战斗系统是游戏的核心玩法载体，而战斗数值则是这个系统的灵魂。从最简单的”石头剪刀布”到复杂的MMORPG战斗，背后都有一套精密的数学模型在支撑。本章将深入探讨战斗数值系统的设计原理，从基础伤害公式到概率机制，从属性体系到技能平衡，帮助你建立完整的战斗数值设计方法论。
完成本章学习后，你将能够：
伤害计算是战斗系统的基石。最基础的伤害公式可以表示为：
\[\text{Damage} = f(\text{ATK}, \text{DEF})\]其中，$f$是我们需要设计的函数。两种最常见的模型是：
加法模型（减法模型）： \(\text{Damage} = \text{ATK} - \text{DEF}\)
这是最直观的模型，防御力直接减少受到的伤害。这种模型的特点是：
为了避免负伤害，通常会加入最小伤害保护： \(\text{Damage} = \max(\text{ATK} - \text{DEF}, \text{MinDamage})\)
其中$\text{MinDamage}$通常设为1或者$\text{ATK} \times 0.1$。
乘法模型（除法模型）： \(\text{Damage} = \text{ATK} \times \frac{100}{100 + \text{DEF}}\)
这种模型中，防御力提供百分比减伤。特点包括：
我们可以用ASCII图来展示两种模型的差异：
加法模型的伤害曲线（ATK=100）：
Damage
100 |*
80 | *
60 | *
40 | *
20 | *
0 |_____*************___
0 20 40 60 80 100 120 DEF
乘法模型的伤害曲线（ATK=100）：
Damage
100 |*
80 | **
60 | ***
40 | ****
20 | *******
0 |________________*****___
0 50 100 150 200 DEF
实际游戏中，往往使用更复杂的混合模型：
《英雄联盟》的护甲公式： \(\text{DamageMultiplier} = \begin{cases} \frac{100}{100 + \text{Armor}} & \text{if Armor} \geq 0 \\ 2 - \frac{100}{100 - \text{Armor}} & \text{if Armor} < 0 \end{cases}\)
这个公式巧妙地处理了负护甲（护甲穿透）的情况，使其产生递增伤害而非无限伤害。
《魔兽世界》的护甲公式： \(\text{DamageReduction} = \frac{\text{Armor}}{\text{Armor} + K \times \text{AttackerLevel}}\)
其中$K$是一个常数（通常在400-500之间），这个公式考虑了攻击者等级，使得护甲的效果会随着敌人等级提升而降低。
为了避免战斗过于机械，通常会给伤害加入一定的浮动范围：
\[\text{FinalDamage} = \text{BaseDamage} \times \text{Random}(0.9, 1.1)\]这个±10%的浮动是许多游戏的默认选择，既保证了一定的随机性，又不会让玩家感觉失控。
收益递减是数值设计中的重要概念，可以避免单一属性的过度堆叠。常用的收益递减函数包括：
对数函数： \(\text{Effect} = a \times \ln(1 + b \times \text{Stat})\)
双曲线函数： \(\text{Effect} = \frac{a \times \text{Stat}}{b + \text{Stat}}\)
平方根函数： \(\text{Effect} = a \times \sqrt{\text{Stat}}\)
这些函数都具有导数递减的特性，即每增加相同的属性点数，获得的收益会越来越少。
一个完整的属性体系通常包含以下几类：
核心属性（Primary Attributes）：
次级属性（Secondary Attributes）： 这些属性通常由核心属性派生或独立存在：
属性之间的关系可以用矩阵表示：
属性影响矩阵：
伤害 生存 节奏 策略
ATK ◆ · · ◇
DEF · ◆ · ◇
SPD ◇ ◇ ◆ ◇
CRIT ◆ · ◇ ◆
