★动态游戏难度平衡

来自维基百科

动态游戏难度平衡（DGDB），也称为动态难度调整（DDA）或动态游戏平衡（DGB），是根据玩家的能力实时自动更改视频游戏中的参数、场景和行为的过程，以避免使玩家感到无聊（如果游戏太简单）或沮丧（如果太难）。动态难度平衡的目标是从头到尾保持用户的兴趣，提供良好的挑战水平。

传统上，游戏难度在游戏过程中稳步增加（以平滑的线性方式，或通过关卡表示的步骤）。这种增加的参数（速率、频率、起始级别）只能在体验开始时通过选择难度级别来调节。尽管如此，这可能会给有经验的和没有经验的游戏玩家带来令人沮丧的体验，因为他们试图遵循预先选择的学习或难度曲线给游戏开发人员带来了许多挑战;因此，这种游戏方法并不普遍。

动态游戏元素

游戏中可能通过动态难度平衡更改的一些元素包括：

• 敌人的速度

• 敌人的生命值

• 敌人的频率

• 道具频率

• 播放器的力量

• 敌人的力量

• 游戏体验的持续时间

方法

玩家在游戏中工作，他们的分数应该反映稳定的提高。初学者应该能够取得一些进步，中级人员应该获得中级分数，有经验的玩家应该获得高分......理想情况下，进度是自动的;玩家从初学者的水平开始，当计算机识别熟练的游戏时，高级功能就会被引入。

在文献中发现了不同的方法来解决动态游戏难度平衡问题。在所有情况下，都有必要隐式或显式地衡量用户在给定时刻面临的困难。该测量可以通过启发式函数执行，一些作者称之为“挑战函数”。此函数将给定的游戏状态映射到一个值中，该值指定用户在特定时刻对游戏的感觉的难易程度。使用的启发式方法示例包括：

• 成功射击或命中率

• 赢和输棋数

• 生命点数

• 演化

• 完成某些任务的时间

...或用于计算游戏分数的任何指标。克里斯·克劳福德（Chris Crawford）说：“如果我制作一个典型球员得分与在游戏中花费的时间的函数的图表，该图表应该显示一条平滑且稳定向上倾斜的曲线。我将这样的游戏描述为具有正单调曲线”。他说，没有这种曲线的游戏似乎“要么太难，要么太容易”。([1])

Hunicke和Chapman的方法([2])控制了游戏环境设置，以使挑战更容易或更难。例如，如果游戏太难，玩家会获得更多武器，更快地恢复生命点数，或者面对更少的对手。虽然这种方法可能有效，但其应用可能会导致难以置信的情况。一种简单的方法是将这种“参数操作”与一些机制相结合，以修改非玩家角色（由计算机控制的角色，通常建模为智能代理）的行为。但是，这种调整应适度进行，以避免“橡皮筋”效应。在赛车游戏中，这种效果的一个例子是，人工智能驾驶员的车辆在玩家的车辆后面时明显变快，而在前面时明显变慢，就好像两辆车通过一个大橡皮筋连接一样。

这种代理智能的传统实现是使用在游戏开发期间定义的行为规则。格斗游戏中的典型规则是“如果对手可以到达，就打他，否则追逐他”。扩展这种方法以包括对手建模可以通过Spronck*等人进行。*的动态脚本，(3)它为每个规则分配一个被选择的概率。规则权重可以在整个游戏中根据对手的技能动态更新，从而适应特定用户。通过一个简单的机制，可以选择规则来生成对当前玩家来说既不太强也不太弱的策略。

安德拉德等.([5]) 将DGB问题分为两个维度：能力（尽可能好地学习）和绩效（尽可能好地行动）。能力与表现之间的这种二分法是众所周知的，正如诺姆·乔姆斯基（Noam Chomsky）所提出的那样，在语言学中进行了研究。([6])他们的方法通过强化学习（RL）面对两个维度。离线培训用于引导学习过程。这可以通过让代理与自身对战（自学习）、其他预编程代理或人类玩家来完成。然后，在线学习用于不断使这种初始内置智能适应每个特定的人类对手，以便发现最合适的策略来对抗他或她。关于性能，他们的想法是找到一个适当的策略来选择提供良好游戏平衡的动作，即使代理和人类玩家保持大致相同的性能水平的行动。根据玩家面临的难度，代理选择预期表现高或低的动作。对于给定的情况，如果游戏关卡太难，代理不会选择最佳动作（由 RL 框架提供），而是逐渐选择越来越少的次优动作，直到其性能与玩家一样好。同样，如果游戏关卡变得太简单，它将选择值更高的操作，可能直到达到最佳性能。

