二、試述運(yùn)動教育與傳統(tǒng)動作技能教學(xué)的比較

試述運(yùn)動教育與傳統(tǒng)動作技能教學(xué)的區(qū)別：

1、傳統(tǒng)教育重點(diǎn)放在一種具體的練習(xí)或一種技能的分析上；運(yùn)動教育的重點(diǎn)放在運(yùn)動思想或概念上，突出整體性。

2、傳統(tǒng)教育要求立刻做出反應(yīng)；運(yùn)動教育在解決問題或?qū)嶒炛薪o予幼兒時間進(jìn)行思考。

3、傳統(tǒng)教育要求反應(yīng)一致；運(yùn)動教育允許反應(yīng)的多樣性，尊重個體差異。

4、傳統(tǒng)教育重點(diǎn)放在教師是作為知識的傳授者、“正確方法”的示范者；運(yùn)動教育重點(diǎn)放在幼兒的發(fā)現(xiàn)和學(xué)習(xí)上，教師對運(yùn)動的種類及其特性進(jìn)行充分的講解示范。

幼兒的動作技能進(jìn)入快速發(fā)展期時，存在很大的個體差異。矮小瘦弱的孩子學(xué)習(xí)技能可能會慢一點(diǎn)。幼兒期孩子對動作技能的掌握是在日常游戲中進(jìn)行的。

當(dāng)孩子擁有適合跑步、爬行、跳遠(yuǎn)、投擲的游戲場所并得到鼓勵時，他們會熱情高漲地參加活動。

日常生活中，倒果汁、自己穿衣服、玩字謎游戲、構(gòu)建游戲、畫畫、雕刻、修剪、粘貼等活動會促進(jìn)精細(xì)動作的發(fā)展。

除投擲外，沒證據(jù)表明其他訓(xùn)練可以讓幼兒的動作技能發(fā)展得更快。

成人對幼兒活動的參與，應(yīng)注重樂趣而不是掌握正確的技術(shù)。

如果家長批評孩子做得不好，或強(qiáng)迫其進(jìn)行動作技能訓(xùn)練，會影響幼兒的自信，阻礙他們的動作發(fā)展。

三、游戲攻擊判定的三種模式

轉(zhuǎn)自：

攻擊判定流程幾乎是所有包含戰(zhàn)斗玩法的游戲都無法繞過的一塊內(nèi)容，常見的攻擊判定流程有瀑布算法、圓桌算法以及混合算法三種。本文簡述了這三種判定流程的特征，以實(shí)例對比分析了瀑布算法與圓桌算法各自的優(yōu)點(diǎn)，以期為后續(xù)其他戰(zhàn)斗數(shù)值設(shè)計內(nèi)容的論述提供一定的基礎(chǔ)。

攻擊判定流程概述

自此開始正文內(nèi)容的敘述——讓我們直接代入一個實(shí)例：

在一款游戲中，攻擊方有命中率和暴擊率兩個攻擊屬性，而防守方有閃避率、招架率和格擋率三個防御屬性。于是相應(yīng)的，一次攻擊有可能產(chǎn)生6種判定結(jié)果：未命中、普通命中、閃避、招架、格擋和暴擊。當(dāng)采用不同的判定流程進(jìn)行攻擊結(jié)算時，6種判定結(jié)果出現(xiàn)的頻率會截然不同。

1.瀑布算法

顧名思義，在瀑布算法中，各事件的判定順序如同瀑布一般自上而下。如果“水流”在某個位置被截斷，則后面的流程都將不再繼續(xù)進(jìn)行。據(jù)我所知，瀑布算法是大多數(shù)游戲所采用的攻擊判定算法。

