論文の概要: Identifying and Clustering Counter Relationships of Team Compositions in PvP Games for Efficient Balance Analysis
- arxiv url: http://arxiv.org/abs/2408.17180v1
- Date: Fri, 30 Aug 2024 10:28:36 GMT
- ステータス: 処理完了
- システム内更新日: 2024-09-02 15:38:25.345093
- Title: Identifying and Clustering Counter Relationships of Team Compositions in PvP Games for Efficient Balance Analysis
- Title（参考訳）: 効率的なバランス解析のためのPvPゲームにおけるチーム構成の同定とクラスタリングカウンタ関係
- Authors: Chiu-Chou Lin, Yu-Wei Shih, Kuei-Ting Kuo, Yu-Cheng Chen, Chien-Hua Chen, Wei-Chen Chiu, I-Chen Wu,
- Abstract要約: ゼロサム競争シナリオにおけるバランスを定量化する尺度を開発する。
我々は、合成の有用なカテゴリを特定し、それらのカウンター関係をピンポイントする。
私たちのフレームワークは、Eage of Empires II、Hearthstone、Brawl Stars、League of Legendsなど、人気のあるオンラインゲームで検証されています。
- 参考スコア（独自算出の注目度）: 24.683917771144536
- License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
- Abstract: How can balance be quantified in game settings? This question is crucial for game designers, especially in player-versus-player (PvP) games, where analyzing the strength relations among predefined team compositions-such as hero combinations in multiplayer online battle arena (MOBA) games or decks in card games-is essential for enhancing gameplay and achieving balance. We have developed two advanced measures that extend beyond the simplistic win rate to quantify balance in zero-sum competitive scenarios. These measures are derived from win value estimations, which employ strength rating approximations via the Bradley-Terry model and counter relationship approximations via vector quantization, significantly reducing the computational complexity associated with traditional win value estimations. Throughout the learning process of these models, we identify useful categories of compositions and pinpoint their counter relationships, aligning with the experiences of human players without requiring specific game knowledge. Our methodology hinges on a simple technique to enhance codebook utilization in discrete representation with a deterministic vector quantization process for an extremely small state space. Our framework has been validated in popular online games, including Age of Empires II, Hearthstone, Brawl Stars, and League of Legends. The accuracy of the observed strength relations in these games is comparable to traditional pairwise win value predictions, while also offering a more manageable complexity for analysis. Ultimately, our findings contribute to a deeper understanding of PvP game dynamics and present a methodology that significantly improves game balance evaluation and design.
- Abstract（参考訳）: ゲーム設定でどのようにバランスを定量化できるか?
この問題はゲームデザイナ、特にPvPゲームにおいて、マルチプレイヤーオンラインバトルアリーナ(MOBA)ゲームにおけるヒーローの組み合わせやカードゲームにおけるデッキなど、事前に定義されたチーム構成間の強度関係を分析することが、ゲームプレイの強化とバランス達成に不可欠である。
我々は、ゼロサム競争シナリオにおけるバランスを定量化するために、単純勝率を超えて拡張する2つの先進的な尺度を開発した。
これらの測定は、Bradley-Terryモデルによる強度評価近似とベクトル量子化による相関関係近似を用いて、従来の勝利値推定に付随する計算複雑性を著しく低減した勝利値推定から導かれる。
これらのモデルの学習過程を通じて、構成の有用なカテゴリを特定し、特定のゲーム知識を必要とせず、人間のプレイヤの経験と整合して、それらの対向関係を見極める。