Demasi 和 Cruz([7]) 利用遗传算法技术构建了智能代理，以保持最适合用户级别的代理。使用在线协同进化是为了加快学习过程。在线协同进化使用预定义的模型（具有良好遗传特征的代理）作为遗传操作中的父母，因此进化受到它们的偏见。这些模型是通过离线训练或手工构建的，当代理基因编码足够简单时。

DGB领域的其他工作基于这样的假设，即玩家与对手的互动 - 而不是视听特征，游戏的背景或类型 - 是贡献计算机游戏中娱乐的大部分质量特征的属性。([8])基于这一基本假设，引入了一个衡量捕食者/猎物游戏实时娱乐价值的指标，并通过验证人类判断来确定高效可靠。

Yannakakis和Hallam([9])的进一步研究表明，人工神经网络（ANN）和模糊神经网络可以提取比人类设计的更好的玩家满意度估计器，前提是对挑战和好奇心进行适当的估计（根据马龙的说法，参与游戏玩法的内在定性因素）[(10]。) 游戏和人类玩家偏好数据。构建游戏玩家的用户模型的方法可以预测游戏的哪些变体或多或少有趣的答案，这种方法被定义为娱乐建模。该模型通常使用机器学习技术构建，这些技术应用于从玩家-游戏交互[(11])和/或玩家在游戏过程中记录的生理信号的统计特征中获得的游戏参数。[(12)]这种基本方法适用于各种游戏，包括计算机([9])和物理游戏。

注意事项

设计一款公平而又不可预测的游戏是很困难的。安德鲁·罗林斯和欧内斯特·亚当斯举了一个游戏的例子，该游戏根据玩家在前几个关卡中的表现来改变每个关卡的难度。玩家注意到了这一点，并制定了一种策略，通过在困难关卡之前故意在关卡中表现不佳来克服具有挑战性的关卡。作者强调了掩盖难度适应存在的重要性，以免玩家意识到这一点。

在最近的视频游戏中的使用

一个早期的困难平衡的例子可以在Zanac中找到，它由Compile于1986年开发。该游戏具有独特的自适应人工智能，其中游戏根据玩家的技能水平、射速和飞船当前的防御状态/能力自动调整难度级别。比这更早可以在中途岛1975年的枪战投币游戏中找到。这种正面交锋的射击将帮助刚刚被枪杀的玩家，通过在他们的一半游戏场地上放置一个新的附加物体，例如仙人掌植物，使他们更容易隐藏。

执政官的电脑对手会随着时间的推移慢慢适应，以帮助玩家击败它。([15])Danielle Bunten设计了M.U.L.E.和Global Conquest，以动态平衡玩家之间的游戏玩法。随机事件被调整，以便第一名的玩家永远不会幸运，最后一名的玩家永远不会倒霉。([注16])

第一款Crash Bandicoot游戏及其续集利用了“动态难度调整”系统，减慢障碍物的速度，给予额外的生命值，并根据玩家的死亡人数增加继续点数。根据游戏的首席设计师杰森·鲁宾（Jason Rubin）的说法，目标是“帮助较弱的玩家，而不会改变游戏规则以获得更好的玩家”。([注17])

视频游戏Flow以其2006年的Flash版本将精神沉浸（也称为flow）推广到视频游戏中而著称。视频游戏设计基于其中一位作者的硕士论文，后来被改编为PlayStation 3。

2006年发布的SiN剧集采用了“个人挑战系统”，其中面对的敌人的数量和韧性将根据玩家的表现而变化，以确保挑战水平和游戏进度。开发商Ritual Entertainment声称，能力水平差异很大的玩家可以在彼此的短时间内完成游戏。([注18])