上述實(shí)例若采用瀑布算法，則會以如下方式進(jìn)行判定：

先判定攻方是否命中

再判定是否被守方閃避

再判定是否被守方招架

再判斷是否被守方格擋

最后判定該次攻擊是否為暴擊

瀑布算法流程圖

由此我們可以得出：

瀑布算法特征1：多次擲骰，一次擲骰只判定單個事件的發(fā)生與否

瀑布算法特征2：后置判定依賴于前置判定的通過

注：有的游戲會將命中和閃避合并在一次擲骰中判定，這意味著將攻方命中率與守方閃避率合并計算出實(shí)際擊中概率后再進(jìn)行擲骰判定，仍是瀑布算法

我們再代入一些具體的數(shù)值，設(shè)攻守雙方角色的面板屬性如下：

攻方命中率=90%

攻方暴擊率=25%

守方閃避率=20%

守方招架率=15%

守方格擋率=30%

按照上述的流程判定，6種判定結(jié)果將會按如下的概率分布：

實(shí)際未命中概率=1-命中率=1-90%=10%

實(shí)際閃避概率=命中率*閃避率=90%*20%=18%

實(shí)際招架概率=命中率*（1-閃避率）*招架率=90%*(1-20%）*15%=10.8%

實(shí)際格擋概率=命中率*（1-閃避率）*（1-招架率）*格擋率=90%*(1-20%)*(1-15%)*30%=18.36%

實(shí)際暴擊概率=命中率*（1-閃避率）*（1-招架率）*（1-格擋率）*暴擊率=90%*(1-20%)*(1-15%)*(1-30%)*25%=10.71%

實(shí)際普通命中概率=命中率*（1-閃避率）*（1-招架率）*（1-格擋率）*（1-暴擊率）=90%*(1-20%)*(1-15%)*(1-30%)*(1-25%)=32.13%

瀑布算法的判定結(jié)果分布

由此我們可以得出：

l瀑布算法特征3：各事件出現(xiàn)的概率符合經(jīng)典的概率計算方法

l瀑布算法特征4：擲骰輪次越偏后的屬性衰減程度越大，但不會出現(xiàn)無效的屬性

2.圓桌算法

將所有可能出現(xiàn)的事件集合抽象成一個圓桌桌面，便是圓桌算法這一稱呼的由來。圓桌算法的實(shí)質(zhì)，是將所有可能發(fā)生的事件狀態(tài)按優(yōu)先級依次放上桌面，直至所有事件被放完或桌面被填滿。圓桌算法正是史詩級巨作魔獸世界中所采用的算法。據(jù)筆者了解，使用該算法的游戲并不多見，但即便僅魔獸世界這一款，已足以使這種算法成為永恒的經(jīng)典~

上述實(shí)例若采用圓桌算法，則會用一次擲骰判定該次攻擊的結(jié)果。

圓桌算法流程圖

圓桌算法的操作步驟可以歸納為：

（1）攻方角色的命中率決定圓桌桌面的大小

（2）將各個事件狀態(tài)按優(yōu)先級依次放上桌面，直至所有的事件均放置完或桌面被填滿

（3）若桌面還未填滿，則用普通命中填滿空桌面

將先前設(shè)定的數(shù)值代入，6種判定結(jié)果將會按如下的概率分布：

實(shí)際未命中概率=10%

實(shí)際閃避概率=20%

實(shí)際招架概率=15%

實(shí)際格擋概率=30%

實(shí)際暴擊概率=25%

實(shí)際普通命中概率=90%-實(shí)際閃避概率-實(shí)際招架概率-實(shí)際格擋概率-實(shí)際暴擊概率=90%-20%-15%-30%-25%=0%

注：在上述計算中，優(yōu)先級按如下排序：閃避>招架>格擋>暴擊>普通命中

圓桌算法的判定結(jié)果分布

可以看出，由于普通命中的優(yōu)先級最低，所以它被完全擠出了桌面。這意味著，若攻守雙方以此數(shù)值模型進(jìn)行對決，則攻擊方的攻擊結(jié)果中將不存在普通命中。

