> For the complete documentation index, see [llms.txt](https://fuxi-up-research.gitbook.io/open-project/llms.txt). Markdown versions of documentation pages are available by appending `.md` to page URLs; this page is available as [Markdown](https://fuxi-up-research.gitbook.io/open-project/research_topics/global_matchmaking.md).

# 面向全局优化的游戏玩家组队匹配

## 课题背景

匹配是众多游戏PVP（player versus player）玩法的重要组成部分，给予玩家良好的匹配体验，对促进玩家留存有着非常重要的作用。图1为网易游戏倩女幽魂中的[关宁校场](http://xqn.163.com/guide/rwhd/gnjc.html)对战画面。

现有的用户玩家匹配算法一般是按一定策略先粗排筛选出实力相当或满足某种规则的用户群体进行分场，然后进行局部精排分队以保证游戏平衡性。如何从全局用户体验上进行优化得到玩家分场分队还是一个NP-hard难题。

![图1：倩女幽魂关宁战场](https://noterminus.gitee.io/image_bed/images/tu-pian%20%2810%29.png)

## 问题定义

匹配系统一次匹配一般会把匹配池内玩家（几百到几万不等，具体人数与匹配时间间隔、游戏设计等有关）分成不同的场次、分配到不同的队伍，建模求解使全体玩家体验最大化的匹配方案。

## 问题挑战

玩家匹配一直以来都是极具挑战性的用户群体分组难题，主要表现在在：

* 寻找高维空间的极值点、空间不连续不可导；
* 玩家体验一般通过分场分队两次级联结果计算，反向传播存在困难；
* 如何建立玩家用户的体验显著可观察指标。

## 评价指标

匹配系统的好坏可以通过主客观两个方面进行评估：

* 主观上人工定义的玩家体验总和
* 客观上分组双方玩家的表现差异

## 数据描述

匹配系统需要大量数据来评估和学习玩家的风格和实力，主要包含以下数据：

* 用户画像数据
* 用户行为序列（包括用户对战）
* 用户关系网络

## 联系我们

有任何问题，请联系 <gonglinxia@corp.netease.com>