2005年，生化危机4采用了一种称为“难度等级”的系统，大多数玩家都不知道，因为官方战略指南中唯一提到它。该系统以 1 到 10 的数字等级对玩家的表现进行评分，并根据玩家的表现（如死亡、暴击等）调整敌人的行为/攻击和敌人的伤害/抗性。所选难度级别将玩家锁定在一定数量;例如，在普通难度下，一个人从 4 级开始，如果表现不佳，可以下降到 2 级，如果表现良好，可以升到 7 级。难度之间的等级可以重叠。([注19])

《上帝之手》是2006年由Clover Studio开发的电子游戏，由*《生化危机4*》导演三上真司执导，由Capcom为PlayStation 2发行，在游戏过程中有一个仪表，可以调节敌人的智力和力量。当玩家成功闪避和攻击对手时，此计会增加，当玩家被击中时，该计会降低。仪表分为四个级别，最难的级别称为“级别DIE”。游戏还有三个难度，简单难度只允许仪表上升到2级，而最难的难度将仪表锁定到等级DIE。该系统在击败更高级别的敌人时也会提供更大的奖励。

2008年的视频游戏Left 4 Dead使用了一种被称为“AI导演”的人工智能技术。AI导演用于在每次玩游戏时为玩家程序化地生成不同的体验。它监控各个玩家的表现以及他们作为一个团队合作以调整游戏节奏的情况，根据收集到的信息确定攻击玩家的僵尸数量和 Boss 感染遭遇的位置。导演还决定玩家在关卡中向每个目标移动的速度;如果它检测到玩家在一个地方停留的时间太长或没有取得足够的进展，它将召唤一大群普通感染者，迫使任何玩家和AI角色离开他们当前的位置并对抗新的威胁。除了节奏之外，导演还控制游戏的一些视频和音频元素，为Boss遭遇营造氛围或将玩家的注意力吸引到某个区域。([21])Valve将导演的工作方式称为“程序叙事”，因为人工智能没有将难度级别提高到恒定的水平，而是分析玩家到目前为止在游戏中的表现，并尝试添加后续事件，以给他们一种叙事感。

Madden NFL 09引入了“Madden IQ”，它首先对球员的运动知识和各种情况下的能力进行了可选的测试。然后使用分数来控制游戏的难度。

在三消游戏 Fishdom 中，时间限制根据玩家的表现进行调整。如果玩家未能通过一个关卡，时间限制会增加，这使得任何玩家都可以在几次尝试后通关。

在 1999 年的电子游戏*《家园世界*》中，AI 在每个任务中开始的船只数量将根据游戏认为玩家舰队的强大程度进行设置。成功的玩家拥有更大的舰队，因为他们承受的损失更少。这样，随着游戏的进行，在多个任务中取得成功的玩家将开始受到越来越多的挑战。

在《辐射*：新维加斯*》和《辐射3》中，随着玩家等级的提高，更强大的敌人变体、具有更高统计数据和更好武器的敌人或新敌人将取代旧敌人以保持恒定的难度，可以使用滑块提高难度，在辐射 3 中可以获得经验加成，反之亦然。这也可以在新维加斯完成，但增加或减少难度没有任何好处。

马里奥赛车系列在比赛中提供物品，帮助个人车手领先于对手。这些物品根据驾驶员的位置进行分配，这是动态游戏难度平衡的一个例子。例如，接近场地底部的车手可能会获得一个会大幅提高速度或大幅降低对手速度的物品，而排名第一或第二的车手可能很少获得这类物品（并且可能会收到游戏中较弱的物品）。游戏的电脑赛车手也会适应玩家的速度——当领先的玩家赛车手远远落后于最好的电脑赛车手时，速度会减慢，反之亦然——因为对手的电脑赛车手首先赶上了玩家。

涉嫌用于塑造玩家购买行为

美国加州北区地方法院的集体诉讼指控游戏开发商艺电在其三个EA Sports特许经营权（Madden NFL，FIFA和NHL）中使用其专利的动态难度调整技术，涵盖可追溯到2017年版本的所有游戏。原告表示，EA使用这项技术推动玩家以玩家包的形式购买更多的战利品箱，并表示它有效地使即使是高属性的玩家也无法发挥应有的水平。