由此我們可以得出：

圓桌算法特征1：一次擲骰即得出該次攻擊的判定結(jié)果

圓桌算法特征2：事件有優(yōu)先級，圓桌放滿后優(yōu)先級低的事件將被擠出桌面。這意味著那部分溢出的屬性將不再生效

圓桌算法特征3：圓桌內(nèi)的各事件出現(xiàn)概率不會衰減，只要優(yōu)先級低的屬性沒有被擠出圓桌，各種事件的實(shí)際發(fā)生概率就與面板屬性數(shù)值吻合

3.混合算法

這是一種先判定攻方事件，再判定守方事件的判定流程。筆者曾在一篇帖子中看到過這樣判定流程，不確定是否有實(shí)際的游戲應(yīng)用，故僅在此做一些簡單的理論分析。

混合算法在單方事件的判定中采用圓桌算法，即：

攻方判定結(jié)果：普通命中OR未命中OR暴擊

守方判定結(jié)果：閃避OR招架OR格擋OR被命中

混合算法流程圖

注：上面這個圖僅作示意之用，從流程圖的角度來看可能不太嚴(yán)謹(jǐn)

將先前設(shè)定的數(shù)值代入，6種判定結(jié)果將會按如下的概率分布：

實(shí)際未命中概率=10%

實(shí)際閃避概率=攻方命中率*閃避率=90%*20%=18%

實(shí)際招架概率=攻方命中率*招架率=90%*15%=13.5%

實(shí)際格擋概率=攻方命中率*格擋率=90%*30%=27%

實(shí)際暴擊概率=攻方暴擊率*敵方被命中概率=25%*(1-20%-15%-30%)=8.75%

實(shí)際普通命中概率=攻方普通命中概率*敵方被命中概率=(90%-25%)*(1-20%-15%-30%)=22.75%

混合算法的判定結(jié)果分布

由此我們可以得出：

混合算法特征1：先判定攻方事件，再判定守方事件，共進(jìn)行兩次擲骰

混合算法特征2：先在單方事件的判定中采用圓桌算法，再用瀑布算法串聯(lián)攻守雙方事件

混合算法特征3：會產(chǎn)生并發(fā)動作，例如暴擊被閃避等

注：這也正是實(shí)際暴擊率較低原因所在

瀑布算法與圓桌算法的特性對比

在上一塊內(nèi)容的鋪墊之下，我們不妨繼續(xù)以魔獸世界中的攻擊判定流程設(shè)計實(shí)例作為切入點(diǎn)，對比分析一下圓桌算法與瀑布算法各自的特性。

（1）面板屬性傳遞信息的直觀性

瀑布：由于各屬性在判定流程上的生效時間有先后之分，所以各屬性的實(shí)際效用與面板顯示的不符。

圓桌：由于屬性的判定沒有先后之分，只要沒有屬性被擠出圓桌，則所有屬性的實(shí)際效用與面板顯示的相當(dāng)。

這里可以看出圓桌算法的優(yōu)點(diǎn)：

屬性的實(shí)際效用與面板顯示相符顯然更易于普通玩家的理解，便于玩家掌握自身的戰(zhàn)力情況。

（2）屬性的價值

瀑布：擲骰輪次越偏后的屬性衰減程度越大，但所有的屬性均會生效。

圓桌：只要沒有屬性被擠出圓桌，則不存在屬性效用的衰減。

這里可以看出圓桌算法的優(yōu)點(diǎn)：

由于不存在判定流程上的先后，所以各屬性的實(shí)際價值會比較接近，一般不會出現(xiàn)玩家堆了某個判定流程靠后的屬性結(jié)果很廢的情況。

同樣也可以看出其缺點(diǎn)：

一旦有屬性溢出，則該部分屬性的效用為0，完全沒有價值。

（3）相同面板數(shù)值下的生存能力

圓桌：在面板數(shù)值相同的情況下，魔獸世界用圓桌算法大大提高了坦克角色的生存能力，使得他們可以應(yīng)對來自首領(lǐng)怪的超高攻擊，匹配大型團(tuán)隊副本的玩法設(shè)計。

