文/绯夜氏

定然不是我非， 定然是游戏有问题

很久以往流传着这样一则笑话：一个身患重病的人决定去 着手术 。在手术之前，他问医生：“这起手术的 顺利率是多少？”医生 答复他：“惟独1% 。”他很 恐慌，然而医生说：“没事的，在你之前我已经治死过99个人了 。”

这是一则 冷笑那些不懂“概率”的人的笑话，却讲出了“真随机”和“伪随机”中间的区别 玄不救非，氪不改命 如何分清游戏中的“真随机”和“伪随机”？。

在四月末的时候，我曾写过一篇《你打游戏靠的是技术，还是运气？》，其中就提及了“伪随机”这个概念 。当时受限于篇幅，没有 详尽铺开解释“伪随机”的概念 。前不久，在因国际邀请赛而备受关注的Dota2在近期一次的更新中，有这么一条更新内容：“落空的负面 动机和下坡 袭击的落空 动机现在都采纳伪随机触发” 。

那么到底什么是“伪随机”呢？以及和“伪随机”对应的“真随机”又是什么概念？

在 探讨真随机和伪随机之前，先排除另一个容易搞混的 舛误答案：赝随机数 玄不救非，氪不改命 如何分清游戏中的“真随机”和“伪随机”？。

赝随机数算法(Pseudo-Random Number Generator，简称PRNG)是计算机的一个术语——固然，它也 能够被叫做“伪随机数算法”，只不过为了容易与游戏中的“伪随机数”进行 划分，本文中统一称作“赝随机数算法” 。 家喻户晓，计算机程序是由无数“0”和“1”两种状态组成的，假如一个状态不是“0”，那就必然是“1”，颇有种非黑即白的滋味 。

因而，在计算机程序中，不存在“不确定”的数字，惟独确定的“1”和“0” 。基于这种 特点，计算机 无奈生成“真正的(不确定的)随机数” 。那么在计算机中，需求生成或是 使用到随机数的时候怎么办呢？通常是利用计算机抓取一些数值， 而后将这些数值输入至一个复杂算法(常用的算法是同余法和梅森旋转算法，感兴趣的读者 能够自行 查问，这里就不铺开讲了)当中，通过一系列运算得出一个数字，这便是寻常说的赝随机数了 。

只有最初输入的数值(初值)不变，那么输出的值都会是同一个值，这就 证实了这个数并不随机，只不过看起来随机而已 。换句话说， 只有这个随机数是由确定算法生成的，那便是赝随机数 玄不救非，氪不改命 如何分清游戏中的“真随机”和“伪随机”？。所以下一次在和朋友聊天时提到真随机数、伪随机数时，假如有人插嘴：“计算机不得不生成伪随机数，所以 根本没有什么真随机”，那你就 能够霸气侧漏地说他是“云发烧友”了 。

回到正题 。在游戏当中我们向来提到的“真随机”和“伪随机”，到底是什么意思？

我们通常说的真随机又名“纯随机”(True Random Distribution)，便是我们寻常向来说的那种、普通 意思上的“随机” 。在真随机中，每一个事件都是 彼此独立、 服从真随机 分布的，不受 其余事件的 产生而转变 。 譬如说某款游戏为了吸引消费者， 占有这么一个随机抽卡系统：每次抽卡时，都有1%的几率抽出SSR卡片，这个概率 服从真随机 分布 。

回到我们最开始说的那个“治死99个”的笑话：我们一眼就能看出这个笑话的不 正当性 。但在抽卡游戏中，我们的大脑 霎时失去理智 玄不救非，氪不改命 如何分清游戏中的“真随机”和“伪随机”？。有相当一部 散发烧友认为：我连抽100次，总能抽到这张卡吧！

实际上，连抽100次却抽不出1%的SSR卡的几率是为(1-0.01)^100=36.6%，甚至还稍稍超过了1/3 。将连抽数字 回升至300，也仍有4.9%的几率 。换句话说， 假如有10000个发烧友连抽100次，就有约3660个发烧友抽不出这张SSR；10000个发烧友连抽300次，也仍有约490个发烧友抽不出这张SSR——这对发烧友的游戏体验来说 能够说是 灭绝性的打击 。

只管纯随机在数学上是无罪的，在代码中更是明清楚白、清清晰楚，但发烧友抽不出卡可不会 回忆到初高中的数学课本，而是首先 嫌疑几率是不是被 筹划 经营窜改、这背后又是不是有 污秽的PY交易……

