Здравствуйте!
Это вторая часть разбора системы матчмейкинга, если вы не видели первую часть, , где мы начали исследовать патенты и ключевые элементы, то вот ссылка на неё — ТЫК.
Как подбираются игроки?
И вот база данных собрала различные отзывы игроков и скомпоновала их в единый реестр. Как с этим может работать система?
На самом деле система работает одновременно на 2-3 системах, которые условно взаимозаменяемы и дополняют друг друга.
Из заявленных внутри патента, можно условно выделить следующие:
Система архетипов
Система степенной связи
Система наставников
Система архетипов
Один из описанных внутри патента случаев является метод по описанию каждого отдельного профиля критерием (назовем это архетипом).
Предположим ситуацию и человек набрал 500 различных отзывов о себе, пока размеренно играл и наслаждался процессом. Система подбора собрала необходимую дату, с которой она может работать и присуждать одному человеку определенный архетип, для краткой характеристики.
Внутри патента у нас есть такой пример:
Примеры даны на базовом уровне, чтобы дать общее представление. Это означает что можно допустить куда более комплексный алгоритм. Например, в патенте не ограничивают количество архетипов для одного игрока. Также мы ранее рассмотрели какого рода информация собирается с пользователей. Это дает нам право предположить, что есть архетипы по категориям:
Таким образом, система на одного «лидера», может подобрать команду до 4 командных игроков. Можно допустить что система постарается найти для «вербального агрессора» наиболее стрессоустойчивых союзников, для наставника подобрать нескольких неопытных игроков, тут можно придумывать бесконечно.
Игра жонглирует большими объемами информации, чтобы подобрать для каждого игрока наиболее оптимальный вариант союзников и противников. Происходит это каждый раз, когда он отправляет серверу запрос на поиск матча.
Система архетипов пригодна на этапе уже сформированной базы данных и мало применима для новых профилей.
Система степенной связи
Внутри патента выделяют также систему, которая занимается ранжированием игроков на основании «связей». Можно подумать, что матч пытается объединять людей из списка друзей, но на деле все частично проще и сложнее.
Система связей можно обозначить как механизм по повторному связыванию каждого отдельного игрока с другими, с кем удалось недавно столкнуться и обменяться похвалами.
Как это работает? Давайте попробую разъяснить более подробно…
Есть система трех степеней для обозначения того, что один игрок связан с другим. Так как связь рассматривается в рамках каждого конкретного игрока, мы рассмотрим несколько случаев, которые опишут степенную связь по отношению к условному игроку «Насус»:
1 степень – Формируется, когда «Насус» и «Ренектон» взаимно похвалили друг друга;
2 степень – Только «Насус» похвалил «Ренектона»;
2 степень – «Насус» похвалил «Ренектона», а «Ренектон» и «Зерат» взаимно похвалили друг друга. Тогда у «Насуса» и «Зерата» будет 2 степень;
3 степень – Ситуация похожа на предыдущую, только «Ренектон» теперь односторонне похвалил «Зерата». Тогда у «Насуса» и «Зерата» будет 3 степень;
3 степень – Предположим что между «Насусом» и «Ренектоном» уже есть 2 степень связи. Теперь, когда «Ренектон» хвалит «Зерата», у «Насуса» и «Зерата» будет 3 степень.
Последний случай возникает когда «Насус», «Ренектон» и «Зерат» уже встречаются вместе больше чем 1 матч, что означает система действует в рамках неопределенного периода, а не в контексте последнего матча в истории профиля «Насуса».
Описанные примеры чуть адаптированы напрямую из патента, однако могут отражать в себе упрощенную версию реального алгоритма подбора игроков.
Подобная система степенной связи может работать уже на профилях, которые не имеют сформированной базы данных для системы архетипов. Ничего не мешает алгоритму работать вместе с системой архетипов, уменьшая время на подбор игроков.
Система наставников
Хотя в рамках системы архетипов внутри примера был отдельный тег «Наставник», все равно выделим это в отдельную систему. Отчасти, потому что Наставника выделяют внутри самого патента, отчасти потому, что Riot неоднократно вводили и модернизировали систему наставничества для League of Legends.
В 2020 году, Riot модернизировали систему «Пригласи друга», главной темой которого являлось система стажеров и наставников. Как и внутри описываемого патента, система закидывает «Наставника» к неопытным игрокам с целью поделиться опытом и знаниями об игре, дабы стажеры быстро научились играть.
Внутри патента о системе наставника написано довольно мало, не расписаны его механизмы и способы применения. Четко определено только как Наставник помещается в очередь к неопытным игрокам. Как дается тег наставника, насколько неопытным может быть игрок по отношению к «наставнику» не разграничивается.
Пожалуй, это самая темная система и вне рамок строго контролируемых условий ее сложно представить как функционирующую или применяемую. Возможно она была рассчитана на специфичные случаи.
Итог, но это ещё не всё
Пройдясь по всему патенту, в голове могут возникнуть некоторые мысли, где вы пытаетесь определить является эта система чем-то хорошим или плохим для игрока. Может ли служить подобная система для справедливого подбора игроков и есть ли лазейки для манипуляций...
Если у вас закрались подобные мысли, как и рассуждения о SBMM (skill-based matchmaking) и EBMM (engagement-based matchmaking), попробую привести авторские мысли по этому поводу.
Так получается система работает на игрока?
Как ранее говорилось, система рассчитана на подбор оптимальной команды, дабы сформировать наиболее положительный опыт игры. Фактор оптимальной команды — эта та часть, которая определяется напрямую разработчиками системы.
Система не учитывает индивидуально каждый случай и лишена человеческого фактора, а значит она может подобрать “Наставнику” команду из четырех новичков даже тогда, когда он хотел сыграть обычный матч. Именно тогда, когда он морально не готов кого-либо учить. Также и со “стрессоустойчивым” игроком, которому раз за разом предоставляют наиболее агрессивных игроков, т.к. система думает что он с ними справится.
Невозможно придумать алгоритм, который был бы приспособлен даже к тому, что невозможно предугадать.
Возможно ли этим манипулировать?
Как уверяют Rito Games — за все время существования их систем подбора игроков, никому не удавалось взломать и злонамеренно использовать их. Я склонен им больше доверять в данном вопросе, т.к. откровенных взломов систем матчмейкинга не было примечено внутри League of Legends.
С другой стороны, у нас есть очень закрытые сообщества скриптеров, которые ведут крайне изолированные и оттого загадочные дела вокруг себя. Одним из таких темных случаев является возможный алгоритм под кодовой аббревиатурой “QBQ”, которая неизвестным способом может манипулировать системами поиска игроков.
Нет оснований утверждать, что данный алгоритм реально имеет место быть, как и нет доказанных случаев его использования. Но, существуют крайне загадочные и единичные случаи. Если вам любопытно о них узнать, как и о “QBQ” конкретно, советую посмотреть ролик ютубера CROW, он может вам дать пищу для размышления. Ссылку на его ролик можно увидеть в списке источников.
Список источников
Патенты семейства «SYSTEMS AND METHODS THAT ENABLE PLAYER MATCHING FOR MULTI-PLAYER ONLINE GAMES»
US20140025732
WO/2014/014840
US20180126281
US20220219089
Riot статьи:
