随机球队的球员评分

Question

我正在研究一种算法,以便在基于团队的游戏中对各个玩家进行评分.问题是没有固定的球队 - 每次有10名球员想要比赛,他们被分成两个(有些)甚至是球队并且相互比赛.因此,对球队进行评分毫无意义,相反,我们需要依靠个人球员评分.

我希望考虑许多问题:

• 在他们的评级与经验丰富的玩家相同之前,新玩家需要某种临时排名以达到他们的"真实"评级.
• 系统需要考虑到团队可能包含各种玩家技能等级 - 例如.一个非常好,一个好,两个平庸,一个真的很穷.因此,玩家评级的简单"平均"可能是不够的,它可能需要以某种方式加权.
• 在每场比赛之后调整评级,因此算法需要基于每场比赛,而不是每个"评级期".如果出现一个好的解决方案,这可能会改变(我知道Glicko使用评级期).

请注意,作弊不是此算法的问题,因为我们还有其他验证玩家的措施.

我已经看过TrueSkill,Glicko并ELO(这是我们目前正在使用).我喜欢TrueSkill/Glicko的想法,你有一个偏差,用于确定评级的准确程度,但没有一个算法考虑随机团队的观点,似乎主要基于1v1或FFA游戏.

有人建议你在某个地方对玩家进行评分,好像每个获胜球队的球员都击败了失败球队中的所有球员(25次"决斗"),但我不确定这是否是正确的方法,因为它可能会大大夸大评级当一个真正糟糕的球员进入胜利球队并获得胜利而对失败球队的一名非常出色的球员.

欢迎任何和所有建议!

编辑:我正在寻找一个针对老牌玩家的算法+一些排名新手的方法,而不是两个组合.对困惑感到抱歉.

没有AI,玩家只能互相玩耍.游戏由赢/输决定(没有平局).

Answer 1

临时排名系统总是不完美,但更好的排名系统(例如Elo)旨在更快地调整临时评级,而不是对已建立的参与者的评级.这承认,尝试与其他玩家仅仅通过几个游戏建立能力评级本身就容易出错.

我认为你应该使用对方球队所有球员的平均评分作为确定新手球员临时评分的输入,但是只将其作为一场比赛处理,而不是作为N场比赛与N场比赛.每个游戏实际上只是一个数据样本,并且Elo系统处理这些游戏的累积以改善单个玩家随着时间的排名估计,然后切换到正常排名系统.

为简单起见,在为另一个团队的某个成员计算新的规定评级时,我也不会区分对方团队成员的既定和临时评级(除非Elo要求这样).所有这些评级都隐含了错误,因此没有必要在增加排名估算方面添加可能没什么价值的不必要的复杂性.