游戏中的随机:随机数生成器、权重随机、洗牌、伪随机分布与均匀采样
一、随机数生成器
计算机中的随机数都是伪随机:由一个确定的算法,从一个初始值(种子)开始,生成一串看起来随机的数。相同的种子,生成的序列完全相同。
UnityEngine.Random | System.Random | |
|---|---|---|
| 用法 | 静态方法:Random.Range(0, 10) | 创建实例:new Random(seed).Next(0, 10) |
| 状态 | 全局共享一个,所有代码都在消耗同一个序列 | 每个实例各自独立 |
| 设置种子 | Random.InitState(seed),会影响所有使用它的代码 | 构造时传入 |
| 线程 | 只能在主线程使用 | 实例本身不是线程安全的 |
Range(int, int) | 不包含最大值 | Next(min, max) 同样不包含最大值 |
Range(float, float) | 包含最大值 | NextDouble() 返回 [0, 1) |
需要可复现时,使用独立的随机数生成器:
- 关卡生成、地图生成:用关卡编号作为种子,每次生成的地图都一样;
- 回放和帧同步:所有客户端用相同的种子,逻辑中所有的随机都从它取(见 帧同步的确定性);
- 不同系统使用不同的生成器:比如掉落和战斗各用一个。共用全局随机数时,任何一处多调用一次,后面所有的随机结果都会变化,难以复现问题。
帧同步中还要注意:.NET 不保证 System.Random 在不同版本、不同平台上的算法一致,需要确定性时应该自己实现一个简单的生成器(比如 xorshift),保证所有平台完全相同。
二、权重随机
从一组选项中按权重抽取:普通 70、稀有 25、传说 5。
方法一:线性查找
public static int WeightedPick(int[] weights, System.Random rng){ int total = 0; foreach (int w in weights) total += w;
int r = rng.Next(0, total); // [0, total) for (int i = 0; i < weights.Length; i++) { if (r < weights[i]) return i; r -= weights[i]; } return weights.Length - 1;}想象把所有权重首尾相接排成一条线段,随机一个点落在哪一段,就选中哪一项。O(n),选项不多时最简单实用。
方法二:前缀和 + 二分查找
预先算好前缀和 [70, 95, 100],随机一个 [0, 100) 的数,二分查找第一个大于它的位置。预处理 O(n),每次抽取 O(log n)。适合选项多、抽取频繁、权重不常变的情况。
方法三:别名法(Alias Method)
预处理 O(n) 之后,每次抽取 O(1)。
思路:把每个选项的概率乘以 n,变成”平均高度为 1”的 n 根柱子。高于 1 的柱子把多出来的部分切下来,补到低于 1 的柱子上,最终每一列都恰好高 1,且最多由两个选项组成。抽取时:随机选一列(O(1)),再随机一次决定取这一列的哪一个选项(O(1))。
适合选项非常多、抽取极其频繁的场景(比如大规模的掉落模拟)。一般游戏中,前两种方法已经足够。
三、洗牌
Fisher-Yates
把一个数组随机打乱,每种排列出现的概率相同:
public static void Shuffle<T>(IList<T> list, System.Random rng){ for (int i = list.Count - 1; i > 0; i--) { int j = rng.Next(0, i + 1); // 在 [0, i] 中选一个,包含 i 自己 (list[i], list[j]) = (list[j], list[i]); }}从最后一个位置开始,每次从”还没确定的部分”中随机选一个放到这个位置。O(n)。
常见的错误写法
for (int i = 0; i < n; i++){ int j = rng.Next(0, n); // 错误:每次都从整个数组中选 Swap(i, j);}这种写法会产生 n^n 种等可能的过程,而排列只有 n! 种。n^n 一般不能被 n! 整除,所以有些排列出现的概率比其他排列更高,结果有偏差。
list.OrderBy(_ => rng.Next()) 也能得到随机顺序,但开销较大,并且随机的 key 重复时结果依赖于排序的稳定性,不推荐。
洗牌袋
“随机,但不要连续重复太多次”:
