我們在設計我們的競技類配對系統時，有幾個主要的中心想法分別是，想讓玩家可以與，自己技巧相近的玩家遊玩，相同階級的玩家能分出勝負，每一場配對體驗不會過於懸殊。而今天我們想要認識的，便是這些與配對系統交互影響的系統，這可以在我們評估配對系統，是否產生更好的遊玩體驗的時候，能夠有更多面向的想法。

三個主要系統

• 技巧評估系統 (Skill System)
  • 藉由對戰紀錄，評估玩家在特定遊戲的技巧能力
  • 產出級分（1500~3000 or -0.7~1.2）
  • 可評估兩個玩家對弈獲勝的期望值
• 階級排位系統 (Ranking System)
  • 給予玩家階級頭銜，得以體現該玩家在此遊戲中的位階
  • 可利用 skill system 協助評估
• 配對系統 (Matchmaking System)
  • 將特定條件玩家配對峙同一場遊戲
  • 可能會以 skill system 與 ranking system 為條件配對
  • 與 skill system 與 ranking system 交互影響

階級與級分

以目前常見的 Elo rating system 當做基礎，我們可以觀察到幾個重點：

• A 玩家與 B玩家對弈獲勝的期望值
  
• A 玩家賽後的級分
  
• Elo 系統可藉由一個函式fx()，計算出一個獲勝期望值
• 結束時增加或減少的級分，將被 K 值放大
• K 與 Sa 值決定該局級分增減上限
• 指定級分區間為階級（大師 2300～2399）
• 可依照比賽後的結果，預期玩家賽後的級分

在此評估模型下最大的缺點，在於新手快速成長的期間，無法快速的使玩家達到符合其實力的階級，玩家依然需要透過較多的場次，來達到符合其階級的級分。而調整的方式可以透過在連勝時，加上連勝可獲得的連勝加成，加速整個階級劃分的過程。

競技配對

在一個競技配對中，純以階級配對的話，將產生一些曲線不夠平滑的問題，因此我們需要使用 skill system 所產出級分，協助我們在相同牌階裡，找出實力更為近似的對手。以 Open-match 的設計來說，我們必須要在 create tickets 時，塞入 rank 與 skill_score 資訊，先以 rank 當作第一層 filter，再以 skill_score 或加上其他資訊計算出指標值，提供 evaluator 產出配對結果。最後即便 MMF 可以透過單元測試檢驗，我們依然需要透過統計觀察，我們的配對模型是否真的如我們預期的方向進行，可繪製圖表協助我們了解其回歸狀況。

Reference

Skill, Matchmaking, and Ranking Systems Design