固然不只仅是在抽卡系统当中如此 。在一些竞技性 比较强的游戏中( 比方《War3》、《Dota2》之中——《英雄联盟》 几乎 彻底摘除了随机系统，不在此列)，延续数次的“走运”极大影响游戏的竞技性和欣赏性 玄不救非，氪不改命 如何分清游戏中的“真随机”和“伪随机”？。

譬如说《Dota中》最 驰名的概率英雄虚空假面的技能“回到过去”：使虚空假面有25%几率 彻底逃避一次损害 。受限于War3引擎，这个技能采纳的是真随机概率，在某个 极其状况下(通常见于精彩集锦中)，虚空假面 能够 维持很低的血量 承受 屡次损害却不死、最后反杀对手 。这种带给敌方极差游戏体验的系统， 因而也进入了设计师们“整治 规模”之中 。

为了幸免极差的游戏体验带来的发烧友数量 散失，设计者们提出了“伪随机”的概念：在不确定性的随机事件当中，通过一系列算法使随机事件 匀称 分布在 屡次事件当中，尽可能削减或 肃清 极其状况的 产生，以 遍及发烧友的游戏体验 。

在设计师们的 奋力下，“伪随机”应运而生，这里的伪随机就和上文的赝随机数算法(PRNG) 意思不同了 。

创造“伪随机”的 步骤有众多，在《War3》、《Dota2》这类游戏当中 广泛 使用的是“伪随机 分布”(Pseudo Random Distribution，简称PRD) 解决概率 玄不救非，氪不改命 如何分清游戏中的“真随机”和“伪随机”？。

就拿《Dota2》中最 壮大的暴击技能“赏赐 开脱”来举例：幻影刺客有15%的几率造成200%/325%/450%致命一击损害 。在PRD机制下，幻影刺客的 袭击实际上并不是每一刀都有15%的暴击率 。

依据PRD机制的公式P(N)=N*C可得出15%几率的C值为3.22%，即幻影刺客的第一次 袭击暴击概率为3.22%；假如第一刀没有暴击，则第二刀的暴击率 晋升至2倍，即6.44%；假如仍旧没有暴击，则 晋升至3倍的9.66%，以此类推 。

假如 接续推算，可得在第32刀时暴击几率会达到100%，最可能触发暴击的次数是第6刀， 均匀触发刀数是6.67刀等等……

同样，在延续触发暴击时，下一刀的暴击几率会削减 。RPD机制使竞技游戏中延续触发或不触发技能的几率减低，幸免了运气成分 适度 烦扰战斗 后果，大幅 晋升了发烧友的游戏体验，但不影响这些随机事件的正反馈：TI6决赛的“打我五下晕三下”，可是令 寰球人民 群体沸腾了呢！

除了伪随机 分布RPD之外，还有两种常见的伪随机：洗牌算法和组合随机 。洗牌算法最常见的用法，是在各大音乐播放器中的“随机播放”之中 。在随机播放时，假如采纳真随机，会招致一首歌无论如何都播放不出，或是同一首歌延续播放数次(感兴趣的读者 能够计算一下这些概率) 。为了解决这个问题，播放器采纳的解决 方案即是洗牌算法：将一个包括全部歌曲的数组像洗牌一样打乱， 而后 顺次播放这个乱序数组 。

至于组合随机，这是一种 宽泛 利用于各个游戏的做法：在抽奖的时候进行两次、或是更 屡次的推断，一次不随机，而剩下的推断则是真随机 。 比方说，你会在第X次抽卡时抽到SSR是确定的，但抽中的SSR具体是哪张卡，则是随机的——这便是 辽阔手游中的“低保”系统了 。

在一堆数据之中想要分清“真随机”和“伪随机” 仿佛并不是那么容易 。那么接下来为大家介绍两个例子，有助于更好 了解什么是“真随机”和“伪随机”：

真随机：有一天，小明在的班级上举办了一次抽奖 运动 。这个班级有40个学生，所 认为了公平起见， 保障每个学生都有1/40的几率中奖，老师 预备了40个 雷同的纸盒，每个纸盒中都有40张纸条，有1张纸条是中奖纸条 。这样一来，每个学生都有1/40的几率中奖，但每个学生是不是中奖并不受 其余学生的影响 。在 极其状况下，这个班上可能40个学生都能中奖 。这便是真随机 。

伪随机：小明班上举办了抽奖 运动 。为了公平起见，老师 预备了1个纸盒，纸盒中有40张纸条，惟独1张纸条是中奖纸条 。这样一来，每个学生都有1/40的几率中奖——然而明显，这个班上有且仅有一名学生 能够中奖 。一名学生在中奖后，余下的全部学生中奖几率都会削减至0 。这便是伪随机 。