ELO算法原理及实现

CSDNhdlg

已于 2022-04-04 23:30:57 修改

阅读量8.5k

点赞数 7

文章标签： elo算法

于 2022-03-25 10:56:03 首次发布

本文链接：https://blog.csdn.net/CSDNhdlg/article/details/123729562

版权

elo等级分制度应用很广泛，大部分棋类比赛和网络游戏都会用到，比如国际象棋，我们比较熟悉的手游王者荣耀等都是应用了这个机制。

ELO计算方法：

Ra：A玩家当前的积分

Rb：B玩家当前的积分

Sa：实际胜负值，胜=1，平=0.5，负=0

Ea：预期A的胜负值，Ea=1/(1+10(Rb-Ra)/400)

Eb：预期B的胜负值，Eb=1/(1+10(Ra-Rb)/400)

E值也为预估，Ea+Eb=1

R'a：A玩家进行一场比赛之后的积分，R'a=Ra+k(Sa - Ea)；其中k是一个常量系数，k值的大小直接关系到根据胜负关系计算出的积分变化值。

通常水平越高的比赛中，其k值越小，这样做的目的是避免少数的几场比赛就能改变高端顶尖玩家的排名

class Elorating:
        ELO_RESULT_WIN = 1
        ELO_RESULT_LOSS = -1
        ELO_RESULT_TIE = 0
        ELO_RATING_DEFAULT = 1500

        ratingA = 0
        ratingB = 0

        def __init__(self, ratingA = ELO_RATING_DEFAULT, ratingB = ELO_RATING_DEFAULT):
        self.ratingA = ratingA
        self.ratingB = ratingB

        def setResult(self, result):
        scoreAwin = self.computeScore(self.ratingA, self.ratingB)
        scoreBwin = self.computeScore(self.ratingB, self.ratingA)

        score_adjust = 0
        if result == self.ELO_RESULT_WIN:
        score_adjust = 1
        elif result == self.ELO_RESULT_LOSS:
        score_adjust = 0
        else:
        score_adjust = 0.5

        self.ratingA = self.ratingA + self.computeK(self.ratingA) * (score_adjust - scoreAwin)
        self.ratingB = self.ratingB + self.computeK(self.ratingB) * (score_adjust - scoreBwin)
        
        def computeK(self, rating):
        if rating >= 2400:
        return 16
        elif rating >= 2100:
        return 24
        else:
        return 36

        def computeScore(self, rating1, rating2):
        return 1 / (1+pow(10, (rating1 - rating2) / 400))

        pass