揭秘游戏抽卡背后的数学魔法：从固定概率到动态权重的算法演进

在游戏开发中，抽卡（Gacha）系统可不仅仅是一个简单的随机数生成器。它是核心的商业化变现手段，更是控制游戏经济系统和玩家心理预期的关键枢纽。

一个优秀的抽卡算法，需要在“玩家体验（出金的爽感）”和“数值控制（公司的收益）”之间找到完美的平衡。今天，我们就从程序与算法的视角，深度解析目前市面上最主流的三种抽卡逻辑，聊聊它们的优缺点、时间/空间复杂度，并附带核心的 Java 实现代码。无论你是正在做系统的开发者，还是想看透机制的玩家，这篇干货都不容错过。

---

01. 简单粗暴的古典派：固定概率 + 硬保底

这是早期抽卡游戏最常见的做法。每一次抽卡的概率都是独立且固定的，为了防止玩家运气极差（非酋）导致流失，策划们加入了一个“硬保底”机制：如果连续 N 次没有抽到最高稀有度道具，第 N 次必定获得。

算法逻辑

• 基础概率：每次抽到五星的概率恒定为 p（假设为 1.5%）。
• 硬保底：记录玩家的未出货次数（水位），当水位达到 89 次时，第 90 次的概率强制提升为 100%。出货后水位清零。

优缺点与复杂度

• 优点：规则极度透明，代码实现非常简单。玩家一眼就能算清楚自己的期望投入。
• 缺点：方差极大，体验断层严重。大部分玩家只能在固定概率下“拼脸”，如果在第80多抽才出货，玩家会产生强烈的“亏本”感（因为离保底太近了却没吃到底）。
• 复杂度：
  • 时间复杂度：O(1)，每次抽卡只需一次随机数生成。
  • 空间复杂度：$O(1)，只需为每个玩家维护一个整型的 pullCount。

💻 Java 核心实现

Java

import java.util.Random;

public class FixedProbabilityGacha {
    private static final double BASE_RATE_5_STAR = 0.015;
    private static final int HARD_PITY = 90;

    private int pullCount = 0;
    private Random random = new Random();

    public String draw() {
        pullCount++;
        if (pullCount >= HARD_PITY) {
            pullCount = 0;
            return "5星 (保底)";
        }

        if (random.nextDouble() < BASE_RATE_5_STAR) {
            pullCount = 0;
            return "5星";
        }
        return "3/4星";
    }
}

---

02. 现代二游标杆：软保底 + 大小保底双轨制

这是目前头部二次元游戏（如《原神》、《崩坏：星穹铁道》等）采用的成熟算法。它不仅是数值设计的杰作，更是心理学在游戏中的完美应用。它巧妙地利用了“伪期望”来平滑玩家的抽卡体验。

算法逻辑

• 基础概率：五星 0.6%，四星 5.1%，三星约 94.3%。
• 软保底（递增概率）：前 73 抽五星概率恒定为 0.6%。从第 74 抽开始，每次未命中五星，概率增加 6%（第74抽6.6%，第75抽12.6%…），直到第 90 抽达到 100%。
• 大小保底（50/50机制）：抽到五星时，有 50% 概率是当期 UP 角色（小保底）。如果歪了（不是UP），则下一次抽到的五星必定是 UP 角色（大保底）。

优缺点与复杂度

• 优点：极佳的心理预期管理。绝大部分玩家会在 75-80 抽之间出货，极少有人真正达到 90 抽。这会给玩家一种“我运气还不错，没吃满保底”的错觉。同时，大小保底机制让玩家的氪金上限变得绝对可控（最多180抽）。
• 缺点：综合出货期望（约62抽）远低于面板显示的 90 抽，游戏公司在数值设计时必须按照 62 抽的模型去规划投放。代码状态管理相对复杂，需要同时追踪“抽卡次数”和“大保底状态”。
• 复杂度：
  • 时间复杂度：O(1)。
  • 空间复杂度：O(1)，需要维护 pullCount 和一个布尔值 isNextGuaranteedUp。

