晚...
    茶點故事閱讀 44,947評論 2 355

推薦閱讀更多精彩內(nèi)容

  • 很多人玩 Dota 的時候總說,臉太黑了鲫竞,劍圣都不暴擊辐怕,暴擊的話對面英雄就帶走了,但是暴擊真的看臉嗎从绘?其實不然寄疏,當(dāng)...
    瑜公瑾閱讀 17,710評論 8 28
  • 一是牢、實驗?zāi)康?學(xué)習(xí)使用 weka 中的常用分類器,完成數(shù)據(jù)分類任務(wù)陕截。 二驳棱、實驗內(nèi)容 了解 weka 中 explo...
    yigoh閱讀 8,535評論 5 4
  • 國慶期間8天19城發(fā)布限購限貸一系列政策乳规,在互聯(lián)網(wǎng)金融網(wǎng)貸行業(yè)同樣帶來了“蝴蝶效應(yīng)”:分流P2P網(wǎng)貸投資人數(shù)罚渐,貸款...
    15bfb52fbe04閱讀 275評論 0 0
  • 姓名:劉小瓊 公司:寧波大發(fā)化纖有限公司 寧波盛和塾《六項精進》第235期學(xué)員 【日精進打卡第93天】 知~學(xué)習(xí) ...
    劉小瓊123閱讀 140評論 0 0
  • 知道他跟你打電話后第五天,這五天里我們每天都像往常一樣隨便的聊著驯妄,每一次我都想問你他給你打電話干什么荷并,可是我不敢,...
    眼前不是你閱讀 181評論 0 0