本手法は, 決定論的ベクトル量子化プロセスを用いて, 離散表現におけるコードブックの利用性を高めるための, 極めて小さな状態空間に対する簡単な手法に基づく。
私たちのフレームワークは、Eage of Empires II、Hearthstone、Brawl Stars、League of Legendsなど、人気のあるオンラインゲームで検証されています。
これらのゲームにおける観測された強度関係の精度は、従来の対の勝利値予測に匹敵するが、解析の複雑さもより管理しやすい。
最終的に,本研究はPvPゲーム力学の深い理解に寄与し,ゲームバランスの評価と設計を大幅に改善する方法論を提案する。
関連論文リスト
- Imperfect-Recall Games: Equilibrium Concepts and Their Complexity [74.01381499760288]
エージェントが以前保持していた情報を忘れたとき、不完全なリコールの下で最適な意思決定を行う。
不完全なリコールを伴う広範囲形式のゲームフレームワークにおいて、マルチプレイヤー設定における平衡を求める際の計算複雑性を解析する。
論文 参考訳（メタデータ） (2024-06-23T00:27:28Z) - Securing Equal Share: A Principled Approach for Learning Multiplayer Symmetric Games [21.168085154982712]
マルチプレイヤーゲームにおける平衡は、一意でも爆発的でもない。
本稿では,平等な共有という自然な目的に焦点をあてることで,これらの課題に対処するための最初の一歩を踏み出す。
我々は、様々な設定でほぼ同じシェアを確実に得る、非回帰学習にインスパイアされた、一連の効率的なアルゴリズムを設計する。
論文 参考訳（メタデータ） (2024-06-06T15:59:17Z) - Neural Population Learning beyond Symmetric Zero-sum Games [52.20454809055356]
我々はNuPL-JPSROという,スキルの伝達学習の恩恵を受けるニューラル集団学習アルゴリズムを導入し,ゲームの粗相関(CCE)に収束する。
本研究は, 均衡収束型集団学習を大規模かつ汎用的に実施可能であることを示す。
論文 参考訳（メタデータ） (2024-01-10T12:56:24Z) - Estimation of control area in badminton doubles with pose information
from top and back view drone videos [11.679451300997016]
我々はバドミントンダブルスでトップとバックビューから最初の注釈付きドローンデータセットを提示する。
チームワークのパフォーマンスを評価するために,制御領域の確率マップを推定するフレームワークを提案する。
論文 参考訳（メタデータ） (2023-05-07T11:18:39Z) - Learning Correlated Equilibria in Mean-Field Games [62.14589406821103]
我々は平均場相関と粗相関平衡の概念を発展させる。
ゲームの構造に関する仮定を必要とせず,効率よくゲーム内で学習できることが示される。
論文 参考訳（メタデータ） (2022-08-22T08:31:46Z) - Collusion Detection in Team-Based Multiplayer Games [57.153233321515984]
チームベースのマルチプレイヤーゲームにおいて,協調動作を検出するシステムを提案する。
提案手法は,ゲーム内行動パターンと組み合わせたプレイヤーの社会的関係を解析する。
次に,非教師なし学習手法であるアイソレーションフォレストによる検出を自動化する。
論文 参考訳（メタデータ） (2022-03-10T02:37:39Z) - Towards convergence to Nash equilibria in two-team zero-sum games [17.4461045395989]
2チームゼロサムゲームは、プレイヤーが2つの競合するエージェントに分割されるマルチプレイヤーゲームとして定義される。
我々はNash equilibria(NE)の解の概念に焦点をあてる。
このクラスのゲームに対する計算 NE は、複雑性クラス $mathrm$ に対して $textithard$ であることを示す。
論文 参考訳（メタデータ） (2021-11-07T21:15:35Z) - Contextual Games: Multi-Agent Learning with Side Information [57.76996806603094]
各ラウンドでコンテキスト情報によって駆動されるコンテキストゲームの新しいクラスを定式化する。
カーネルベースの規則性仮定を用いて、異なるコンテキストとゲーム結果の相関関係をモデル化する。
本研究では,個々のプレイヤーの文脈的後悔を最小限に抑えるために,そのような相関を利用した新しいオンライン(メタ)アルゴリズムを提案する。
論文 参考訳（メタデータ） (2021-07-13T18:37:37Z) - Learning to Play Sequential Games versus Unknown Opponents [93.8672371143881]
学習者が最初にプレーするゲームと、選択した行動に反応する相手との連続的なゲームについて考察する。
対戦相手の対戦相手列と対戦する際,学習者に対して新しいアルゴリズムを提案する。
我々の結果には、相手の反応の正則性に依存するアルゴリズムの後悔の保証が含まれている。
論文 参考訳（メタデータ） (2020-07-10T09:33:05Z) - Metagame Autobalancing for Competitive Multiplayer Games [0.10499611180329801]
ゲーム設計において,マルチプレイヤーゲームのバランスをとるためのツールを提案する。
我々のアプローチでは,設計者がメタゲームターゲットの直感的なグラフィカル表現を構築する必要がある。
このツールの能力は、Rock-Paper-Scissors から継承された例や、より複雑な非対称戦闘ゲームにおいて示す。
論文 参考訳（メタデータ） (2020-06-08T08:55:30Z)
関連論文リストは本サイト内にある論文のタイトル・アブストラクトから自動的に作成しています。
指定された論文の情報です。
本サイトの運営者は本サイト（すべての情報・翻訳含む）の品質を保証せず、本サイト（すべての情報・翻訳含む）を使用して発生したあらゆる結果について一切の責任を負いません。