第16章：特殊类型游戏的数值设计

不同游戏类型表面上共享攻击、资源和概率，实际却由完全不同的时间尺度、信息结构与失败成本支配。放置游戏要管理跨数量级增长，卡牌游戏要管理牌序与资源曲线，MOBA 要控制优势反馈，大逃杀要把空间压力转成节奏，自走棋和 Roguelike 则要让随机性产生适应而非判决。本章从各类型的核心状态变量出发，建立可比较的数值模型，并讨论类型混合时的接口风险。

学习目标

• 识别不同类型的核心循环、关键资源与时间尺度
• 设计放置游戏增长、软墙和重置回报
• 用费用曲线、卡差与节奏分析卡牌对局
• 量化 MOBA 滚雪球、大逃杀资源/圈缩与自走棋共享池
• 区分 Roguelike 的输入随机、输出随机与可恢复性
• 在类型混合中保持核心循环和失败契约一致

16.1 类型决定数值的“守恒量”

16.1.1 从核心循环开始

任何类型都可先画出循环：

投入资源/时间 → 做出决策 → 获得反馈 → 状态变化 → 新决策空间
       ↑                                           │
       └───────────────────────────────────────────┘

类型差异在于：状态是否持久、决策是否实时、信息是否完全、随机发生在决策前还是决策后、失败会损失多少。

16.1.2 状态、流量与反馈

把资源分为存量 $S_t$ 与流量 $F_t$：

$$S_{t+1}=S_t+F_t^{in}-F_t^{out}$$ 更重要的是反馈符号：优势是否提高未来资源获取？若是正反馈，系统会滚雪球；若落后者获得追赶，则有负反馈。正反馈能让决策有后果，过强则让后半局失去悬念；负反馈能维持竞争，过强则让前期努力失去意义。

16.1.3 随机性的三个位置

• 输入随机：在决策前给出选项，如三选一遗物。
• 输出随机：做完决策后决定结果，如攻击有 30% 失误。
• 生成随机：在局前构造地图、牌库或敌人组合。

输入随机通常更支持策略适应；输出随机更制造悬念，但可能削弱控制感。评价随机性时要问：玩家何时获得信息、能否调整、失败后能否归因。

16.1.4 多尺度系统的接口

许多现代游戏同时有 20 分钟战斗、每日体力、月度赛季和多年收藏。不同尺度不应互相绑架：每日资源可以鼓励尝试，但不应让单局竞技结果主要由长期付费存量决定。

设计时分别建立各尺度预算，再定义接口上限。例如局外成长只提供玩法解锁，局内力量差限制在 $\epsilon$ 以内。

16.2 放置游戏：跨数量级增长

16.2.1 基础增长模型

最简单的离散增长为： $$R_{t+1}=R_t+q_t\Delta t$$ 若产能 $q_t$ 又按资源购买并呈倍率增长，长期近似指数： $$R(t)=R_0e^{gt}$$ 指数增长的体验来自跨越数量级。直接用线性图观察会被后期数值压扁，分析应使用对数： $$L(t)=\log_b R(t)$$ $L$ 的斜率表示每单位时间跨越多少个 $b$ 进制数量级。

16.2.2 购买成本与回本时间

第 $n$ 个生产器的成本可设为： $$C_n=C_0r^n,\quad r>1$$ 购买后增加产能 $\Delta q_n$，回本时间为： $$T_{payback}=\frac{C_n}{\Delta q_n}$$ 若回本时间持续缩短，玩家会无脑购买；持续变长则形成软墙。好的选择来自不同生产器在当前倍率、协同和时间窗口下回本顺序变化。