◆ 强相关 ◇ 中等相关 · 弱相关
克制系统是创造战斗深度的重要工具。最经典的是”石头剪刀布”模型：
简单克制环：
火 → 风 → 土 → 水 → 火
(1.5x伤害)
复杂克制网：
火 水 风 土 光 暗
火 1.0 0.5 1.5 1.0 1.0 1.0
水 1.5 1.0 0.5 1.0 1.0 1.0
风 0.5 1.5 1.0 1.0 1.0 1.0
土 1.0 1.0 1.0 1.0 1.0 1.0
光 1.0 1.0 1.0 1.0 1.0 1.5
暗 1.0 1.0 1.0 1.0 1.5 1.0
克制系统的设计原则：
角色属性随等级的成长通常遵循以下模式：
线性成长： \(\text{Stat}_{\text{level}} = \text{Base} + \text{Growth} \times \text{Level}\)
多项式成长： \(\text{Stat}_{\text{level}} = \text{Base} + a \times \text{Level} + b \times \text{Level}^2\)
指数成长： \(\text{Stat}_{\text{level}} = \text{Base} \times (1 + \text{GrowthRate})^{\text{Level}}\)
不同的成长模式会导致不同的游戏体验：
属性成长对比（Level 1-100）：
Linear Polynomial Exponential
L1 100 100 100
L25 600 750 943
L50 1100 2000 3759
L75 1600 3750 8447
L100 2100 6000 13780
成长差异 = 21x 60x 137x
战力（Combat Power）是对角色综合实力的量化评估。一个简单的战力公式：
\[\text{CP} = w_1 \times \text{ATK} + w_2 \times \text{DEF} + w_3 \times \text{HP} + w_4 \times \text{SPD}\]其中权重$w_i$的确定需要考虑：
更精确的战力计算会考虑属性的非线性效果：
\[\text{CP} = \sqrt{\text{ATK} \times \text{HP}} + \text{DEF} \times 0.8 + \text{CritScore}\]其中： \(\text{CritScore} = \text{CritRate} \times (1 + \text{CritDMG})\)
暴击是最常见的概率机制，基本公式为：
\[\text{ExpectedDamage} = \text{BaseDamage} \times [1 + \text{CritRate} \times (\text{CritMultiplier} - 1)]\]例如，50%暴击率和200%暴击伤害的期望伤害为： \(\text{ExpectedDamage} = \text{BaseDamage} \times [1 + 0.5 \times (2 - 1)] = 1.5 \times \text{BaseDamage}\)
暴击系统的设计要点：
真随机（True Random）： 每次判定都是独立的，符合概率论：
30%暴击率的实际分布：
连续10次不暴击概率 = 0.7^10 = 2.8%
连续5次暴击概率 = 0.3^5 = 0.24%
伪随机（Pseudo Random）： 通过算法调整，使实际结果更接近期望值：
PRD（Pseudo Random Distribution）算法：
初始概率 C = 0.08474（对应30%期望）
每次未触发，下次概率 += C
触发后重置为C
实际触发序列：
次数: 1 2 3 4 5
概率: 8.5% 16.9% 25.4% 33.9% 42.4%
PRD的优点：
闪避系统通常有两种实现方式：
独立判定： \(\text{HitChance} = \text{Accuracy} - \text{Evasion}\)
乘法判定： \(\text{HitChance} = \text{Accuracy} \times (1 - \text{Evasion})\)
两种方式的区别：
例：90%命中 vs 20%闪避
