onresize事件会被多次触发_伪随机分布与游戏中的随机事件

近期虽逢春节假期，但正值疫情严重，不宜出门。写下此文也希望能作为一篇家中读物，消磨时间。

---

概率，在各种有着“角色”与“技能”设定的游戏中，是用于设计技能的常用工具。常见的“暴击”、“击晕”等都大多是概率性触发。概率的存在，避免了只能设计为“有”或“无”的一刀切，使得通过触发频率进行平衡性调整成为了可能。

然而，这类概率事件是否触发并非完全的随机，而是使用一种被称为“伪随机”的方式。早在初中时我便听说了“随机种子”的存在，当时就奇怪，这种存在使得随机失去了无法预测的特性，从而丢失了随机的意义。后来直到大学，在通信的加密中接触到了伪随机的概念，只是仍然对于相关知识死记硬背，未能理解到其意义。直到现在结合一些对游戏机制的探究，才理解了伪随机存在的意义。

▶ 伪随机序列

把需要随机判定事件简单地看为抛硬币。那么在使用伪随机设定游戏过程中，进行一次抛硬币，并非玩家即时抛一枚硬币查看正反结果，而是有别人很久以前就抛过的硬币，此时的游戏只是将那时的结果予以复现。

只是，一场游戏不会只有一次随机事件判定，因此恒久以前的那次抛硬币也不会只抛起一次，而是有着理论上近乎无限次。这无限多次分为很多轮，每轮中的所有硬币正与反的结果构成一条顺序，这条顺序就是“伪随机序列”。

每一轮抛硬币对应一条伪随机序列，总共n轮就有n条伪随机序列。而开启游戏时，会从这n条序列中选取一条，作为本场游戏中所有硬币正反的依据。这次选取，才是真正的随机，是真正的不可被预测的独立事件。

▶ 为什么要用伪随机序列？

只要有一些数理意识就会敏感地发现，如此简单地复现以前的结果是破坏随机的不可预测性的。事实也的确如此。但伪随机序列存在的最大优越性在于，平衡随机的分布。由于每一条序列都可以被观察并筛选。这个筛选过程可以帮助剔除掉一些极端情况，如在游戏中可体现为“一直不暴击”和“一直连着暴击”。筛选掉极端情况，以此使得玩家感受到的触发概率与设定上的相等，以此保护玩家体验。

至于伪随机的唯一缺点，可借由增加伪随机序列总数，即前文提及的n来解决。如果要借用伪随机的特性来“预知未来”，前提是要保证未来和已知的“时间线”完全相同。而当n的数值越大，对于一名玩家而言就越难遭遇两次相同的伪随机序列，越难出现“时间线”相同。

▶ 应用伪随机序列

首先是伪随机序列的选取。这次选取会是一个真正的随机，会调用随机函数来处理，选择的依据可以由时间、硬盘序列号等来组成，组成的依据被称为“随机种子”，可以理解为诸多时间线的序号。随机种子一般默认使用时间。在游戏以外的一些场合，如果对随机的不可预测性要求更高，可以采用更为离谱的客观变量，例如网站http://random.org/使用大气噪音生成随机数。但是，用计算机模拟的就不可能是真随机，只能尽量模拟不可近似性。

其次，游戏中的随机事件多，概率并不均等，因此对于它们是否触发的判定无法直接调用相同的序列来解决。但是，如果概率之间存在倍数关系，则可以通过考察序列中多次值来进行判定。举例说明：假定有一伪随机序列，包含0与1，分布概率各位50%。则用于50%概率事件判定可直接调用作为判定依据；用于25%概率事件判定则可每2位作为一次判定依据。

不过，某些概率值将占用序列中的很多位来计算，甚至有些不可转化为分数的数值无法计算。为了计算方便，多数游戏中随机事件触发概率会有不少的相等数值和倍数关系数值；以及，许多公布的数值很可能经过取整，与实际值不等。