16.2.3 软墙与内容节奏

软墙不是停止增长，而是边际速度下降，促使玩家寻找新乘区、自动化或重置。常见控制手段：

• 成本底数略高于产出底数
• 分层乘区逐步解锁
• 接近里程碑时提供可见目标
• 离线收益设上限或递减
• 用新机制改变最优策略，而非只放大数字

软墙过陡会让游戏变成等待；过平则内容在数小时内耗尽。应跟踪“跨越下一数量级所需时间”的分布。

16.2.4 转生/Prestige 的回报

转生用局内进度换永久倍率。若本轮峰值为 $R_{max}$，可设： $$P=\left\lfloor k\left(\frac{R_{max}}{R_*}\right)^\alpha\right\rfloor,\quad 0<\alpha<1$$ 永久倍率例如： $$M(P)=1+cP^\beta$$ 转生时机的核心是机会成本：继续本轮的边际收益与立即重置后的加速谁更高。界面应预估“重置后达到当前进度的时间”，让决定可理解。

16.2.5 离线收益与时间公平

若离线收益与在线完全相同，玩家可能缺少互动理由；若过低，则惩罚正常休息。可用前 $H$ 小时全额、之后递减： $$G_{offline}(t)=q\left[\min(t,H)+\eta\max(0,t-H)\right],\quad 0\le\eta<1$$ 活跃玩法应提供策略选择、短期加速或自动化解锁，而不是要求持续点击维持基本效率。

16.2.6 大数表示与精度

超过常规数值范围时，可存储尾数与指数： $$R=m\times10^e,\quad 1\le m<10$$ 比较先看指数，再看尾数；相差过大的加法可忽略小项，但要明确误差边界。展示可使用科学计数或稳定后缀，避免同一数量级在不同界面使用不一致缩写。

16.3 卡牌游戏：费用、牌差与节奏

16.3.1 三类资源

卡牌对局通常同时管理：

• 费用/行动资源：本回合能做多少事
• 手牌资源：未来可选项数量
• 节奏/场面资源：当前威胁与主动权

一张牌的价值不能只按面板相加。粗略地： $$V=V_{tempo}+\lambda_hV_{hand}+\lambda_sV_{synergy}+\lambda_fV_{flexibility}$$ 费用低但占用一张牌的效果可能亏卡；高费强牌若无法活到使用回合，则理论价值无意义。

16.3.2 费用曲线与可行动概率

构筑的费用曲线决定前几回合是否有事可做。若牌库 $N$ 张，其中满足某条件的牌有 $K$ 张，起手抽 $n$ 张，至少一张命中的概率为超几何分布： $$P(X\ge1)=1-\frac{\binom{N-K}{n}}{\binom{N}{n}}$$ 换牌、抽牌和先后手会改变实际概率。设计起手系统时应关注“可执行计划概率”，而不仅是某张关键牌上手率。

16.3.3 先手优势与补偿

先手通常先使用资源并建立场面，后手可能多抽一张或获得临时资源作为补偿。补偿过弱，先手滚雪球；过强，后手组合爆发。

可测： $$A_{first}=P(Win\mid first)-P(Win\mid second)$$ 并按套牌速度、技能段和对局时长分层。总体接近零仍可能掩盖快攻先手优势和控制套牌后手优势。

16.3.4 抽牌、检索与组合稳定性

普通抽牌增加手牌和选择；定向检索同时减少牌库不确定，价值更高。组合由 $k$ 个组件构成时，额外检索会非线性提高同时集齐概率，容易让高上限 Combo 过于稳定。

平衡检索应考虑：目标集合大小、费用、节奏损失、是否可重复、是否压缩牌库，以及失败时是否仍有价值。

16.3.5 随机效果与可控方差

卡牌随机可以制造重玩性，但应有可推理边界。设计轴包括：

• 随机池大小与平均质量
• 结果方差与极端尾部
• 玩家是否先看到选项再选择
• 对手是否有反应窗口
• 随机结果是否改变整局胜负

“发现/三选一”把输出随机转为输入随机，通常提升决策性。随机池应版本化，并防止随着卡池扩大无意漂移。

16.3.6 套牌多样性与技术密度

健康环境不要求每套牌完全等胜率，而要求存在多条可反制路线、合理选择成本和技能表达。可同时监控套牌选择熵、对阵矩阵、极端劣势对局占比和高低技能段差异。

一张卡若在所有同费用套牌中自动加入，说明它的机会成本太低；即使总体胜率不高，也会压缩构筑空间。

16.4 MOBA：经济、地图与滚雪球

16.4.1 个人经济与团队经济

玩家力量通常来自等级和装备： $$P_i(t)=f(G_i(t),XP_i(t),K_i(t),\text{Build}_i)$$ 金币来源包括稳定收入、兵线、野区、击杀与地图目标。稳定收入降低早期失败惩罚；争夺资源制造对抗。资源分布还决定位置职责，若辅助必须放弃全部成长，体验会过度依赖队友认可。