该诉讼还指出，EA在没有向玩家披露的情况下使用了这项技术，并指出EA过去曾否认在诉讼中提到的多款游戏中使用它。当被问及对这些指控的评论时，EA称这些说法“毫无根据”，并且“歪曲了我们的游戏”

其他补充：四类DDA

原作者：Caleb Compton

有一类隐藏机制相比之下更加多样化且普遍——调整游戏难度和平衡的机制。这些机制被 总称为动态难度调节（dynamic difficulty adjustment,下文简称DDA）。 DDA是电子游戏根据玩家水平调整游戏难度的过程。若玩家表现优秀，游戏将加大难度和 挑战。相反，若玩家打得很吃力，游戏可能会降低难度帮玩家度过难关。 DDA分为短期和长期两种。短期DDA与游戏的随机数生成器挂钩，目的是为了防止玩家 遇到极端情况，一直幸运或一直倒霉。这些随机系统在某些时刻对游戏进行平衡，一般不 会对游戏进程造成长远影响。 而长期DDA是根据玩家的水平调整游戏的整体难度。由于每位玩家的技能水平不同，统一 的难度等级或选项无法覆盖所有玩家的需求。长期DDA的目标是使游戏对每位玩家来说既 具有挑战性，又可克服。 最后，还有一种“永远开启”的难度调节系统。这些系统总是在游戏中呈活跃状态，在不引 起玩家察觉的情况下提高或降低游戏难度。当玩家期待游戏有所改变，当玩家的内隐行为 发生变化，这些系统将派上用场。

1.、橡皮筋效应

一种最常见，且最受批评的DDA运用被称为“橡皮筋效应”。这种应用常见于赛车游戏中 （尤其是《马里奥赛车》系列），之所以这样命名是因为玩家和电脑对手仿佛被一根橡皮 筋连了起来。 这种DDA的工作方式是，玩家领先时，电脑对手加速，玩家落后时，电脑对手减速。玩家 领先或落后得越多，电脑对手的反应就越活跃。这种DDA目的是使比赛更具“竞争性”，防 止玩家在领先或落后太多。然而它极容易被玩家察觉，并且由于电脑对手不受该系统限 制，玩家会感觉不公平。 虽然“橡皮筋效应”是赛车游戏的突出特点，许多其它类型游戏中也存在相似的机制。例如 在体育游戏中，AI对手总是在玩家领先时突然变强，或者是在RPG中，敌人随着玩家升级 而变强。 这些机制不一定总是糟糕的，但它们经常被过度使用。虽然紧张刺激的角逐令人向往，有 时把对手远远甩在后头（或者让玩家来控制电脑对手的强弱）同样能带来满足感。在许多 情况下，橡皮筋机制与其它形式的DDA并无不同，除了一点，它很容易被察觉。成功的 DDA应该是无形的——玩家永远感受不到它。

2.、短期DDA

某些DDA考虑的不是控制游戏的整体难度，而是确保玩家不会因游戏的随机数生成器而一 直幸运或倒霉。几乎所有电子游戏中都存在某种随机数生成器，当事情不如你所愿时，你 总是感觉很失落（任何连续错过90%命中率攻击的宝可梦玩家都可以证明这一点。） 另一个存在随机数生成器的游戏是《幽浮：未知敌人》（XCOM: Enemy Unknown），当 你在打普通或简单模式时。在这款策略游戏中，玩家能够看到每次攻击的命中率，然而这 些数字并不可靠——在简单模式中，实际命中率是显示命中率的120%。 此外，游戏会根据之前的情况调整这些百分比。如果玩家已经失去了队友，或者连续几次 错失目标，命中率会被调高。同样的，如果外星敌人连续多次攻击成功，它们的命中率会 被降低。 另外一个例子是《马里奥赛车》的随机道具系统。玩家越接近第一名，他们获得的道具就 越差。当玩家排在首位时只能获得金币和绿龟壳（游戏中最弱的增强道具），排在第12名时能获得极强的道具，比如蓝龟壳（能够追踪并撞倒第一名，基本上无人能挡）和炮弹比 尔，这将使玩家在短时间内全面提速，处于无敌和自动驾驶状态。 这是一种短期DDA，它基于你在比赛过程某一时刻的名次。当你使用炮弹比尔倒一跃升到 第一名，你会立刻发现自己获得的道具弱的多。这种道具分配系统会加强“橡皮筋效应”。

