【炉石】卡片模型的小分析2--基础法术
基础包的随从和法术可以说是最体现设计者一开始的模型设计的,之前随从分析是利用属性点来衡量是否超模的。接下来,法术分析是按法师的基础卡牌为基准来具体分析的。最后,要综合随从和法术(随从效果以法术形式出现)来估算出换算公式。
以上是基础包法师常见常用法术。选择法师法术为参考是因为,第一法师的法术较多较丰富,各方面能有统一参考,第二法师的法术都是实用性很高的。
奥蛋:1费卡牌应该具有3点属性。而奥蛋可以看成:3点攻击(3点) + 冲锋(2点) + 1点血量(1点) = 6点
冰箭: 2费应有5点。3功(3)+ 冲锋(2)+1血(1) = 6点
火球:4费9点。 6功(6)+ 冲锋(2)+ 1血(1)= 9点
总的来看,按以上的估算模型,法术都是远超模型总属性的。这么换算是有些问题的。而在实战分析中,发现2费打3刚好解掉标准的2费随从,4费打6能解掉4到5费的标准随从,奥蛋几乎被用来解一些2血的。这么一来,发现以造成的伤害能解掉的标准随从的费用来确定法术的费用是合理的。(式2)
看这么几张法术牌:
爪击、奥射打2能解1费
杀戮能解2(不触发)-4(触发)费
背刺能解1费
暗影箭能解3费
英勇打击能解3费
可见,指向性法术均满足式2结论,需要卖脸的法术得到了一定的血量,费用补偿(-1)。
下面是抽牌法术。
奥数智慧:3费 = 抽两张牌
星火术:打5(4费),得到抽一牌2费
锤子:打3(2费),得抽牌2费
毒刃:打1(0费),得抽牌2费
疾跑:得抽两牌4费
死缠:打1(0),抽牌1费
盾挡:以抽牌2费算,回5血1费。
由这些估算,得到抽牌模型 抽x牌 = 1.5(纯抽卡)/2(多种效果和一卡) * x 费用值。(式3)
接着是aoe模型。
奥爆:2费:能解掉0-1费生物
呼啦:7费:能解3费生物
奉献:4费:能解1-2费生物
地狱烈焰:4费:能解2费生物(虽然是全场,但是几乎是可控的)
这么一来,aoe造成伤害 能解的标准生物*2 = 费用值 (呼啦亏费符合通用的高费效益递减规则)
横扫:打4(3),得到aoe1:1费
nova:aoe(2),得到全奶2:1费
刀扇:aoe1:1费
地狱火:全场aoe1:一点属性
旋风斩:全场aoe1:1费
综合:得到aoe1:2费,aoe2:3.5费,aoe3:5费,aoe4:7费
能打脸+0.5费,打全场-1费
【炉石】卡片模型的小分析2--基础法术相关推荐
- 【炉石传说】卡片模型的小分析
对于任何一款卡片游戏,对一张卡片的模型分析都是十分重要的.模型分析或者叫模板体现了一张卡的强度和合理性.接下来,我将会对炉石传说--这款当下最火热的卡牌游戏,来揣测设计师的设计模型和对一些卡牌的模型分 ...
- “大模型+小模型”新纪元开启,AI基础软件定义AI未来
描述:一家AI公司对AI新时代的回应 5月30日,由中国信息通信研究院.浙江省经济和信息化厅.杭州市人民政府.中国人工智能产业发展联盟主办的"杭州通用人工智能论坛"盛大召开.杭州市 ...
- NS2仿真:公交车移动周期模型及性能分析
NS2仿真实验报告3 实验名称:公交车移动周期模型及性能分析 实验日期:2015年3月16日~2015年3月21日 实验报告日期:2015年3月22日 一.实验环境(网络平台,操作系统,网络拓扑图) ...