16.4.2 击杀奖励与领先反馈

击杀带来金币、经验、地图时间和目标控制，是多重正反馈。领先差 $D_t$ 可近似： $$D_{t+1}=D_t+\alpha D_t+\epsilon_t-C(D_t)$$ $\alpha D_t$ 表示领先提高未来获取，$C(D_t)$ 是终结赏金、目标交换等追赶机制。目标不是让 $D_t$ 自动归零，而是让落后方仍有高风险、高信息的翻盘路径。

16.4.3 终结赏金的套利风险

赏金应反映可兑现领先，而非仅连杀数。过高会让领先者不敢互动，或让队伍故意把赏金交给低价值位置。可参考个人经济超额、连续贡献和团队差距，并设置增长/衰减平滑： $$B_i=B_0+g(\max(0,G_i-\tilde G_{role,t}))$$ 击杀者收益、助攻分配和被击杀者损失要一起模拟，防止净转移过大。

16.4.4 地图目标与时间预算

地图目标的价值包括直接奖励、区域控制和对手机会成本： $$V_{obj}=V_{direct}+V_{map}+V_{tempo}-C_{risk}-C_{lost\ farm}$$ 若所有目标同时间刷新，策略会收敛到唯一团战；错开目标、提供跨图交换能增加决策。永久团队增益需要谨慎，因为它同时放大当前领先和未来目标能力。

16.4.5 对局长度与结束能力

领先不等于能结束会造成拖局；结束工具过强又让一次失误直接终局。应观察领先条件下的剩余时长分布、基地推进成功率和高地防守收益。

结束机制可以随时间增强，但不能突然使前面决策无意义。超级兵、复活时间和终局目标共同构成“结束预算”。

16.4.6 位置经济与隐性贡献

只用击杀和伤害奖励会低估视野、控制、承伤与资源让渡。位置专属任务或团队分成可让低经济角色有稳定成长，但要防止任务化行为与胜利目标冲突。

贡献评价应优先用于反馈和诊断，谨慎直接决定排位分；可刷指标会改变玩家行为。

16.5 大逃杀：空间压力、资源分布与生存价值

16.5.1 安全区作为节奏控制器

安全区把大地图逐步压缩为相遇概率。若第 $k$ 阶段半径为 $r_k$，面积为： $$A_k=\pi r_k^2$$ 半径减半意味着面积变为四分之一。线性缩半径会让密度非线性上升，因此圈缩表应按面积、剩余人数与移动时间共同设计。

16.5.2 圈伤害与移动可达性

阶段 $k$ 的有效压力取决于圈外伤害 $d_k$、持续时间、治疗效率和最远移动距离： $$Pressure_k=\frac{d_k\cdot T_{outside}}{HP+H_{available}}$$ 若最坏出生点在合理装备下无法到达安全区，随机圈成为判决。交通工具、地形、速度与交战延迟都应进入可达性模拟。

16.5.3 掉落密度与热点

区域 $z$ 的期望资源价值为： $$E[L_z]=\sum_j n_{zj}p_{zj}v_j$$ 高价值区吸引更多玩家，形成高风险高回报。平衡不仅看期望，还看武器可用率、同队资源、最差尾部和路径连通性。过度集中会让开局命运由落点抢枪决定；过度均匀则地图选择失去意义。

16.5.4 装备差与先见优势

射击游戏的先见、先手与网络延迟已经产生优势，装备差会乘法放大。高级装备可增加功能和容错，但基础武器应保留通过技巧翻盘的窗口。

TTK（击杀时间）是关键体验量： $$TTK\approx\frac{HP_{effective}}{DPS_{effective}}$$ 需按命中率、距离、护甲、爆头和掩体分布模拟，而不是只用理论弹匣 DPS。

