APEX 英雄匹配系统更新
大家好！我们是《Apex 英雄》的匹配团队。今天我们将深入分享一些关于《Apex 英雄》匹配系统的内部机制。这篇博客由 Respawn 负责改善匹配体验的多学科团队代表共同撰写，由技术总监 Samy Duc (@ricklesauceur) 管理。
匹配是一个宏大且复杂的话题，也是社区热烈讨论的焦点。我们近期对匹配系统做出了一些玩家可能已经察觉到的改动，今天我们就来聊聊这些内容。
在这篇开发者博客中，我们将探讨：
我们要开始深入解析匹配系统了，如果你想快速了解，这里有几个核心要点：
- 《Apex 英雄》目前根据你预组队中实力最强玩家的技能水平进行匹配，且我们的系统在为你匹配对手时会考虑预组小队的规模。
- 我们正在努力创造比目前更公平的比赛，特别是在你与不同水平的朋友一起玩时。
- 我们正在逐步淘汰旧的基于技能的匹配 (SBMM) 系统，转而采用一种更精确地根据技能对玩家进行分组的新系统，从而让我们的匹配算法在组建对抗时做出更明智的决策。最终目标是为所有人创造更公平、更有趣的比赛和体验。
我们一直在正式服中持续测试和迭代我们的匹配系统，以找出最有效的方案。事实上，许多改动已经针对排位赛和普通匹配（Pubs）在多个地区进行了测试和上线。而且，我们的工作尚未结束——在不久的将来，你可以期待更多的匹配系统优化。
什么是匹配系统
虽然关于匹配的定义有很多种，但让我们专注于《Apex 英雄》的处理方式。
对我们而言，匹配包含三个截然不同的概念：
- 进度（Progression）
- 技能评分（Skill Rating）
- 配对（Matching）
进度系统
进度系统是匹配中向玩家展示的部分。在《Apex 英雄》中，只要进行游戏，你就可以通过进度系统获得各种奖励。玩家会通过投入时间感受到进步和成就感。良好的进度系统能让更多玩家感到获得回馈并保持活跃，而玩家越多，匹配效果就越好。
然而，进度系统会影响游戏中的行为，并改变比赛的走向。例如，玩家可能会为了寻求刺激而在普通匹配中选择“热降（hot-drop）”，但在排位赛中，为了避免早期阵亡带来的严厉惩罚，他们会三思而后行。同样，每日和每周挑战可能会鼓励玩家选择不熟悉的传奇或武器。
基于这些原因，显然进度不仅影响玩家的参与度，它还是游戏的核心组成部分，在创建技能评分和配对系统时必须将其考虑在内。最重要的是，由于进度是面向玩家的，它会强烈影响玩家对比赛公平性的感知。例如，虽然你可能认为账号等级与技能高度相关，但情况并非总是如此。等级较低的玩家可能技术高超，而等级较高的玩家（就像我们大多数人一样……）可能操作平平。
技能评分
技能评分是玩家实力的数值体现。这个数值刻意对玩家隐藏以防止被利用。它通常基于多种代表你游戏技战术水平的因素。
为了便于解释，假设技能评分等级在 1（最差）到 10（最好）之间。如果我是 5 分，而你是 6 分，你比我强 1 分。但这究竟强出多少？为此，我们需要查看所有玩家的技能评分分布。
有两种查看技能分布的方法：
1) 连续高斯分布（正态分布）
普通匹配中的技能评分分布。
X 轴：技能评分；Y 轴：普通匹配中的玩家百分比
这张图显示了普通匹配中所有玩家的技能评分分布。你可以看到大多数玩家位于分布的中心，而分布左右两侧的极高和极低水平玩家则非常稀少。当技能评分算法能非常精确地描述玩家水平（例如，能够自信地判定 5.2 分比 5.1 分更强）时，这种连续视图非常有用。请注意，图中的分布确实存在一些我们打算修复的小问题——例如，低水平玩家之间的区分度不够：低端玩家并没有像高端玩家那样逐渐减少，而是扎堆在一起。
2) 离散分组（池子）
在这种方法中，玩家被分为 4 或 5 个巨大的离散组。例如，每个在 0-2、2-4、4-6、6-8、8-10 之间的玩家将形成各自的“池子”。在这种情况下，你会假设一个池子里的每个玩家都有相当的技能水平，这既可能是因为有意为之，也可能是因为技能评分算法无法区分这些玩家。
普通匹配中 1 天内各离散组的比赛百分比（每根柱子代表一个组）。
X 轴：组号（1 为最低水平，4 为最高水平）；Y 轴：该组比赛的百分比