💻 Java 核心实现

Java

import java.util.concurrent.ThreadLocalRandom;

public class SoftPityGacha {
    private static final double BASE_5_STAR = 0.006;
    private static final double BASE_4_STAR = 0.051;
    private static final int SOFT_PITY_START = 74;
    private static final int HARD_PITY = 90;

    private int pullCount = 0;
    private boolean isNextGuaranteedUp = false;

    public String draw() {
        pullCount++;

        double current5StarRate = BASE_5_STAR;
        if (pullCount >= SOFT_PITY_START) {
            current5StarRate += (pullCount - 73) * 0.06;
        }

        if (pullCount >= HARD_PITY) {
            current5StarRate = 1.0;
        } else {
            current5StarRate = Math.min(1.0, current5StarRate);
        }

        double roll = ThreadLocalRandom.current().nextDouble();

        if (roll < current5StarRate) {
            pullCount = 0;

            if (isNextGuaranteedUp) {
                isNextGuaranteedUp = false;
                return "5星当期UP角色 (大保底)";
            } else {
                if (ThreadLocalRandom.current().nextDouble() < 0.5) {
                    return "5星当期UP角色 (小保底)";
                } else {
                    isNextGuaranteedUp = true;
                    return "5星常驻角色 (小保底歪了)";
                }
            }
        }

        if (ThreadLocalRandom.current().nextDouble() < BASE_4_STAR) {
            return "4星角色/武器";
        }

        return "3星武器";
    }
}

---

03. 绝对的平滑：PRD (伪随机分布) 与水位线动态权重

PRD（Pseudo-Random Distribution）最早在《魔兽争霸3》和《Dota》的暴击机制中发扬光大，后来被广泛应用于需要绝对平衡“欧皇”和“非酋”的掉落与抽卡系统中。

算法逻辑

• PRD算法：这里并不存在一个静态的概率。假设设定的期望概率为 P，系统会计算出一个基础常数 C。第一次抽取的概率是 C，如果失败，第二次是 2C，第三次是 3C，以此类推。一旦成功，概率重置回 C。
• 动态权重（水位线）：常用于多物品池。每个物品有一个初始权重。每次抽卡后，未抽中物品的权重会加上一个“水位增量”，抽中物品的权重重置。这样可以保证玩家在长时间内，各项物品的获取比例趋于完美平衡，避免“一直缺某一个特定材料”的现象。

优缺点与复杂度

• 优点：削峰填谷，彻底消灭极端概率。玩家不可能连续多次出货（因为出货后概率 C 极低），也不可能永远不出货（概率会线性叠加到 100%）。非常适合竞技游戏掉落或卡牌游戏的装备词条洗练。
• 缺点：常数 C 的逆向求解非常复杂（通常需要查表或跑数十万次模拟来确定 C 和目标期望 P 的对应关系）。且玩家无法直观感知到“保底”的存在，缺乏二游那种“再抽几发必出”的刺激感。
• 复杂度：
  • 时间复杂度：PRD为 O(1)；动态权重若池子有 N 个物品，则为 O(N)（需要遍历更新所有未命中物品的权重）。
  • 空间复杂度：PRD为 O(1)；动态权重为 O(N)（需要存储每个物品的当前权重）。

💻 Java 核心实现 (PRD)

Java

import java.util.concurrent.ThreadLocalRandom;

public class PRDGacha {
    private static final double PRD_C = 0.0557;
    private int failCount = 0;

    public String draw() {
        failCount++;

        double currentProb = failCount * PRD_C;

        if (currentProb >= 1.0 || ThreadLocalRandom.current().nextDouble() < currentProb) {
            failCount = 0;
            return "稀有物品出货 (PRD触发)";
        }

        return "普通物品";
    }
}

---

结语：开发者该怎么选？

抽卡算法没有绝对的优劣，只有最适合当前游戏商业模式的选择：

1. 如果你在做一款轻度/复古游戏，开发资源有限，方法一（固定+硬保底）足以应对。
2. 如果你在做一款重度商业化二次元游戏，需要刺激玩家消费并保证留存，方法二（软保底+50/50）是经过市场验证的最优解。
3. 如果你在做竞技类游戏或是资源掉落系统，需要保证长线体验的绝对公平，方法三（PRD）是你的不二之选。

下次当你再在游戏中连抽“沉船”或者单抽“出奇迹”的时候，不妨想一想，你的运气背后，跑的是哪一段代码呢？