瀑布算法下，免傷概率=18%+10.8%+18.36%=47.16%

圓桌算法下，免傷概率=20%+15%+30%=65%

傳統(tǒng)的概率為相乘關(guān)系，圓桌為相加關(guān)系，后者的概率總和要大的多

當(dāng)防御職業(yè)將三維堆至一個閾值（70%）后，配合技能可達(dá)100%的免傷覆蓋，將命中和暴擊全部擠出桌面，從而衍生出特定的玩法（70級年代伊利丹的剪切技能）。

瀑布：相同的面板數(shù)值在瀑布算法的框架下，免傷概率相較于圓桌算法要低得多。換言之，角色達(dá)到相同的有效生命值，所需的免傷屬性要高得多。

這里可以看出：

在圓桌算法的框架之下，屬性投放若是脫離了控制超過了閾值，將對平衡性產(chǎn)生較大的沖擊（70級的盜賊單刷格魯爾——當(dāng)然在暴雪光環(huán)的作用下，玩家會認(rèn)為這是精妙的設(shè)計~）。

在國產(chǎn)游戲收入導(dǎo)向的大環(huán)境下，設(shè)計者是否能頂住收入壓力，嚴(yán)守屬性投放的極值不越界，是值得慎思的問題。采用瀑布算法，能有更大的數(shù)值空間用于能力投放，更為適合現(xiàn)階段的市場環(huán)境。

（4）運(yùn)算量

瀑布：多次擲骰

圓桌：單次擲骰

顯而易見：

擲骰次數(shù)越多，運(yùn)算量越大。圓桌相較于瀑布，有著相對較小的運(yùn)算量。簡單即是美。

注：除魔獸世界外，《冒險與挖礦》的技能施放也采用了圓桌算法，大大簡化了技能施放的判定流程。可以想象一下，一次攻擊至多發(fā)動一個技能。而每一次攻擊，一個隊伍中有幾十個角色的技能施放需要判定，如果采用瀑布算法，將產(chǎn)生多大的運(yùn)算量。

思考與總結(jié)

對戰(zhàn)斗數(shù)值的研究，應(yīng)該基于理論推導(dǎo)而歸于實(shí)踐應(yīng)用。畢竟游戲數(shù)值設(shè)計不是做數(shù)學(xué)研究，其本質(zhì)應(yīng)是一種體驗設(shè)計。最后希望交流的是筆者個人對于這兩種算法的一些理解。

（1）不同的攻擊判定流程會向玩家傳達(dá)不同的戰(zhàn)斗感受

究其本質(zhì)，不同的攻擊判定流程，影響著一場戰(zhàn)斗中的各種攻擊判定結(jié)果將以何種概率分布出現(xiàn)。

假設(shè)在一款游戲中，閃避率的投放上限是30%，暴擊率的投放上限是40%，命中率的投放上限是100%。瀑布算法下，出現(xiàn)閃避、暴擊和普通命中的概率是30%、28%和42%；圓桌算法下，則為30%、40%和30%。這兩種不同的概率分布，必然會帶給玩家不同的戰(zhàn)斗體驗，但在缺少其他條件的情況下，并不能判斷孰優(yōu)孰劣。

使戰(zhàn)斗體驗匹配游戲的核心玩法，使屬性投放的極限值能滿足游戲的商業(yè)化需要，是設(shè)計攻擊判定流程時首先要考慮的。

注：甚至于部分競技游戲強(qiáng)調(diào)公平性，將暴擊做成了偽隨機(jī)。

使用瀑布算法，則不應(yīng)該設(shè)計種類繁多的事件狀態(tài)

若是仿照魔獸世界的做法設(shè)計一連串的事件狀態(tài)（未命中、閃避、招架、格擋、暴擊、普通命中、偏斜、碾壓），非但運(yùn)算繁雜，而且后置判定的屬性衰減幅度較大，效果極不明顯。這種隱晦的設(shè)計將不易傳達(dá)，同時還會影響玩家的游戲感受（某個判定流程靠后的屬性堆得很高結(jié)果卻沒用）。

