​

蒙特卡洛模拟

[!WARNING] Excel 的陷阱: 静态表格无法模拟“运气”的连续性、复杂的技能触发链以及玩家的非理性行为。只有通过海量的随机模拟，才能看到系统的真实面貌。

​

1. 为什么需要模拟? (Why Simulate?)

​

1.1 大数定律 (Law of Large Numbers)

• Excel: 期望值是 100 次掉 1 个。
• 现实: 有人 1 次就掉 (欧皇)，有人 300 次都不掉 (非酋)。
• 模拟: 运行 100万次，你会发现非酋的体验极差，从而引入“保底机制” (Pity System)。

​

1.2 涌现性平衡 (Emergent Balance)

​

2. 模拟器架构 (Simulator Architecture)

​

2.1 无头模式 (Headless Mode)

• 纯数据层: 只有 GameData、CombatLogic 和 RNG。
• 虚拟时间: 不使用 Time.deltaTime，而是使用 Tick()。

​

2.2 并行计算 (Parallelism)

• Unity Job System: 适合处理大量并行的战斗计算。
• 独立 C# 进程: 如果逻辑与 Unity 引擎解耦较好，可以直接编译一个 Console App 运行模拟，速度比 Unity Editor 快 100 倍。

​

3. 关键指标与可视化 (Metrics & Visualization)

​

3.1 TTK 分布 (Time To Kill Distribution)

• X轴: 击杀时间 (秒)。
• Y轴: 出现的次数。
• 目标: 应该是正态分布。如果出现双峰 (Bimodal)，说明有些怪物对特定 Build 过于克制。

​

3.2 生存曲线 (Survival Curve)

• 模拟 1000 次地牢探索。
• 记录玩家在第几层死亡。
• 理想曲线: 随着层数增加，存活率平滑下降。如果第 3 层存活率突然从 90% 跌到 10%，说明第 3 层难度断层。

​

3.3 经济通胀 (Economic Inflation)

• 模拟玩家 30 天的游戏行为。
• 监控金币的总产出 vs 总消耗。
• 防止后期金币溢出导致货币贬值。

​

4. 实践案例：掉落验证器 (Loot Validator)

public class LootSimulator {
    public void SimulateDrops(int iterations) {
        Dictionary<string, int> dropCounts = new Dictionary<string, int>();
        int totalRuns = 0;

        // 模拟 100万次
        Parallel.For(0, iterations, i => {
            var loot = LootTable.Roll(); // 你的掉落逻辑
            lock (dropCounts) {
                if (!dropCounts.ContainsKey(loot.id)) dropCounts[loot.id] = 0;
                dropCounts[loot.id]++;
            }
        });

        // 输出报告
        foreach (var kvp in dropCounts) {
            float rate = (float)kvp.Value / iterations * 100f;
            Console.WriteLine($"Item: {kvp.Key}, Rate: {rate:F4}% (Expected: {GetExpectedRate(kvp.Key)}%)");
        }
    }
}

​

4.2 战斗模拟 (Combat Sim)

• 输入: 玩家属性 (攻击 100, 暴击 20%)，怪物属性 (血量 5000)。
• 过程: 循环 Tick() 直到一方死亡。
• 输出: 胜率、剩余血量百分比。

​

5. 扩展阅读

• Machinations.io: 专业的游戏经济系统模拟工具。
• Diablo 3 Loot 2.0 Postmortem: 暗黑3如何通过模拟拯救了掉落系统。