游戏策划与系统设计 / 系统课时

怎么算单次奖励的期望收益

怎么算单次奖励的期望收益

本篇解决随机奖励系统中的一个核心问题:玩家长期平均能够获得多少价值。通过数学期望计算单次奖励的平均收益,为奖励池设计、经济平衡和资源控制提供统一依据。

学习目标

  • 理解随机奖励中的期望收益含义
  • 掌握奖励概率与价值之间的计算方法
  • 能够使用期望判断奖励池是否平衡

期望收益是什么

随机奖励每次结果可能不同,但大量重复后会趋向一个平均值。这个平均值就是数学期望。

对于奖励系统,如果某奖励价值为 viv_i,出现概率为 pip_i,则单次奖励期望为:

E(X)=∑piviE(X)=\sum p_i v_i

例如一个宝箱包含三种奖励:

奖励 概率 价值
100金币 80% 100
500金币 15% 500
5000金币 5% 5000

期望收益计算如下:

E(X)=0.8×100+0.15×500+0.05×5000=395E(X)=0.8\times100+0.15\times500+0.05\times5000=395

表示玩家每开启一次宝箱,长期平均获得约 395 金币价值。

使用期望比较奖励池

不同奖励池可能有不同配置,但只看最高奖励并不能判断是否合理。

例如两个宝箱:

宝箱 高价值奖励 单次期望
宝箱 A 10000金币,低概率出现 300金币
宝箱 B 2000金币,更稳定出现 320金币

宝箱 A 看起来更刺激,但长期平均产出低于宝箱 B。设计奖励系统时,需要同时考虑玩家体验和经济系统承载能力。

期望值常用于以下场景:

  • 控制每日金币产出
  • 平衡抽卡资源消耗
  • 设计活动奖励上限
  • 比较不同奖励池成本

使用代码计算奖励期望

奖励配置通常存储在表格或数据库中,服务端可以根据概率和价值计算期望。

java
import java.util.List;

public class RewardExpectation {
    static class Reward {
        double probability;
        double value;

        Reward(double probability, double value) {
            this.probability = probability;
            this.value = value;
        }
    }

    public static double calculate(List<Reward> rewards) {
        return rewards.stream()
                .mapToDouble(reward -> reward.probability * reward.value)
                .sum();
    }

    public static void main(String[] args) {
        List<Reward> rewards = List.of(
                new Reward(0.8, 100),
                new Reward(0.15, 500),
                new Reward(0.05, 5000)
        );

        System.out.println(calculate(rewards));
    }
}

预期输出

text
395.0

期望不是玩家实际获得值

期望描述的是长期平均趋势,不代表一次抽奖结果。

玩家第一次开启宝箱可能获得最低奖励,也可能直接获得最高奖励。短期体验受到随机波动影响,因此设计系统时通常还需要结合保底机制、概率分布和玩家感知进行调整。

期望与奖励设计的边界

如果奖励价值差距过大,即使期望相同,也可能产生完全不同的玩家体验。例如两个奖励池平均价值都是 300,但一个稳定提供 300,另一个大部分时间为空、极少数时间提供 10000,玩家感受到的刺激程度会明显不同。

因此实际设计中通常同时关注:

  • 期望收益,控制长期经济平衡
  • 方差,控制随机波动程度
  • 稀有奖励出现频率,控制惊喜感

通过这些指标组合,才能设计出既可控又有反馈感的随机奖励系统。

按自己的节奏,确认真正理解。

目录与阅读设置

阅读设置

17

记录一个想法

怎么算单次奖励的期望收益

0 / 10000 · 笔记保存到账号。未提交的修改会在关闭、离开或刷新后丢失。

登录哪都通