摘要

本文提出了一种名为 Cupid 的新型框架，通过引入“重新匹配”过程来优化团队和位置分配，以提高公平性和玩家满意度。该框架包括预过滤和预匹配胜率预测模型两个关键步骤，通过同时考虑玩家的位置满意度和游戏公平性，为玩家提供更好的匹配体验。实验结果表明，Cupid 在离线和在线评估中均表现出色，显著提高了位置满意度和游戏公平性。

原理

Cupid 的工作原理主要包括以下几个步骤：

1. 预过滤：根据玩家的位置偏好和满意度约束，过滤掉不符合要求的分配方案，确保玩家能够分配到自己满意的位置。
2. 预匹配胜率预测：使用专门设计的预匹配胜率预测模型 OmniNet 评估每个潜在分配的公平性，通过预测胜率来选择最优的分配方案。
3. 重新匹配：根据预匹配胜率预测结果，对玩家进行重新匹配，以最大化游戏公平性和玩家满意度。

流程

Cupid 的工作流程如下：

1. 玩家进入游戏并选择自己的位置偏好。
2. 系统根据玩家的 MMR 和位置偏好进行匹配，形成初始的匹配结果。
3. Cupid 框架对初始匹配结果进行预过滤，去除不符合玩家满意度约束的分配方案。
4. 对剩余的分配方案，使用 OmniNet 模型进行预匹配胜率预测，得到每个分配方案的公平性得分。
5. 根据公平性得分，选择最优的分配方案，并将玩家分配到相应的团队和位置。
6. 玩家开始游戏。

应用

Cupid 框架可以应用于各种多人在线游戏，特别是需要团队合作和位置分配的游戏，如 MOBA 游戏、FPS 游戏等。通过优化团队和位置分配，提高游戏公平性和玩家满意度，从而提升玩家的游戏体验和留存率。此外，Cupid 框架还可以为游戏开发者提供有价值的数据分析和决策支持，帮助他们优化游戏设计和运营策略。