独立判定：命中率 = 90% - 20% = 70%
乘法判定：命中率 = 90% × (1 - 20%) = 72%
赌徒谬误： 玩家常认为”已经5次没暴击了，下次一定会暴击”。实际上在真随机系统中，每次判定都是独立的。
小数定律： 玩家会从少量样本中得出错误结论。比如”我测试了10次，暴击了6次，所以暴击率是60%”（实际可能是30%）。
为了改善玩家体验，可以采用：
技能冷却（Cooldown, CD）是控制战斗节奏的核心机制。设计原则：
\[\text{CD} = \frac{\text{SkillPower}}{\text{DesiredFrequency}} \times \text{BalanceFactor}\]技能分类与典型CD：
CD缩减的计算方式：
加法叠加（容易失衡）： \(\text{FinalCD} = \text{BaseCD} - \text{CDR}_1 - \text{CDR}_2 - ...\)
乘法叠加（推荐）： \(\text{FinalCD} = \text{BaseCD} \times (1 - \text{CDR}_1) \times (1 - \text{CDR}_2) \times ...\)
混合模式（更精细的控制）： \(\text{FinalCD} = \text{BaseCD} \times \max(0.4, 1 - \text{TotalCDR})\)
这确保了CD不会低于原始值的40%。
资源系统决定了技能的使用策略。常见类型：
法力值（Mana）系统：
能量（Energy）系统：
怒气（Rage）系统：
连击点（Combo Points）系统：
连击系统流程：
建立(Builder) → 积累点数 → 终结(Finisher) → 消耗点数
↑ ↓
←←←←←←←←←←←←←←←←←←←←←←←←←←←←←←←←←←←
技能伤害通常基于角色属性和技能系数：
\[\text{SkillDamage} = \text{ATK} \times \text{SkillRatio} + \text{FlatBonus}\]系数设计原则：
典型的系数配置：
技能类型 CD(秒) 消耗 系数 DPS贡献
普攻 0 0 100% 100%
速攻技能 3 20 200% 67%
强力技能 8 50 400% 50%
终极技能 60 100 1000% 17%
Combo系统增加战斗的技巧性和观赏性：
时间窗口型： 在规定时间内连续使用技能获得加成： \(\text{ComboDamage} = \text{BaseDamage} \times (1 + 0.1 \times \text{ComboCount})\)
条件触发型： 特定技能序列触发额外效果：
A技能 → B技能 = 普通效果
A技能 → A技能 → B技能 = 触发眩晕
A技能 → C技能 → B技能 = 额外50%伤害
积分累积型： 根据Combo数获得积分，积分可兑换强化效果： \(\text{ComboScore} = \sum_{i=1}^{n} i \times \text{HitDamage}_i\)
街头霸王将战斗数值精确到帧（1/60秒），创造了独特的数值体系：
帧数据三要素：
帧优势（Frame Advantage）： \(\text{Advantage} = \text{OpponentBlockstun} - \text{Recovery}\)
当优势为正时，攻击方可以先行动；为负时，防守方反击。
隆的站立中拳帧数据：
启动: 5帧
持续: 3帧
恢复: 7帧
总计: 15帧
防御硬直: 12帧
命中硬直: 15帧
防御优势: +5帧（12-7）
命中优势: +8帧（15-7）
这个系统的精妙之处：
魔兽世界建立了MMORPG的DPS（Damage Per Second）标准：
基础DPS公式： \(\text{DPS} = \frac{\text{WeaponDamage} + \text{AP} \times \text{APRatio}}{\text{AttackSpeed}}\)
其中：
技能循环DPS： 考虑技能循环的实际DPS计算更复杂：
\[\text{RotationDPS} = \frac{\sum_{i} \text{Damage}_i \times \text{Count}_i}{\text{RotationTime}}\]一个典型的循环示例：