上面的“池子”图表描绘了使用旧版匹配算法时的玩家技能分布。你可以看到普通匹配的匹配条件相当宽松，因为池子分得很粗。小池子代表低水平玩家和新玩家，因为我们试图让他们有时间学习游戏机制。
传统上，《Apex 英雄》一直采用“离散分组”法，但这种情况正在改变（见下文的匹配系统的未来）。
配对
最后，配对算法负责决定谁会出现在你的对局中。它利用技能评分将玩家分在一起组成一场比赛。小队和对局是根据玩家的在线情况形成的。该算法必须平衡速度与质量——我们是应该快速开启一场技能差异较大的比赛，还是应该多等一会儿来寻找实力更接近的对手？
一旦我们选择了进入比赛的潜在玩家，仍有两个大问题：
- 我们如何组建小队？
- 我们如何让小队与小队对抗？
配对可以通过多种方法完成，让我们在下一节中探讨！
好吧，那么《APEX 英雄》用的是哪种？
当匹配器试图发起一场比赛时，它会抓取 60 名技能相近的在线玩家。为了简化，假设这 60 名玩家都是独狼。根据他们的技能评分，我们如何将这些玩家组织成公平的队伍？
公平地说，以下内容并不完全等同于实际算法中发生的情况，因为我们还需要考虑排队时间和技能评分以外的其他变量。然而，以下示例将让你对《Apex 英雄》如何组建小队有一个清晰的认识。
如果我们有 9 名玩家需要分配到队伍中（技能评分从 1 到 9），有两种合理的方法从这组玩家中组建队伍。
- 我们可以组建平均技能最接近的队伍来平衡比赛。我们在普通匹配中采取这种方法。
组建最平衡的队伍 - 普通匹配。
-------------------------- 或者 --------------------------
- 我们可以组建由技能相近的玩家组成的队伍。在排位赛等完全竞技的环境中，我们更看重拥有实力相当的队友，以及较低的“一带多”负担，而不是一场完美公平的比赛。注意：虽然由于战术原因，尽管我们在这里是在对队伍进行排序，但我们挑选的玩家范围是有限的——我们只从已经进入该场比赛且技能相近的玩家中进行挑选。由于大逃杀游戏固有的随机性和混乱性，我们认为这是正确的折中方案。
组建技能相近的队伍 - 排位赛。
这涵盖了简单的情况，但在现实世界中并非如此容易，因为并非每个人都是单排。当一个预组小队进入匹配系统时，我们需要确定该小队的位置并判定其有效评分。
假设我们有一个技能评分分别为 2、6 和 7 的预组三人队。我们有哪些数学方法可以确定其队伍的有效评分？一旦我们确定了这一点，匹配系统就可以继续为单排/双排玩家寻找队友（见上文），并为该小队寻找对手。至少有 4 种方法可以计算小队的有效技能：
- 最低值（LOWEST）： 团队是由最短板定义的吗？如果是这样，匹配时我们取最低技能评分 (2)。但是，他们的实力可能比这更强。
- 最高值（HIGHEST）： 团队是由最强玩家定义的吗？如果是这样，匹配时我们取最高技能评分 (7)。但是，他们的团队实力可能比这要弱。
- 平均值（AVERAGE）： 玩家在小队中的贡献是均等的吗？如果是，团队的平均评分将是 5。但是，这真的能反映小队的获胜能力吗？
- 加权平均值（WEIGHTED AVERAGE）： 水平较高的玩家是否在“带飞”团队？如果是，或许我们应该更多地关注最强的玩家。仅在此例中，假设他们的权重比例为 50/30/20，那么队伍技能将是 (0.5 x 7) + (0.3 x 6) + (0.2 x 2) = 5.7。但是，提取这些权重并非易事，且在不同技能水平和模式下可能并不相同。
《Apex 英雄》的配对算法目前在普通匹配和排位赛中均采用**最高值（HIGHEST）**原则。它能最有效地防止针对新玩家和炸鱼行为的匹配漏洞，同时维护竞技公平性。它使得高级别玩家试图寻找低级别玩家进入简单对局的行为变得徒劳，并有助于减少“带老板（boosting）”现象。
然而，这也使得新玩家很难与实力更强的朋友一起玩耍，因为对局是根据水平较高的玩家来决定的。我们正在积极做出调整，以提高普通匹配中技能差异较大队伍的游戏公平性。