16.5.5 排名与击杀的激励

若积分几乎只看生存，玩家会回避互动；只看击杀，则“大逃杀”退化为死亡竞赛。可设： $$Score=w_pR_{placement}+w_kK_{quality}+w_aA_{team}$$ 击杀质量应避免刷弱队和重复击倒；排名分应平滑，减少单一名次断崖。赛事与普通排位可以有不同风险偏好，但规则必须清楚。

16.6 自走棋：共享卡池与经济决策

16.6.1 共享池概率

自走棋商店不是独立抽卡。某费用层总剩余卡数为 $N_t$，目标单位剩余 $K_t$，单个商店格在该费用层命中概率近似： $$p_t=\frac{K_t}{N_t}$$ 其他玩家购买目标单位会降低 $K_t$，形成可观察竞争。计算实际命中还需乘以当前等级抽到该费用层的概率。

16.6.2 刷新命中概率

若一次刷新有 $m$ 个近似独立格，每格命中概率为 $p$，$r$ 次刷新至少命中一次的近似概率： $$P(\text{hit})=1-(1-p)^{mr}$$ 实际格子因不放回抽取、同店规则和共享池变化并不完全独立，此公式适合直觉估计，精确值应由超几何或模拟得到。

16.6.3 利息、连胜与连败

金币既能当前刷新提升战力，也能保留获得利息： $$G_{t+1}=G_t-C_{roll}-C_{buy}+I(G_t)+S_{streak}+G_{base}$$ 这形成健康的时序选择。连败奖励给落后者经济，却可能诱导故意卖血；血量就是为这种选择定价的预算。若卖血几乎无淘汰风险，连败成为占优策略。

16.6.4 升级与刷新阈值

升级提高高费卡概率和上阵人口，刷新提高当前阵容星级。两者回报随血量、竞争、阵容上限和回合阶段变化。健康设计不应存在所有阵容共享的唯一“某回合必升”答案；版本可有宏观节奏，但阵容与局势应改变阈值。

16.6.5 装备和转型成本

随机装备可能锁定阵容。若合成不可逆且前期必须立即做决定，玩家会因未知未来被惩罚。可通过通用组件、有限拆卸、替换道具和多英雄适配降低锁死。

转型成本应让早期选择有意义，但不能高到商店不给核心卡就只能等死。板凳容量、卖卡折损与共享池共同决定可选空间。

16.7 Roguelike：随机性、公平与构筑涌现

16.7.1 一局的随机生成契约

Roguelike 接受失败与重来，但玩家仍期待：

• 关键信息在决策前可见
• 每局存在至少一条可行路径
• 失败能归因于可学习决策，而非不可避免组合
• 随机池有多样性但不充满无效选项
• 局外成长不会把前期变成纯数值门槛

“随机”不是免除平衡责任，而是要求平衡分布和条件概率。

16.7.2 输入随机优先

三选一、分支地图和可预览敌人让随机生成问题，玩家负责解题。攻击后随机决定是否失效，则可能推翻正确决策。输出随机可以存在，但应有管理工具：重掷、保底、缓冲资源或对冲 Build。

16.7.3 构筑池与无效奖励

当玩家已有火焰构筑时，连续提供只支持冰冻的奖励会稀释选择。可按标签调节候选池，但完全迎合会让每局自动完成同一套路。

可混合： $$P(item\mid state)=\alpha P_{synergy}+(1-\alpha)P_{global}$$ $\alpha$ 控制协同倾向。还需保留转型信号和通用选项，并限制同一无效类别连续出现。

16.7.4 遭遇预算与可行路径

为路线 $r$ 定义资源净变化： $$\Delta H_r=H_{gain}+V_{reward}-D_{expected}-C_{opportunity}$$ 生成器要控制连续高损耗节点、商店间距、治疗可达性和 Boss 前准备。平均路线可行不足以保证每个种子可行；应检查最坏分位和不可恢复状态。