时间轴（10秒循环）：
0s: 瞄准射击 (3s施法, 500%武器伤害)
3s: 奇美拉射击 (瞬发, 300%武器伤害)
4s: 稳固射击 (1.5s施法, 150%武器伤害)
5.5s: 稳固射击 (1.5s施法, 150%武器伤害)
7s: 奇美拉射击 (瞬发, 300%武器伤害)
8s: 稳固射击 (1.5s施法, 150%武器伤害)
9.5s: 自动射击 (100%武器伤害)
总输出: 1650%武器伤害
DPS = 1650% / 10s = 165%武器伤害/秒
属性权重（Stat Weights）： 不同属性对DPS的贡献：
\[\text{DPS}_{\text{new}} = \text{DPS}_{\text{base}} + \sum_{i} \text{StatValue}_i \times \text{Weight}_i\]典型的权重表：
属性 权重(DPS/点) 优先级
攻击强度 0.5 高
暴击率 15.2 最高
急速 8.7 中
精通 6.3 低
这些权重会随着角色属性变化而改变，形成动态的优化目标。
战斗数值系统是游戏的核心，本章我们学习了：
伤害公式设计：加法模型简单直观但容易失衡，乘法模型提供更好的收益递减。混合模型可以结合两者优点。
属性体系：合理的属性设计需要考虑相互关系、成长曲线和克制系统。属性权重决定了角色的养成方向。
概率机制：暴击、闪避等概率机制增加随机性，但需要通过伪随机等技术改善玩家体验。
技能与资源：冷却时间、资源消耗和技能系数共同决定战斗节奏。不同的资源系统适合不同类型的游戏。
实战案例：街霸的帧数据系统展示了精确控制的艺术，魔兽世界的DPS模型则代表了复杂系统的标准化。
关键公式汇总：
题目1：伤害公式对比 给定攻击力1000，分别计算在加法模型和乘法模型下，防御力为0、500、1000、2000时的伤害值。哪种模型在高防御时仍能保证有效输出？
提示：考虑加法模型需要设置最小伤害。
题目2：暴击期望值 角色基础攻击力为1000，有两种装备选择：
哪种装备提供更高的期望伤害？
提示：使用期望伤害公式计算。
题目3：技能CD与DPS 某技能基础CD为10秒，伤害系数500%。角色有30% CD缩减，计算：
提示：技能DPS = 技能伤害 / 实际CD
题目4：属性权重计算 某角色当前属性：ATK=1000，暴击率=30%，暴击伤害=200%。 计算增加以下属性对DPS的提升：
提示：分别计算提升前后的期望伤害。
题目5：设计伤害公式 为一款MOBA游戏设计伤害公式，要求：
请给出公式并画出护甲-减伤曲线（-100到500护甲）。
提示：可以参考英雄联盟的护甲公式，考虑分段函数。
题目6：概率系统优化 游戏中有一个30%触发率的被动技能，玩家抱怨”经常10次都不触发”。请设计一个伪随机系统，要求：
提示：使用PRD算法，需要计算初始概率C。
题目7：战斗节奏设计 设计一个3技能循环，要求：
给出具体的技能序列和时间轴。
提示：考虑技能CD和资源生成/消耗的平衡。
题目8：平衡性问题诊断 某游戏中战士职业胜率只有42%，数据显示：
请分析问题所在并提出3个具体的数值调整方案。
提示：考虑职业定位和实际表现的差距。
问题描述：攻击力过度超过防御力上限，导致防御属性失去意义。
典型场景：
解决方案：
问题描述：同类属性叠加导致边际收益急剧下降，玩家被迫平均发展。
典型场景：
解决方案：
问题描述：真实概率与玩家感知严重偏离，导致负面体验。
典型场景：
解决方案：
问题描述：所有技能都在CD中，玩家只能普攻，体验糟糕。
典型场景：
解决方案：
问题描述：某些极端配装打破平衡，如纯输出秒人或纯防御不死。
典型场景：
解决方案：
问题描述：数值过大或过小，玩家难以理解和比较。
典型场景：
解决方案：
建立数值模拟器：用Excel或Python搭建战斗模拟，快速验证公式
对数坐标图：发现指数增长等问题
敏感度分析：测试数值变化1%、5%、10%时的影响
极限测试：输入0、负数、极大值，检查公式鲁棒性
玩家路径模拟：模拟玩家1-100级的完整成长曲线
A/B测试：小范围测试数值改动的实际效果
记住：数值设计是迭代过程，没有完美的公式，只有适合的方案。保持数据驱动，倾听玩家反馈，持续优化。