本文为对前文的补充,是本系列的最后一篇(也是内容最多的一篇)

之前我们讨论过,固定刷取时间,推算圣遗物价值。目前还有最后一个问题没有解决:固定刷取分数,推算圣遗物价值。
首先我们看这样一张图:抛开【生之花】这个部位不谈,刷N件圣遗物,你的【其余4个部位】的总词条的分布情况?

解释一下:比如当你的刷取件数=500件(从左向右第3条曲线),到20.3词有50%的人,到21.7词条就有80%的人了。换句话说,50%的人圣遗物分数<20.3词条,80%的人圣遗物分数<21.7词条。
好,换个角度重新画这张图:这次的横坐标是刷取件数,纵坐标是概率,每条曲线代表不同词条数。
如,最右侧绿色曲线(词条数=23.53)上有点(1700,0.5),
意思是:刷取1700件,有50%的概率刷到了23.53词条/有50%的概率没刷到23.53词条。点(3300,0.1)的意思是,刷3300件,有10%的概率没刷到23.53词条。


4件圣遗物的词条数-刷取时间,和我们想要的内容有什么关系呢?_(兔躯一震)
比如我们有一个6.5词条的花,目标是刷到30词条。
那么剩下4件还需要23.5词条。
假设这条曲线是g(n)
以及比较容易得出,6.5词条的花不被取代的概率-刷取曲线是f(n)=0.9992^n,两条曲线叠加到同一个图中。这里也放上剩余4件目标24词条和6词条的花的对应数值:
*图中口糊了,应当是不被取代的概率。无所谓了


那么直接求n=0到+∞时,f(n)g’(n)的积分即可。
题外话
这个积分等价于求a^n*g(n)的积分,其中g(n)是其他4部位达到目标词条的概率,a是这个圣遗物不被取代的概率。
另外,这个g(x)理论上应该是指数型,但可以用g(x)=1/(1+(x/A)^B)^C拟合,比如这里的A=28.1,B=2.3,C=2.6,准确度非常高,g’(x)拟合的准确度长这样,没错蓝线是拟合的那条线,根本看不到![]()

题外话2
这使用N=2^n几个散点进行拟合的结果

这是用N=1-3200所有的点进行拟合的结果:
说明这个拟合函数本身无法严格反映圣遗物评分的情况,但误差小于1%,就这样吧

所以,拟合,求值。对于目标4件套18.24词条,当前6词条的花,用3000个N算出不被取代的概率是61.14%,2^0.5n一共32个点,拟合结果是60.85%,挺准
对于目标4件套18.24词条,当前6词条的花,无论是用穷举还是用上文的拟合,不被取代的概率是61%
这便是这件圣遗物“被取代的概率”。配上我们之前计算得到“这件圣遗物可以在多大程度上加快毕业”,便可以得到最终的评分。大致形状如下:

对比一下目标为34词条,显然,34词条对花的要求要高得多。6词条的花,对于24词条的目标而言已经很有价值了(0.7),但对34词条的目标而言价值很低(0.04)。而满词条的花,对于34词条的目标而言,价值反而比24词条更高(3>2.5)


不太方便看?放大一下:
纵坐标:圣遗物价值
横坐标:词条数(5.5-7.5)

很符合直觉?
如果目标是24词条,那么6词条的花质量已经不错了;但如果目标是34词条,那么6词条的花几乎毫无用途。

现在,我们现在相当于有了一个词条数-价值的表格,以后遇到任何圣遗物,直接去查表即可。
应用:
1. 我现在要随便刷取1件圣遗物。求期望价值。
2. 我现在要用1次定向,求期望价值。
3. 我现在要用1次普通重塑/高级重塑/谕告重塑,求期望价值。
是的,这些看起来非常头大的问题,用这个表格都可以解决_(超凶)

回顾一下
1.提出问题
使用词条数评价圣遗物的价值,主要问题是会导致低价值圣遗物的价值“不低”(比如8词条圣遗物是4词条的2倍)
使用“刷取时间”来评价圣遗物的价值,主要问题是高价值圣遗物的差距过大(比如7词条和7.2词条,可能差了1倍的分数,但用起来几乎没差距)
2.尝试解决
尝试使用“这件圣遗物多大程度上不被替代”和“这件圣遗物多大程度上加速毕业”,两个数值共同决定了圣遗物的最终价值。此外,引入了“圣遗物目标”,目标越高,低分圣遗物的价值会被压低,高分圣遗物不太受影响
3.最终收获
一个新的圣遗物评分算法,可以解决“祝圣之霜“”重塑“该如何使用的问题。不足之处在于计算过程较为复杂,不像词条数那么直观_(偶像姬-鸽子)
这一3篇文章真的花费了客户很多的心血,感谢您的阅读_(米游姬 抛心心)后续可能会用这个思路,进一步计算“祝圣之霜“”重塑“该如何使用这些。