- EfficientNetV2震撼发布!87.3%准确率!模型更小,训练更快!谷歌大脑新作
EfficientNetV2: Smaller Models and Faster Training paper: https://arxiv.org/abs/2104.00298 code(官方TF ...
- Task 06 数据增强;模型微调;目标检测基础 学习笔记
Task 06 数据增强:模型微调:目标检测基础 学习笔记 数据增强 图像增广 在5.6节(深度卷积神经网络)里我们提到过,大规模数据集是成功应用深度神经网络的前提.图像增广(image augmen ...
- 小程序编程基础(二)
小程序编程基础(二) 1.盒模型 1.1知识点 (1)盒模型的结构. (2)边框的设置方法,包括边框宽度.样式和颜色. (3)编剧的设置方法,包括外边距和内边距. 1.2盒模型 所有WXML元素都可以 ...
- 朴素、Select、Poll和Epoll网络编程模型实现和分析——模型比较
经过之前四篇博文的介绍,可以大致清楚各种模型的编程步骤.现在我们来回顾下各种模型(转载请指明出于breaksoftware的csdn博客) 模型编程步骤对比 <朴素.Select.Poll和Ep ...
- 朴素、Select、Poll和Epoll网络编程模型实现和分析——朴素模型
做Linux网络开发,一般绕不开标题中几种网络编程模型.网上已有很多写的不错的分析文章,它们的基本论点是差不多的.但是我觉得他们讲的还不够详细,在一些关键论点上缺乏数据支持.所以我决定好好研究这几个模 ...
- 医疗数据治理——构建高质量医疗大数据智能分析数据基础
医疗数据治理--构建高质量医疗大数据智能分析数据基础 阮彤,邱加辉,张知行,叶琪 华东理工大学计算机科学与技术系,上海 200237 摘要:以专病真实世界研究为背景,分析了医疗数据治理和数据可用性 ...
最新文章
- ECCV 2020 | 首届GigaVision挑战赛揭榜,双赛道冠军技术干货分享
- Bzoj 1391: [Ceoi2008]order 网络流,最大权闭合图
- SimpleUpdater.NET
- leetcode 978. Longest Turbulent Subarray | 978. 最长湍流子数组(Java)
- vulfocus靶场安装教程
- java .net 3des_Java.net3DES差异及互通
- 在SPS中直接查看用HTML格式阅读Office文档
- python手动绘图案例_python绘图案例——递归绘制分形树
- 区块链开发公司浅析区块链服务商提供哪些解决方案
- Java 并发 —— Thread、Executor、线程池
- QML Item 核心元素
- matlab与dsp程序,Matlab生成dsp程序——官方例程学习(4)
- 欧洲赢麻了!互联网巨头被迫拆围墙;git常用命令速查;Diffusion扩散模型实例教程集;高效C++机器学习库;前沿论文 | ShowMeAI资讯日报
- 微信小程序如何使用SCSS
- 作为开发者你必须要知道的五大浏览器,记得收藏
- 康复期需注意什么?一组手账告诉你
- 利用java统计每天用户升级手机App信息
- C语言#if、##ifdef、#ifndef的用法详解,C语言条件编译详解
- 概率论 各种分布及其期望、方差、分布函数
- 软件测试周刊(第39期):我们必须全力以赴,同时又不抱持任何希望。
热门文章
- 拓视角丨拓宽市场边界,数字化智能化转型构建产业新格局
- HashData助力销售易构建智能分析云平台
- 全球治理指标WGI(1996-2018年)
- 绚丽的时钟效果学习总结
- Android--面试题总结
- 问界M9全剧透:华为的「科技豪华」样板间
- ixwebhosting
- 深度学习三人行(第5期)----深度学习中的优化器选择
- java命令截图,GitHub - xuege-cn/fmj: FMJ (FFMpeg for Java)。通过Java调用FFMpeg命令的方式来对音视频进行处理(获取信息、截图等等)。...
- 云呐:固定资产转入改扩建,累计折旧怎么处理