抽卡与保底设计:概率表、硬保底与软保底、期望计算与实现

1619 字
8 分钟
抽卡与保底设计:概率表、硬保底与软保底、期望计算与实现

权重随机等基础算法见 游戏中的随机。

一、概率表#

抽卡通常分两步:先抽品质,再在该品质的卡池中抽具体的卡:

第一步:品质
五星 0.6%
四星 5.1%
三星 94.3%
第二步:该品质中的具体卡片
五星池:[角色 A(UP), 角色 B, 角色 C, ……]
四星池:[……]

分两步的好处:品质概率和具体内容分开配置,往卡池中加入新卡时,不会影响各品质的总概率。

每一步都是一次权重随机。

二、保底#

纯粹的独立随机,0.6% 的概率意味着有玩家可能抽几百次都拿不到五星,体验非常差。保底用来限制最坏的情况。

硬保底#

连续 N 次没有抽到五星,第 N 次必定是五星。

public int Pity5; // 距离上次五星已经抽了多少次
public Rarity Roll()
{
Pity5++;
if (Pity5 >= 90 || rng.NextDouble() < 0.006) // 第 90 抽必出
{
Pity5 = 0;
return Rarity.Five;
}
return RollLower();
}

软保底#

接近硬保底时,概率逐步提升,而不是一直很低、到最后一抽突然变成 100%(本文中的具体数字都只是示例):

第 1 到 73 抽:0.6%
第 74 抽起:每抽概率增加约 6%
第 90 抽:100%
double Rate5(int pull) // pull:这是距上次五星后的第几抽
{
if (pull >= 90) return 1.0;
if (pull >= 74) return 0.006 + (pull - 73) * 0.06;
return 0.006;
}

软保底让大多数玩家在 74 到 80 抽之间拿到五星,体验比”要么很早出、要么熬到 90”更平滑。这和 伪随机分布 的思路相同。

十连保底#

每十连至少有一个四星或以上。实现上同样是一个计数器:连续 9 次没有出四星,第 10 次必定是四星(或五星)。它和五星的计数器独立存在。

UP 保底(大小保底)#

限定卡池中有一个 UP 角色:

抽到五星时:
如果上一个五星"歪了"(不是 UP):这一次必定是 UP(大保底)
否则:50% 是 UP,50% 是常驻五星(小保底)
public bool LostLast50; // 上一个五星是否歪了
public int PickFiveStar()
{
if (LostLast50 || rng.NextDouble() < 0.5)
{
LostLast50 = false;
return upCharacterId;
}
LostLast50 = true;
return RandomFrom(standardFiveStars);
}

保底计数的保存#

  • 每个卡池类型各自有一套计数(角色池、武器池、常驻池),互不影响;
  • 同类型的不同期卡池之间,计数通常会继承:这一期抽了 60 次没出,下一期的同类卡池接着从 61 开始。是否继承必须在规则中写清楚;
  • 计数保存在服务器上,属于玩家的重要数据。

三、期望计算#

设基础概率为 p,硬保底在第 N 抽。抽到一个五星所需的期望抽数:

E = 1 + (1-p) + (1-p)² + … + (1-p)^(N-1) = (1 - (1-p)^N) / p

推导:第 k 抽还需要继续抽的前提是前 k-1 抽都没中,概率是 (1-p)^(k-1);把所有”需要抽第 k 次”的概率加起来就是期望次数,最多抽 N 次。

以 p = 0.6%、N = 90 为例:

(1 - 0.994^90) / 0.006 ≈ (1 - 0.582) / 0.006 ≈ 70

只有硬保底时,平均约 70 抽出一个五星。加上软保底后,平均值会进一步降低。

综合概率:公示时常说的”综合概率 1.6%“之类的数字,就是 1 / 期望抽数,即考虑了保底之后的平均出货率。

再算上 UP 保底:每个五星有 50% 是 UP,歪了之后下一个必定是 UP,所以平均每 1.5 个五星能得到一个 UP,期望抽数约为五星期望的 1.5 倍。

数值策划通常会用蒙特卡洛模拟(程序模拟几百万次抽卡)来验证这些数字,并统计分布(比如 90% 的玩家在多少抽内能拿到 UP)。

四、实现要点#

  • 抽卡必须在服务器进行:客户端只发送请求,服务器扣除货币、随机、更新保底计数、发放结果。客户端的随机可以被篡改,也可以通过断网重启来”刷”结果(见 随机与公平)。
  • 十连是一次请求:服务器一次性计算 10 次的结果并返回,保证原子性:要么全部成功,要么全部失败。
  • 重复卡的处理:转换成碎片、升星材料或者其他货币,也要在服务器上一起完成。
  • 日志:记录每一次抽卡的结果和当时的保底计数,便于审计和处理玩家投诉。
  • 概率公示:国内运营的游戏需要公示抽卡的概率,公示的数字必须与实际的实现完全一致,保底规则也要清楚说明。
  • 结果与表现分离:结果在请求返回时就确定了,开卡动画、光效的颜色只是表现。玩家跳过动画、中途切出游戏,都不会影响结果。