3、长期DDA

一种普遍的长期DDA形式是让整个游戏世界随着玩家升级而升级。《辐射》、《上古卷 轴》等游戏都运用了该系统，它将玩家的等级作为能力的代表，据此调整敌人的强弱。这 将防止玩家达到某个级别后轻松秒杀敌人而导致游戏变得过分简单。 另外一种长期DDA通过跟踪玩家的行为(比如死亡频率和升级速度)来逐渐调整难度。例 如，当玩家死亡频率过高时，游戏会通过一些微调变得更简单。这将帮助玩家通过游戏最 难的部分，防止他们进入死循环。 DDA能够调节的因素有很多，包括敌人的速度、血量、数量和灵敏性，玩家的血量或攻击 伤害，还有一些环境因素例如道具数量或时间限制。通过逐步微调这些因素，比如在玩家 每次死亡后把难度调整到一个理想的状态，使玩家无法察觉。 这样做的一个例子是《寂静岭：失落的记忆》。玩家在噩梦中被敌人追着跑，游戏会在玩 家每次死亡后慢慢调整难度，从而使玩家得以前进。他们采用的做法是移除AI敌人的一个 “感官”（如嗅觉、听觉和视觉），使敌人更难发现和追踪玩家。当玩家死亡次数达到一定 数量，游戏开始减少敌人的数量。

4、“永远开启”

最后一类DDA与前面几种不太一样，因为从技术的角度来看它们不属于难度调节。然而， 它们与DDA存在关联，因为它们以一种玩家（但愿）无法察觉的方式影响游戏难度。唯一 的区别在于它们永远处于活跃状态——它们不会基于玩家表现而变化。 一个很好的例子是《鬼泣》（Devil May Cry）系列。尽管同时面对一大群敌人感觉很刺 激，但无法抵挡背后的攻击，或者同时面临太多威胁而无力应对也会令人痛苦。这也是为 什么在这款游戏中（和许多其它游戏中），镜头以外的敌人会放慢攻击速度甚至完全停止 攻击，从而让玩家专注于他们所能看到的威胁。 《半条命》采用了相似做法。由于同时应对成群的敌人是如此困难，游戏对敌人进行设 定，最多两名敌人同时向玩家发动攻击，剩下的则在四周奔跑对玩家进行包抄。 另外一种“永远开启”的难度调节表现在游戏的碰撞系统上。例如，在许多平台游戏中，游 戏允许玩家在脱离平台边缘的一瞬间跳跃。这可以避免玩家因太慢按下跳跃键而挂掉的情 况。 相似地，物体的击中判定面积并不一定像它们呈现的那样。尽管有时这可能令人失望或产 生错误，但你也可以将它转化为有利的事物。举个例子，我们可以把一些积极的物品（如 增强道具和收集物）的击中判定面积做大一些，使它们更容易被收集。 相似地，我们也可以把地雷或导弹这类物体的判定面积缩小一些。以免玩家觉得自己躲掉 了攻击，结果还是被打中了。