使用圓桌算法，則應(yīng)該嚴(yán)守屬性投放的上限，防止平衡崩壞的情況發(fā)生

需要澄清的是，并不是說使用瀑布算法就可以無限投放數(shù)值，而是說，相較于瀑布算法，圓桌算法的屬性投放上限會低很多（免傷概率的相加與相乘）

（2）不同的攻擊判定流程將影響有效生命EHP和有效攻擊EDPS的表達(dá)式

幾乎每個數(shù)值策劃都會將角色的屬性轉(zhuǎn)化為EHP和EDPS以衡量其的戰(zhàn)斗能力，但曾見過不少人對所有的游戲都用統(tǒng)一的EHP、EDPS表達(dá)式進(jìn)行分析模擬。這種偏差較大的模擬方式必然會影響體驗設(shè)計的精準(zhǔn)性。在不同的攻擊判定流程之下，EHP與EDPS有著截然不同的表達(dá)式，舉例說明如下。

瀑布算法下：

若命中閃避分兩次判定：

EHP=HP/(1-免傷率)/(1-閃避率)/(1-招架率)

EDPS=DPS*命中率*[1+暴擊率*(暴擊傷害倍率-1)]

若命中閃避合并判定：

EHP=HP/(1-免傷率)/(命中率-閃避率)/(1-招架率)

EDPS=DPS*(1+暴擊率*(暴擊傷害倍率-1))

圓桌算法下：

EHP=HP/(1-免傷率)/(1-閃避率-招架率)

EDPS=DPS*[命中率-敵方閃避率-敵方招架率+暴擊率*(暴擊傷害倍率-1)]

注：閃避、招架>暴擊>普通命中，且各狀態(tài)發(fā)生概率之和未超過圓桌大小

混合算法下：

EHP=HP/(1-免傷率)/(1-閃避率-招架率)

EDPS=DPS*[命中率+暴擊率*(暴擊傷害倍率-1)]

可能有人會覺得：模擬得這么準(zhǔn)又有什么卵用，數(shù)值平衡最后還不是靠調(diào)？誠然，在數(shù)值設(shè)計領(lǐng)域，確實(shí)有名言曰：數(shù)值平衡是調(diào)出來的。但在筆者看來，調(diào)節(jié)應(yīng)該建立在正確的理論推導(dǎo)的基礎(chǔ)之上。依靠調(diào)節(jié)來掩蓋數(shù)值模型的錯誤設(shè)計，是本末倒置的行為。即便達(dá)到了所謂的平衡，也不過是扭曲的平衡，會為后續(xù)版本的迭代埋下隱患。

寫在最后

市面上的大多數(shù)游戲，都不會設(shè)計復(fù)雜繁多的攻擊事件，且基本采用瀑布算法。如此看來，攻擊判定流程的設(shè)計十分簡單。那么為什么要大費(fèi)周章地將簡單問題復(fù)雜化呢？

愛因斯坦曾說過：Everythingmust be made as simple as possible, but not one bit simpler——凡事應(yīng)該力求簡單，但不能過于簡單。從了解一種數(shù)值設(shè)計方法到理解如此設(shè)計的目的，從模仿成功游戲的數(shù)值設(shè)計到理解其設(shè)計的內(nèi)在意義，這是每個數(shù)值策劃成長的必經(jīng)之路。

從全盤照搬一種數(shù)值體系到能夠融會貫通并根據(jù)實(shí)際情況靈活運(yùn)用，這是一條并不好走的路。知其然，也應(yīng)知其所以然——這是一個入行一年有余的新人的一點(diǎn)感悟。

免責(zé)申明：

1.筆者無法保證本文所用詞匯的普適性，能力所限，請多包涵~

2.不保證文中魔獸世界實(shí)例中的設(shè)定均與原作完全相符。但即便不相符，也不會影響圓桌理論的推