16.7.5 局外成长与技术表达

永久成长能缓解失败并提供长期目标，但过强会让“失败直到数值够高”替代学习。可优先解锁新选项、起始选择和信息能力，将纯属性加成设上限。

应分别测零成长、典型成长和满成长通关率，并检查敌人是否被迫随元成长同步膨胀。若两边一起涨，数字增加却没有新决策。

16.7.6 种子公平与竞速

普通单人模式允许种子差异形成故事；每日挑战和排行榜则需要相同种子或按种子难度校正。相同种子仍可能因平台、版本和随机调用顺序产生差异，因此必须锁定配置与生成规则。

16.8 类型混合与系统集成

16.8.1 先确定主循环

“放置 + Roguelike + 卡牌 + PVP”并不会自动叠加四种乐趣。必须选择主循环，其余系统回答明确问题：

• 它提供新决策，还是只增加领取步骤？
• 它的失败是否符合主循环契约？
• 它的资源是否需要独立货币？
• 它改变的是单局公平还是长期表达？

若删除某子系统，主循环体验几乎不变，它很可能只是负担。

16.8.2 随机性叠乘

多个随机层会放大尾部。例如先随机角色、再随机装备、再随机词缀、最后战斗暴击。虽然每层方差不大，总结果可能高度不稳定。

若独立乘数为 $X_1,\ldots,X_n$，总倍率 $Y=\prod_iX_i$，则对数方差相加： $$\operatorname{Var}(\ln Y)=\sum_i\operatorname{Var}(\ln X_i)$$ 应给不同随机层分工，并在至少一层提供选择、保底或纠偏。

16.8.3 局内与局外力量隔离

竞技 Roguelike 或卡牌 PVP 若把长期抽取直接带入单局，会让匹配难以修复公平。常见隔离方式：

• 局外只解锁选择池，不提高基础属性
• 匹配按可用池或赛制格式划分
• 竞技模式提供标准化配置
• 付费价值集中于外观、收藏与非竞争便利

16.8.4 时间承诺冲突

放置系统鼓励等待，竞技系统要求集中实时参与；每日任务可能迫使玩家在不合适时进入长局。跨类型设计要公开单局长度、保存/暂停能力和领取窗口，避免多个时间机制同时索取注意力。

16.9 综合案例

16.9.1 放置游戏的“墙—转生—加速”循环

某放置游戏每 6～10 小时遇到一次软墙，转生后回到当前进度需 20 分钟。若永久倍率让回归时间快速缩短到 30 秒，重置失去决策；若始终需要 4 小时，玩家感受不到进步。

应同时跟踪转生间隔、回归旧峰值时间、每次跨数量级时间和最优/次优策略差距，用新机制改变路线而不只提高倍率。

16.9.2 卡牌游戏的检索膨胀

一套三件 Combo 原本强但不稳定。版本新增两张低费定向检索后，平均面板没有变化，Combo 却几乎每局准时完成。问题不在组件单卡强度，而在联合到手概率和检索的机会成本。

调整可以针对检索范围、费用和节奏损失，或提供可交互窗口，而不必删除 Combo 身份。

16.9.3 MOBA 的追赶过度

某版本提高终结赏金后，领先方开始刻意避战，落后方只需击杀一次核心就逆转全部经济。比赛前期的资源决策因此失去价值。更合理的做法是把追赶价值分散到多个高风险目标，限制单次净转移，并让领先方能通过信息与协作管理风险。

16.9.4 大逃杀与自走棋的随机公平

大逃杀的落点随机和自走棋的共享池都不是独立抽样。前者通过地图选择、航线信息和资源密度让玩家管理风险；后者通过侦察对手和转型管理竞争。两者共同原则是：随机状态必须可观察到足以支持后续决策。