- 俄罗斯方块:7 种方块放进一个袋子,洗牌后依次取出,取完再重新装满洗牌。保证每 7 个方块中每种恰好出现一次,不会连续很多次都不来长条。
- 背景音乐、对话台词、关卡事件的随机播放,都可以用洗牌袋避免短时间内重复。
四、伪随机分布(PRD)
问题
“攻击有 25% 的概率暴击”,如果每次独立判定:
- 运气差时可能连续十几次都不暴击;
- 运气好时可能连续暴击好几次。
长期平均是 25%,但短期的波动会让玩家觉得”概率是假的”。
做法
Dota 等游戏使用伪随机分布:每次失败后,下一次的概率增加;成功后概率重置:
第 N 次的触发概率 = C × N (N 是距离上次触发的次数)
以名义概率 25% 为例,C 约为 8.5%: 第 1 次:8.5% 第 2 次:17% 第 3 次:25.5% …… 第 12 次:100%(必定触发)常数 C 是专门计算出来的,使得长期的平均触发率仍然等于 25%,但分布更集中:很少出现连续多次不触发,也很少连续触发。
public class PseudoRandom{ readonly float _c; int _n = 1; public PseudoRandom(float c) { _c = c; }
public bool Roll(System.Random rng) { if (rng.NextDouble() < _c * _n) { _n = 1; return true; } _n++; return false; }}C 和名义概率的对应关系可以预先用数值方法算好,做成一张表。抽卡中的保底也是类似的思路,见 抽卡与保底。
五、均匀采样
圆内随机一点
// 错误:点会集中在圆心附近float r = Random.value * radius;
// 正确:半径要开平方float r = Mathf.Sqrt(Random.value) * radius;float angle = Random.value * Mathf.PI * 2;Vector2 p = new Vector2(Mathf.Cos(angle), Mathf.Sin(angle)) * r;半径为 r 的圆环的周长与 r 成正比,越外圈”面积”越大,应该有越多的点。半径均匀取值时,内圈和外圈分到的点一样多,内圈就显得更密集。开平方后,点在面积上才是均匀的。
Unity 中可以直接使用:
| API | 结果 |
|---|---|
Random.insideUnitCircle | 单位圆内均匀的点 |
Random.insideUnitSphere | 单位球内均匀的点 |
Random.onUnitSphere | 单位球面上均匀的点(随机方向) |
Random.rotationUniform | 均匀分布的随机旋转 |
正态分布
很多”自然”的随机(身高、伤害浮动、射击散布)不是均匀的,而是集中在平均值附近。可以用 Box-Muller 变换由两个均匀随机数得到正态分布的随机数;简单的近似做法是取几个均匀随机数的平均值。
噪声
需要连续变化的随机(地形起伏、火光闪烁、相机晃动)时,用 Perlin 噪声(Mathf.PerlinNoise):相邻的输入得到相近的输出,变化平滑(应用见 屏幕震动)。
六、随机与公平
- 影响收益的随机,必须在服务器进行:掉落、抽卡、强化成功率。客户端的随机可以被修改,也可以通过反复重启来”刷”结果。
- 客户端的随机只用于表现:特效的变化、音效的选择、动画的细微差异。
- 关键概率要能复现和审计:记录种子或结果日志,便于排查玩家投诉。
常见追问
UnityEngine.Random 和 System.Random 有什么区别? 前者是全局共享状态的静态方法,只能在主线程使用;后者是独立的实例。需要可复现、不同系统互不干扰时,使用各自的实例。
权重随机怎么实现? 累加权重后随机一个数,线性查找落在哪一段,O(n);或者前缀和加二分查找,O(log n);别名法预处理后可以 O(1) 抽取。
怎么正确地洗牌? Fisher-Yates:从后往前,每次从 [0, i] 中随机选一个与第 i 个交换。每次都从整个数组中选是错误的,结果有偏差。
怎么实现”随机但不连续重复”? 洗牌袋:把所有选项放进袋子洗牌,依次取出,取完再重新洗。
什么是伪随机分布?为什么要用? 每次失败后提高下一次的概率,成功后重置,使得长期平均概率不变但分布更集中,避免连续多次不触发或连续触发带来的体验问题。
在圆内均匀取点为什么半径要开平方? 外圈的面积更大,应该分到更多的点。半径直接均匀取值会让点集中在圆心附近。
掉落、抽卡的随机应该放在哪里? 服务器。客户端的随机可以被篡改,或者被反复重启刷结果。
文章分享
如果这篇文章对你有帮助,欢迎分享给更多人!