五、表现设计#

抽卡的表现直接影响玩家的情绪:

  • 用光效颜色、流星的数量提前暗示最高品质,制造期待;
  • 十连时先显示所有卡的轮廓,再逐个翻开,高品质的放在最后;
  • 获得新角色时播放专属的展示动画;
  • 提供跳过按钮,抽了很多次的玩家不想每次都看完整动画。

常见追问#

抽卡的概率是怎么实现的? 先按品质权重随机,再在该品质的卡池中随机具体的卡;配合保底计数器调整概率。

硬保底和软保底有什么区别? 硬保底在第 N 次必定出;软保底在接近 N 次时逐步提高概率,让出货分布更平滑。

大小保底是什么? 抽到五星时 50% 是 UP(小保底),没抽到 UP 的话,下一个五星必定是 UP(大保底)。

有保底时,出一个五星的期望抽数怎么算? (1 - (1-p)^N) / p,p 是基础概率,N 是硬保底的位置。

抽卡为什么必须放在服务器? 客户端的随机可以被篡改,或者通过断网重启刷结果;扣费、随机、保底计数和发放要在服务器上原子地完成。

保底计数要注意什么? 按卡池类型分别计数,同类卡池之间是否继承要明确;十连保底与五星保底独立计数;计数保存在服务器上。

文章分享

如果这篇文章对你有帮助,欢迎分享给更多人!

抽卡与保底设计:概率表、硬保底与软保底、期望计算与实现
https://xslab.cloud/posts/design/gacha/
作者
LuxFire
发布于
2026-10-14
许可协议
CC BY-NC-SA 4.0
相关文章 智能推荐
1
背包与物品系统设计:配置与实例、数据结构、堆叠、整理与同步
项目设计/业务系统 物品的配置与实例如何分离;可堆叠物品与带属性的独立物品;背包的数据结构选择;添加、移除、移动、拆分、整理等操作的规则与边界情况;变化通知与界面刷新;与服务器的同步;以及背包界面的实现要点。
2
存档系统设计:数据模型、序列化、版本迁移、安全写入、加密与云存档
项目设计/业务系统 存档要保存什么、存档数据与运行时对象如何分离;序列化格式的选择;存档的版本号与迁移;防止写入时崩溃导致存档损坏;保存的时机与异步保存;PlayerPrefs 的适用范围;加密与防篡改的作用和局限;云存档的冲突处理。
3
任务与成就系统设计:条件配置、事件驱动的进度统计、状态流转与重置
项目设计/业务系统 任务的类型与配置结构;把完成条件抽象成可配置的条件类型;用事件驱动进度更新以及按事件类型建立索引;任务的状态流转;每日、每周任务的重置;成就的累计统计、分级与补发;以及与服务器、红点的配合。
4
技能与 Buff 系统设计:属性、技能、效果、Buff 的拆分与数据驱动
项目设计/业务系统 技能系统的整体结构;属性系统与修改器的计算顺序;技能的释放流程、时间轴与目标选择;把技能拆成可复用的原子效果;Buff 的生命周期、叠加规则与事件触发;伤害计算的流程;数据驱动与技能编辑器;以及联网游戏中的权威与表现。
5
配置表工具链:从 Excel 到运行时数据,导出、代码生成、校验与加载
项目设计/架构 为什么需要配置表工具链;表头约定与复杂类型的表达;导出的数据格式选择;自动生成数据类与加载代码;导出时的数据校验(类型、范围、唯一性、表之间的引用);运行时的加载、索引与内存;前后端共用与字段过滤;热更新;以及多人协作中的问题。
随机文章 随机推荐
Profile Image of the Author
LuxFire
Hello, I'm LuxFire.
公告
欢迎来到我的博客!这是一则示例公告。
音乐
封面

音乐

暂未播放

0:00 0:00
暂无歌词
分类
标签
站点统计
文章
60
分类
6
标签
164
总字数
171,869
运行时长
0 天
最后活动
0 天前

文章目录