16.9.5 代表作的机制观察框架

代表作适合用于识别机制，不适合直接抄数值。可以带着同一组问题体验不同产品：

比较时先记录核心循环、信息时点、资源守恒和失败契约，再分析参数。相同公式放入不同单局长度、操作系统或商业模式，可能产生相反体验。

16.10 本章小结

• 类型数值应从状态持久性、信息结构、时间尺度、随机位置与失败契约出发。
• 放置游戏用对数速度、回本时间、软墙和转生回归时间管理跨数量级成长。
• 卡牌价值由费用、牌差、节奏、协同和灵活性共同决定；检索会非线性提高组合稳定性。
• MOBA 的击杀是多重正反馈，应给落后方可读、有风险的翻盘路径，同时保留前期决策价值。
• 大逃杀的圈缩应按面积和可达性设计；资源分布要创造风险梯度而非开局判决。
• 自走棋共享池让侦察具有价值，经济设计要平衡刷新、升级、利息和血量预算。
• Roguelike 优先用输入随机制造适应决策，并对最坏种子、无效奖励和局外成长设置边界。
• 类型混合必须确定主循环，控制随机叠乘、时间承诺和局内外力量接口。

16.11 练习题

基础题

练习16.1 某放置生产器售价 10 万金币，购买后每秒增加 500 金币。忽略其他倍率，回本时间是多少？若下一级售价乘 1.15、产能只乘 1.05，长期会发生什么？

提示：回本时间等于成本除以新增产能。

练习16.2 30 张牌库中有 6 张二费可行动牌，起手 4 张且不换牌。至少抽到一张的概率如何表示？

提示：先算一张都没有的概率。

练习16.3 大逃杀安全区半径从 1,000 米缩到 500 米，面积和单位面积玩家密度如何变化？假设人数不变。

提示：面积与半径平方成正比。

练习16.4 自走棋某费用层剩余 100 张牌，其中目标单位 5 张。一次商店 5 格都来自该费用层，按独立近似至少命中一张的概率是多少？

提示：使用 $1-(1-p)^m$；说明近似限制。

挑战题

练习16.5 设计一个 MOBA 追赶机制，使落后 5,000 金的队伍仍有翻盘机会，但不能让领先无意义。给出触发、收益、风险和防套利规则。

提示：把追赶分散到需要主动争夺的目标，而非自动发钱。

练习16.6 某 Roguelike 有“火焰、冰冻、召唤”三类构筑。纯均匀奖励经常给无效选项，完全按当前标签奖励又让每局自动成型。设计混合池和纠偏机制。

提示：在协同、通用和转型之间分配候选位。

练习16.7 一款“放置 + PVP”游戏允许玩家把永久产能兑换成竞技属性。分析主要冲突，并提出隔离方案。

提示：比较两种类型的时间契约和公平契约。

练习16.8 某卡牌游戏先手总体胜率 50.2%，团队据此认为先后手平衡。你会做哪些分解？若发现快攻先手 58%、控制后手 57%，如何处理？

提示：总体平均可能由方向相反的问题抵消。

16.12 常见陷阱与错误（Gotchas）

16.12.1 用线性尺度调试放置增长

后期大数会掩盖早期变化。使用对数进度、跨数量级时间、回本时间和转生回归时间共同观察。

16.12.2 卡牌只按面板总值定价

费用时机、牌差、灵活性和检索稳定性可能远比面板重要。用真实对局阶段和组合概率评估。

16.12.3 MOBA 追赶等于自动送钱

无风险追赶削弱领先价值并诱导拖延。追赶资源应可争夺、可反制、分次兑现且有上限。

16.12.4 圈缩按半径直觉设计

半径与面积是平方关系，移动可达性还受地形和交战影响。用面积密度和最坏路线模拟每个阶段。

16.12.5 把共享卡池当独立掉落

自走棋概率随其他玩家持有和卖回实时变化。界面、AI 和测试工具必须读取同一权威池状态。

16.12.6 Roguelike 用随机掩盖不可解种子

平均可通关不代表每个生成结果公平。搜索连续高损耗、无关键资源和不可恢复状态，给生成器设置硬约束。

16.12.7 类型机制只做表面拼接

新增货币、签到和随机词缀不等于新增类型深度。每个子系统必须改变主循环中的有意义决策，并服从同一失败契约。

16.12.8 多层随机叠乘失控

每层看似温和，总尾部仍可能极端。分析联合分布，在不同层分配“惊喜、选择、保底和纠偏”的职责。