最近做的一个游戏,策划提供了敌人移动速度的一个随机范围值,比如240—300,然后用随机数在这个范围内取一个值,但是策划发现经常敌人速度变化不是很大,这个嘛~
通常来说我们取随机值都是用的这种类似算法:
public static randomNumber(max: number, min: number): number {
return Math.round(Math.random() * (min - max) + max);
}
乍一看好像没啥问题~
但是我们试试随机1-10,10000次的情况下每一个数分别会出现几次。
let arr = [];
for (let i = 0; i < 10000; i++) {
let num = this.getRandomNumber(10, 0);
// cc.log(num);
let index = num;
!arr[index] ? arr[index] = 0 : "";
arr[index]++;
}
cc.log(arr);
结果是第一个和最后一个明显比其他概率低很多。
其实我一直知道js随机数会出现不均匀的现象。主要表现为中间的概率更高,头和尾的概率更低。(原因可能是Math.random()函数对于随机出0和1的概率是相当的低)~以前做随机道具的时候就出现过第一个道具和第六个(最后一个)道具概率特别低的情况,我的解决办法是自己写了一套均匀取随机数的方法。实现原理是将数值根据概率分成一块块的区块,然后随机取一个大范围的随机数,根据随机数所在的区块去决定取哪个随机数。但这种的局限性是效率低一点,最好用来做小范围随机。就比如说总共6个道具,随机出一个,可以做到每一个都是%16左右的概率。
public static probabilityNumber(arr: number[]) {
let max = 0;
let itemArray: { max: number, min: number, probability: number }[] = [];
let min = 1;
for (let i = 0; i < arr.length; i++) {
let value = arr[i] * 100;
let item = {
max: min + value - 1,
min: min,
probability: value,
};
min = item.max + 1;
max += value;
itemArray.push(item);
}
// cc.log("probabilityNumber ",itemArray, max);
let randomNum = Utils.randomNumber(max, 1);
for (let i = 0; i < itemArray.length; i++) {
let item = itemArray[i];
if (randomNum >= item.min && randomNum <= item.max) {
return i;
}
}
throw new Error("unknow error");
}
回到这里说敌人速度随机值不均匀的情况,结合上面的根据概率取值的方法,我写了一个新的生成随计算函数。没啥技术含量,不过是搭积木而已。但是效果好像还不错~有帮助就很好,没帮助大佬们也别见怪~
/**
* 均匀的计算随机数
* 最大值不能低于10
* @param maxSpeed
* @param minSpeed
* @returns
*/
getRandomNumber(maxSpeed: number, minSpeed: number) {
// return Utils.randomNumber(maxSpeed, minSpeed);
//先把数值拆分为若干个10等份
let arr = [];
let max = maxSpeed / 10;
let min = minSpeed / 10;
let probability = [];
for (let i = min; i < max; i++) {
let item = [];
arr.push(item);
probability.push(1);
for (let j = 0; j <= 10; j++) {
item.push((i * 10) + j);
}
}
// cc.log(" max ", max, " min ", min, arr);
//均匀地选择其中一份
let item = arr[Utils.probabilityNumber(probability)];
//这种做法还是不均匀
// return item[Utils.randomNumber(item.length - 1, 0)];
//改用概率算法
//这种做法很均匀,但是效率低一点
return item[Utils.probabilityNumber([1, 1, 1, 1, 1, 1, 1, 1, 1, 1])];
}
再来试试上面的1-10计算10000次
得到的值基本上概率还是挺接近的, 因为每一个数值我填的概率都是1(概率平均分布)