现在，让我们回到最初关于组建队伍和配对队伍的讨论。当我们达到构建一场比赛的阈值（至少 60 名技能相近的玩家）时，我们会尽力首先基于组队规模构建对局。首先是三人队，然后是双人队，最后是剩下的单排玩家。目标是通过在比赛中平衡各组规模，来抵消预组小队固有的竞技优势。我们深知，与认识的人组队相比与陌生人组队更有优势——你可能了解队友的行为习惯，你们之间有默契，沟通也更顺畅。然而，在现实中，要在匹配中凑齐 60 名技能相近且预组规模完全一致的玩家是非常困难且不太可能的，因此混合不同规模的预组队是不可避免的。
为了补救这一点，我们的新匹配算法将在补偿预组双人队和三人队的竞技优势方面表现得更好。我们已经进行了科学量化来衡量这种优势，并且一直在试验一个能随时间持续学习和更新的新系统。我们预计这套新算法将于 2023 年初开始在全球范围内推广。简而言之：预组双人队和三人队确实拥有微小的优势，这应当在匹配和技能测量过程中加成到他们的队伍技能评分中。
APEX 匹配系统的未来
在推进《Apex 英雄》的匹配系统改进时，有几点需要考虑。
首先，玩家在不断进步。第 2 赛季的金牌玩家与第 15 赛季的金牌玩家相比，技能水平大不相同。因此，有时玩家觉得自己没有进步——但这往往不是事实。大家都在一起变强，并不断为我们的段位层级设定更高的标杆。然而，这也意味着新玩家进入游戏的门槛越来越高。在考虑匹配改进时，我们必须牢记如何处理新玩家。
其次，我们目前根据你玩的模式有不同的匹配方式。每种模式都有完全不同的技能评分系统和配对算法。随着新匹配系统的应用，这种情况必须终结。未来，所有匹配都将使用相同的技能评分技术，但每种模式将根据其最佳效果使用不同的调优值。这将使我们能够更快速地全面改进《Apex 英雄》的匹配系统。
最后，我们构建了追求精确的新技能测量算法。我们以前的匹配系统将玩家分为四个离散的（包括一个新玩家专用的）技能池。新系统更加细化，拥有更多的池子。这使得我们的配对算法在将玩家放入对局时能做出更好的决策。
因此，我们将逐步停用目前的系统，并由这个新系统取代。
这套新系统根据两个目标来衡量技能并创建比赛：
- 我们需要测得的玩家技能是有意义的——也就是说，它必须能预测其表现。在《Apex 英雄》中，这意味着玩家技能需要能预测，平均而言，技能较高的队伍在战斗中能始终击败技能较低的队伍，并获得更好的排名。
目前进展：在我们跨多个队列的测试中，新的技能测量系统实现了这一目标。下图显示了随着小队相对于对手的技能评分优势增加，该小队的胜率变化。
- 当优势小于 0（图中 0 的左侧）时，意味着该小队的技能低于对手，自然我们看到其胜率低于 50%。随着技能差距扩大，胜率进一步下降。
- 优势约为 0 表示该小队与对手的技能评分相近，这意味着双方在一场遭遇战中各有 50/50 的胜率。
- 当优势大于 0（图中 0 的右侧）时，意味着该小队的技能高于对手，小队的胜率将超过 50%，并随着技能差距扩大而增加。
测试地区 5 分钟内的实时匹配排队时间。X 轴：一天中的时间；Y 轴：匹配时间。每条彩色线条代表各个技能组随时间变化的最大等待时间。你可以看到在 17:37:30 左右，高技能组为了找到公平的对局需要排队更久。新匹配系统会自动平衡排队时间和比赛技能差异。
自“月蚀（Eclipse）”（第 15 赛季）上线以来，这些系统已在某些地区和模式中上线进行测试。旧系统将逐个地区慢慢淘汰。在每一步中，我们都会衡量新系统是否按预期运行，以及改动对玩家是否积极。当这些系统在所有地方完全上线后，我们就可以开始探索对玩家技能评分的额外校正（例如，考虑你是单排、双排还是三排）。
我们希望玩家会喜欢这些改动，在进一步调整和改进的同时，我们将持续关注数据和玩家反馈。
常见问题
1. 为什么我的对局里会有更高水的平玩家？
如果你经常赢，我们并不会刻意让你进入更难的对局来阻碍你；如果你正在连败，我们也不会故意让你进入更简单的对局。我们努力让你进入有公平获胜机会的比赛——也就是处于你当前技能水平的对局。
你的技能评分是动态的，且一直在调整。 当你处于连胜时，你的技能评分会增加。这导致你被匹配到比连胜开始前更高水平的玩家——恭喜你，你正在进步！当你处于连败时，情况则相反。你可能会开始觉得游戏变得更容易，因为你的技能评分在下降，结果对手的水平也在下降。无论哪种情况，这都是系统在反映你近期技能的变化。这个过程往往较慢，因此你应该只在长连胜或连败中感受到这些变化。