当然，上述举例中不同概率事件采用了同一伪随机序列，实际上也可以采用不同的序列。

除此以外，因为伪随机序列是经过筛选保证总体分布均匀的，故每次判定不再是独立事件了。这意味着，如果出现连续多次不触发，下一次触发的概率就大大上升了。反之，触发一次过后的下一次，连续触发的可能性就大幅降低了。

▶ 在明日方舟中预知未来

游戏《明日方舟》中有一种名为“代理作战”的存在，意味记录玩家的操作过程并复现来实现自动作战。但是实际上被复现的不只是玩家的操作，还有伪随机。而且每次作战只会采用一条伪随机序列，被所有角色和技能共享。这使得“预知未来”的难度大幅降低，借由“预知未来”获益的门槛也大幅降低。通过控制一条序列中的判定依据分配，可以使得集中在某些情况下的概率事件判定全部判定为“触发”。说得通俗一些，先行测试一条伪随机序列，定位序列中一段有连续多个“1”的位置，再通过使用别的概率事件把这段位置前的所有位顶掉，可以实现某位干员在吃到Buff后的每次攻击都触发暴击。

▶ 不是一条序列，而是实时算法

借由这种破坏掉随机事件独立性，也可用于算法主动生成伪随机序列，这就是“伪独立叠加”。譬如一个概率的事件，首次判定时设定概率为C，若不触发，下次判定时变为2C，以此类推，第N次P（N）= C×N，直至触发后，再将此概率重置为C。只要保证基于该算法下的宏观上触发概率与真随机需要的概率相等，这一方式便不破坏平衡性。这样使用算法就不会占用预置伪随机序列的存储空间了。

事实上，现下多数竞技性游戏中涉及的伪随机也是采用这种或类似方式，而不会真的去构建一堆庞大的、保密的伪随机序列，例如Dota2：

Random distribution​dota2.gamepedia.com

至于上文提到的明日方舟，实在是少数。这也应该与游戏过程中需要进行随机判定的次数有关。明日方舟最持久的作战应该是剿灭作战，一般20~30分钟左右，可带入干员12位，轮流上场，有天赋和技能两种可能涉及概率的需求。而Dota2一般30~40分钟，10名英雄同时上场，有4个技能和无法肯定数值的装备，除此之外野怪等也拥有技能，线下版本还要考虑野怪掉落装备的概率，总体涉及概率事件的量相当庞大。

因为第N次的概率为C×N，且N为自然数，所以必定存在N使得C×N ≥ 100%，即必定触发此概率事件。例如Dota2触发率为35%的技能“剑舞”，第七次触发概率为112%，八次不暴的可能性直接从游戏机制的层面被彻底移除了。这也是前面所述的避免极端概率事件出现的一种体现。

▶ 游戏以外

除了游戏以外，几乎所有涉及“随机”的地方都有伪随机的使用空间，比如音乐播放软件的随机播放功能。可以查到新闻，iTunes以前使用的是每次独立的随机，遭用户投诉后改为伪随机。不过显然，这里的伪随机并不需要上一节的那种叠加法，而是简单地将播放列表乱序即可。这也是除了先生成、后筛选以外，另一种生成伪随机序列的常用方式：洗牌法。

再例举一处我个人很赞赏的应用方式：模拟现实。随机虽为随机，但也可以有分布上的要求，例如高斯、泊松等。在用于模拟现实的作业中，这种“带有条件的随机”是广泛存在的。模拟一片墙壁，何处干净，何处着灰？模拟一片草地，何处泥土，何处芳草？而伪随机使得筛选随机结果使满足要求成为了可能。Cinema 4D中的噪声着色器便是伪随机，可以借由“种子”模拟不同的随机结果。此处有一个Cinema 4D中，把噪声着色器生成的二维纹理作为三维置换贴图加以演示的案例，可以用于感受什么是“带有条件的随机”：

C4D噪声着色器的32种形式完美展现_哔哩哔哩 (゜-゜)つロ 干杯~-bilibili​www.bilibili.com

【完】