热爱玩家吧

摘录自：《通关！游戏设计之道》

热爱玩家吧！一位日本游戏设计师曾告诉我，这应该是所有游戏设计者的信条。我同意他的观点，不过我有另外一种表述方法：多谢！OC游戏设计者应该是玩家身后的温柔推手，鼓励他们一直前进。游戏设计师可以利用很多系统让玩家在游戏过程中保持活力，在其他章节我们已经提到了一些，比如检查点、攀爬和趔趄、瞄准辅助、难度渐进。不过，游戏里还有很多值得探讨的东西：动态难度平衡、难度调节、橡皮筋作用、游戏长度控制以及自动保存。动态难度平衡(Dynamic Difficulty Balancing,DDB)是—种根据玩家的表现调整挑战与奖励的方法。比如，如果玩家在对敌战斗中死了很多次，那就把敌人的血减少一些，或者让敌人的攻击不那么频繁。如果玩家开启宝箱时生命垂危，那就让宝箱里蹦出个回复生命的道具—一而如果玩家并不缺血，就给他些宝藏。DDB的目标就是，给玩家真正需要的东西，助他们走向成功。难度调节机制，如果发现某项参数——比如死亡次数——太多了，就给玩家一个调低关卡难度的机会。可以让玩家手动调整，也可以自动调整。就我个人而言，我不推荐使用后者，因为很多玩家会认为那对他们是种侮辱。橡皮筋作用最早应用于赛车游戏里，每当玩家需要跟随或者追赶其他角色或车辆时，就可以使用这招。如果玩家落后太多，对手（们）的速度就会降低，好让玩家能够追赶上来。这是个了不起的解决方案，因为在空荡荡的赛道上比赛简直糟透了！事实上，游戏长度是个调节难度的好办法。以角斗场为例，如果玩家花10分钟就打败了所有坏蛋，而且剩余血量充裕，几乎用不到什么技巧，那他们一定能很好地生存下去。然而，如果花了半个小时，玩家的疲劳感和忍耐度就会慢慢下降。这和前者的差距就是，玩家可能会在这场交锋中败下阵来。关于游戏长度，下面这条非常重要：如果游戏让人感觉太长、太难或太无聊，那它很可能就是这样。相信你的感觉，卢克。当你把某个关卡玩了上千遍以后，就会清楚地知道关卡在哪里开始变得无聊了。也就是说，你必须非常小心，不要陷入我所说的“设计师的盲区”。由于你把游戏玩了许多遍，你就会想要挑战更高难度的关卡；而玩家不会像你那样玩那么多遍，他们一般只会重复玩几次，这样就产生了设计师盲区。在游戏开发过程中，这是一个非常普遍的问题，我就曾经很多次遇到过这种事情。我们会在第17关里具体谈谈这个问题怎么解决。在此期间，把关卡设计巩固一下。踢走那些无聊的部分，把枯燥的东西赶尽杀绝！如果游戏能变得更好玩，砍掉一些游戏元素并不亏本。自动保存的意思就是游戏定期自动记录并储存游戏数据。这样一来，玩家就能够集中精神玩游戏，而不用费心去惦记着存档游戏。在游戏宕机?时，或者玩家在关键部分忘记存档，又不小心死掉时，自动保存就能帮上大忙了。很多游戏只要加载一个新区域就会自动保存一下（比如《辐射3》）。在众多关于难度的例子中，我举一个反面教材。我来讲一个小故事，用以说明在设计玩家要面临的难度时，我所不赞成的方法。当时我正和一个创意总监一起复查一场同敌人的交锋战。我告诉他，我认为这场战斗还不赖，不过好像挑战性略高。

他同意我的观点，然后给我的说明是：“玩家必须死上3次才能前进。”我心里想：“真抱歉，创意总监先生，我知道你是我的老板，不过你真是个大白痴。”但这句话我终究没说出口，因为我还想保住我的饭碗。我真正的想法是，不要设计那种玩家必须死掉3次才能前进的战斗。也不应该设计这样的东西出来。玩家的死亡次数绝对不是游戏设计的尺码。用伤害和死亡“奖励”玩家是一种负强化。在《魔界英雄记》里，有一种敌人是假冒的宝箱：那是个有趣的敌人，当玩家把它“打开”时，它会像小狗一样追着玩家猛咬。不过这样造成了一个有点遗憾的影响。我见过一些玩家在打开真宝箱时也变得畏畏缩缩，因为他们以为那可能是个怪物。虽然对设计者来说，看着玩家被耍很有趣，但对玩家来说这一点儿也不好玩。这与游戏的初衷——制造乐趣——背道而驰。玩家会因此憎恨你并且不再玩这款游戏。这很糟糕，因为任何游戏设计师的终极目标都是让玩家一直玩下去。如果再设计这样的敌人，我一定会给玩家些暗示，让他们能辨识出这种敌人，并且做好迎战准备。可以简单地改变颜色，或者像《塞尔达传说：灵魂轨迹》里那样，罐子里有敌人时会不停地摇晃。我的看法是，如果能打穿整个游戏，玩家会很开心。而且会开心地告诉他的朋友他有多喜欢这款游戏，并且会非常乐意购买你的下一部作品。这是双赢之举。