基于Luck值的进阶战利品掉落系统实现方案咨询

核心需求梳理 #

先明确你的规则对应关系：

• 有效Luck值 t = log10(luck) + 4（如0.001→1，0.01→2，0.1→3，1→4）
• 稀有度对应峰值规则：t=1→r1，t=2-3→r2，t≥4→r3（每2级t提升一个峰值稀有度，可扩展至rn）
• 核心逻辑：峰值稀有度概率随t提升而增加，低稀有度概率同步衰减

方案一：滑动正态分布区块（你提到的钟形曲线方案） #

利用正态分布的集中特性，将稀有度映射到曲线区间，随t滑动峰值位置并压缩低稀有度区间，自然实现概率此消彼长。

实现步骤 #

1. 给稀有度分配数值标签：r1→1，r2→2，...，rn→n
2. 根据t计算目标峰值位置μ，控制曲线中心
3. 随t增大缩小方差σ，让曲线更尖锐，降低低稀有度的概率占比
4. 通过正态分布累积分布函数（CDF）计算每个稀有度的区间概率，再做加权随机选择

伪代码实现 #

import math
import random

def calculate_effective_luck(luck):
    return math.log10(luck) + 4

def get_peak_rarity(t, max_rarity):
    # 按规则映射t到峰值稀有度标签，可扩展至任意rn
    if t == 1:
        return 1
    elif 2 <= t <= 3:
        return 2
    else:
        # 每2级t提升一个稀有度，不超过最大稀有度
        return min(3 + ((t - 4) // 2), max_rarity)

def normal_cdf(x, mu, sigma):
    # 正态分布累积分布函数实现
    return 0.5 * (1 + math.erf((x - mu) / (sigma * math.sqrt(2))))

def generate_loot_rarity(luck, max_rarity):
    t = calculate_effective_luck(luck)
    mu = get_peak_rarity(t, max_rarity)
    # 方差随t增大而减小，最低保留0.6避免概率过于极端
    sigma = max(1.2 - 0.15 * (t - 1), 0.6)
    
    # 计算每个稀有度的区间概率
    probabilities = []
    for i in range(1, max_rarity + 1):
        lower_bound = i - 0.5
        upper_bound = i + 0.5
        prob = normal_cdf(upper_bound, mu, sigma) - normal_cdf(lower_bound, mu, sigma)
        probabilities.append(prob)
    
    # 归一化概率，解决浮点误差导致的总和偏差
    total_prob = sum(probabilities)
    probabilities = [p / total_prob for p in probabilities]
    
    # 加权随机选择稀有度
    rand_val = random.random()
    cumulative_prob = 0.0
    for idx, prob in enumerate(probabilities):
        cumulative_prob += prob
        if rand_val <= cumulative_prob:
            return f"r{idx + 1}"

方案二：动态加权概率调整（此消彼长逻辑） #

通过给每个稀有度设置基础权重，随t动态调整：提升峰值稀有度权重，按比例衰减低稀有度权重，逻辑直观易调试。

实现步骤 #

1. 定义基础权重（如r1=100，r2=50，r3=25...，可自定义）
2. 根据t确定峰值稀有度k
3. 对低稀有度（i < k）按距离k的层级衰减权重，对峰值稀有度（i=k）随t提升权重，高稀有度（i > k）轻微提升
4. 用调整后的权重执行加权随机选择

伪代码实现 #

import random

def calculate_effective_luck(luck):
    return math.log10(luck) + 4

def get_peak_rarity(t, max_rarity):
    if t == 1:
        return 1
    elif 2 <= t <= 3:
        return 2
    else:
        return min(3 + ((t - 4) // 2), max_rarity)

def generate_loot_rarity_weighted(luck, max_rarity):
    t = calculate_effective_luck(luck)
    k = get_peak_rarity(t, max_rarity)
    
    # 基础权重：稀有度越高权重越低，可自定义
    base_weights = [100 / (2 ** i) for i in range(max_rarity)]
    
    adjusted_weights = []
    for i in range(1, max_rarity + 1):
        if i < k:
            # 低稀有度衰减：距离峰值越远，衰减倍数越高
            decay_factor = 0.7 ** (k - i)
            adjusted = base_weights[i-1] * decay_factor
        elif i == k:
            # 峰值稀有度权重提升：随t在当前区间内逐步增强
            if k == 1:
                boost_factor = 1.0
            elif k == 2:
                # t=2时1.5倍权重，t=3时2倍权重
                boost_factor = 1.5 + 0.5 * (t - 2)
            else:
                # k≥3时，每级t提升0.3倍权重
                boost_factor = 2.0 + 0.3 * (t - (2*k - 2))
            adjusted = base_weights[i-1] * boost_factor
        else:
            # 高稀有度轻微提升，保证有掉落可能
            boost_factor = 1 + 0.1 * (i - k)
            adjusted = base_weights[i-1] * boost_factor
        
        # 避免权重为0，保证低稀有度始终有概率
        adjusted_weights.append(max(adjusted, 1))
    
    # 加权随机选择
    total_weight = sum(adjusted_weights)
    rand_val = random.random() * total_weight
    cumulative_weight = 0.0
    for idx, weight in enumerate(adjusted_weights):
        cumulative_weight += weight
        if rand_val <= cumulative_weight:
            return f"r{idx + 1}"

方案三：模除思路的实现 #

通过生成固定范围的随机数，随t调整各稀有度的区间占比，直接实现概率此消彼长，适合简单稀有度体系。

实现逻辑（以n=3为例） #

• 生成0-99的随机数，按t划分区间：
  • t=1：0-79→r1（80%），80-94→r2（15%），95-99→r3（5%）
  • t=2：0-49→r1（50%），50-89→r2（40%），90-99→r3（10%）
  • t=3：0-29→r1（30%），30-84→r2（55%），85-99→r3（15%）
  • t=4：0-14→r1（15%），15-54→r2（40%），55-99→r3（45%）

伪代码实现 #

import random

def calculate_effective_luck(luck):
    return math.log10(luck) + 4

def generate_loot_rarity_mod(luck):
    t = calculate_effective_luck(luck)
    rand_val = random.randint(0, 99)
    
    if t == 1:
        if rand_val < 80:
            return "r1"
        elif rand_val < 95:
            return "r2"
        else:
            return "r3"
    elif 2 <= t <=3:
        # t=2时r1占50%，t=3时r1占30%
        r1_threshold = 80 - 30*(t-1)
        # t=2时r2占40%，t=3时r2占55%
        r2_threshold = r1_threshold + (15 + 25*(t-1))
        if rand_val < r1_threshold:
            return "r1"
        elif rand_val < r2_threshold:
            return "r2"
        else:
            return "r3"
    else:
        # t≥4时，r1占比逐步降低，r3占比逐步提升
        r1_threshold = max(15 -5*(t-4), 5)  # 最低保留5%概率
        r2_threshold = r1_threshold + max(40 -5*(t-4), 20)  # r2最低保留20%
        if rand_val < r1_threshold:
            return "r1"
        elif rand_val < r2_threshold:
            return "r2"
        else:
            return "r3"

优化建议 #

1. 将概率配置（如基础权重、衰减因子）放在外部JSON文件中，无需改代码即可调整掉落曲线
2. 用蒙特卡洛模拟（如生成10000次掉落）统计各t值下的稀有度占比，验证是否符合预期
3. 若稀有度数量较多（n≥5），优先选择正态分布方案，无需手动配置每个稀有度的权重

内容的提问来源于stack exchange，提问作者BushV1per