你的对手状态低迷。 如果你看到一名排名远高于你的对手，他们可能恰好正经历糟糕的一天并处于连败中。就像你连败时会被分入较低水平的对局一样，你的对手可能也处于这种情况。
你恰好是比赛中水平较低的玩家。 当我们构建一场比赛时，我们需要在合理的时间内找到 60 名水平相近的玩家。然而，我们永远无法匹配到 60 名技能完全相同的玩家。玩家之间总会存在技能差异。当你进入一场比赛时，你有 50/50 的机会处于该场比赛技能分布的下半区。这种比赛变得更难或更容易的感觉，可能源于你在每场比赛中相对于对手的排名变化。未来的匹配改进旨在缩小一场比赛内的技能范围，这应该会减少这种技能差距感。
技能差异大的预组队 - 在某些游戏模式中，我们在评估预组小队时使用*最高值（HIGHEST）*配对。水平较高的玩家可能会带着水平较低的玩家进入难度更高的对局。如果你是与高水平朋友一起玩的低水平玩家，请注意你可能会被分入更难的对局。但如上所述，随着我们继续改进匹配系统，我们正在实施的新系统旨在改善这些情况。
2. 我们是否试图给高手匹配菜鸟队友？
不，我们不会故意给高手匹配菜鸟队友。玩家控制队友水平最简单的方法是事先挑选好队友，许多高水平玩家正是这样做的。话虽如此，高水平单排玩家感到遇到这种情况确实有三个原因：
- 比赛中总会存在技能范围。如果你是某场特定比赛中最强的玩家之一，你确实更有可能被分配到比你弱的队友。那是因为我们仍需为你寻找其他玩家来组建小队，而这些玩家很可能比你弱。然而，由于我们限制了每场比赛的技能范围，这种技能差距不应过大。
- 如果你处于技能分布的最顶端，无论你最终被分配到什么样的玩家，你的队友几乎总是比你弱。这是因为分布的尾部人数很少，且该区域的匹配需要极长的匹配时间、极大的技能差距或两者的某种折中（这是理想情况）。对于分布最低端的玩家也是如此，因为这部分技能分布的人数也比其他部分少。
- 高水平玩家倾向于预先组队，这加剧了第 1 点和第 2 点中的问题。
一张展示钻石及以上段位玩家在各种规模预组小队中出现频率的饼图（采样自一日数据）。
- 1：单排；2：预组双人队；3：预组三人队
- 接近 70% 的情况是预组双人队或三人队
综合来看，上述效应确实会给人一种我们在故意进行“大带小匹配”的印象。虽然这些效应不可避免，但我们正在做出改动以减轻这些问题的影响。我们的比赛中总会存在玩家技能范围，但我们最新的匹配系统旨在减少每场比赛的技能范围，且不显著改变匹配时间（除了高端局可能会有一点影响）。这个新系统已经过实时测试，结果显示——是的，我们可以实现更紧密的匹配来减轻这些问题（见下方图表）。这些改动将于 2023 年初在全球范围内推出，未来的匹配算法迭代将解决单排/双排/三排之间有效技能差异的问题。
3. 匹配系统的设计是否旨在直接优化用户留存率和参与度？
不。我们的匹配算法只关注测量技能并在合理时间内安排最公平的比赛。我们的希望是这一过程能创造出最有趣的比赛。但是，这里有一个明显的问题……你实际上无法测量乐趣。这就是留存率发挥作用的地方。留存率衡量的是日复一日、周复一周回来玩游戏的玩家比例。这就是为什么留存率对我们很重要：如果玩家玩得开心，他们就更有可能留下来。因此，如果我们看到某个特定的匹配算法提高了整体留存率，那么我们就知道我们可能为每个人改进了匹配。话虽如此，我们从未构建过直接针对留存率进行优化的算法（绝对不是参与度——说服你在平时会做其他事情的时候每天多玩一个小时，对你我都没有好处）。
*顺便提一下，*这就是匹配系统的变化需要这么长时间才能体现出来的原因！我们至少需要一个月的时间来证明其影响是有益的……有时我们最终不得不推倒重来。留存率是评估游戏趣味性的少数可靠方式之一，且只有在考虑长期内的大规模玩家群时才有意义，因此我们不得不缓慢迭代。通常情况下，除非我们看到长期留存率的积极变化，否则我们不太可能在全球范围内接受某项匹配改动，因为留存率是该改动是否改善游戏的指标。