求（几乎）随机d的最佳结果的方法

Question

所以我正在为我玩的一个游戏做一些计算器-为了好玩，它需要不同的技能，不同的冷却时间，使用时间，它们可能被使用的百分比等等

到目前为止，我是通过分析基数中的数字来实现这一点的，不管我拥有多少能力，例如假设我在4秒内使用了5种能力：

0000:60伤害（使用异能0，尝试再次使用但失败-因此返回0的异能伤害）

0001:60伤害

跳过几个

0101:200伤害

再说一次

4444:70伤害

进程终止。-希望这有道理

问题是，在暴力中这样做可以很好地处理小时间（如上所述）和数量或能力，但在更高的时间和数量的能力，它运行分析万亿模拟意味着暴力不再成为一种选择

问题是，考虑到数据大多是随机的，是否有任何启发式算法（所有的想法可能不会返回最优）会返回一个比较好的结果

感谢您的回复：）

Answer 1

让我重新措辞，以确保我正确理解：你想找到最好的技能排序，考虑到他们的个人伤害和冷却时间，这样每次只使用一个技能，没有技能的使用频率超过其冷却时间允许。如果是这样，这是一种调度问题，一种方法是通过linear programming

大致的想法是引入n_skills * simulation_length变量x[skill][time]，每个变量都限制在0和1之间，解释为“在时间time使用技能skill如果x[skill][time] == 1，不要使用如果== 0”。现在，在附加的线性约束条件下（通过类似于numpy的伪代码进行解释），优化所有变量的总和，这些变量的权重由它们的技能造成的伤害sum(x[skill][:] * damage[skill] for skill in skills)决定：

1. 每次t，sum(x[:][t]) <= 1（每次最多只能使用一个异能）
2. 对于每个异能a和时间t0sum(x[a][t0-cooldown(a):t0+cooldown(a)] <= 1（在它的冷却时间内，你最多只能使用你的异能一次）

现在棘手的部分是，虽然这会给你一个在某种意义上是最优的解决方案，但它很可能不是物理的，也就是说你会得到分数的x。这就是启发式部分开始的地方，你必须找到一些方法来“四舍五入”整数的解决方案，在这个过程中失去目标值，使它在物理上（游戏联盟）有意义。一种方法是只保留x[a][t] == 1，并将所有其他数字舍入为零。它会给出一个有意义的解决方案，但可能不是很令人满意（即，你的角色几乎什么都不会做）。考虑到我对这个问题的模型非常简单，我希望在如何给出一个很好的舍入方面会有一些理论结果

虽然我可以建议用scipy package来解决线性规划问题，但构建约束矩阵和四舍五入结果的整个问题（即使很小）并不是初级编程任务