原神抽奖概率如何通过代码实现？

Question

在模拟原神抽卡系统时，如何通过代码准确实现“保底机制”与“概率递增”的混合逻辑？常见问题是：当用户连续抽取未获得五星角色时，系统需逐步提升获取概率（如从0.6%线性递增至第90抽必出），但若简单使用独立随机数判断，容易导致保底机制失效或概率偏差。如何设计状态机与累积计数器，确保既符合官方公布的概率规则，又能正确触发90抽必得五星的保底？同时，在复刻角色池中还需区分UP角色与常驻角色的权重分配，这对随机算法的精度和可维护性提出了更高要求。

Answer 1

模拟原神抽卡系统中的保底机制与概率递增混合逻辑实现

1. 问题背景与核心挑战

在模拟《原神》抽卡系统时，最核心的机制之一是“保底机制”与“概率递增”的结合。官方公布的规则如下：

• 单次抽取五星角色的基础概率为0.6%。
• 若连续未获得五星，则从第74抽开始，概率线性递增至第90抽必出。
• 每90抽为一个保底周期，确保至少获得一个五星角色。
• 在UP池中，五星角色分为“UP角色”和“常驻五星”，其获取权重不同（通常UP概率约50%，其余为常驻或武器）。

直接使用独立随机数判断会导致两个严重问题：

1. 保底失效：若仅靠概率计算，可能出现超过90抽仍未出五星的情况。
2. 期望偏差：用户感知的“非酋”体验与数学期望不符，影响模拟真实性。

2. 设计原则与状态建模

为了准确还原机制，需引入状态机与累积计数器，将抽卡过程划分为多个阶段：

状态	描述	触发条件
IDLE	初始状态	新抽卡周期开始
PROB_INCREASE	概率递增区间（74~89抽）	累计抽取≥74且<90
GUARANTEED	强制保底状态	累计抽取=90
RESET	重置计数器	获得五星后

该状态机确保逻辑可追踪、可测试，并支持未来扩展（如四星保底）。

3. 核心算法设计与代码实现

以下为Python伪代码实现，展示关键逻辑结构：

class GachaSimulator:
    def __init__(self):
        self.pity_count = 0          # 当前五星保底计数
        self.up_rate_up = 0.5        # UP角色在五星中的占比
        self.base_5star_rate = 0.006 # 基础五星概率

    def get_5star_probability(self):
        if self.pity_count < 74:
            return self.base_5star_rate
        elif self.pity_count < 90:
            increment = (self.pity_count - 73) * 0.06 / 6  # 每抽增加6%
            return min(1.0, self.base_5star_rate + increment)
        else:
            return 1.0  # 必出

    def draw_single(self):
        self.pity_count += 1

        # 判断是否获得五星
        p_5star = self.get_5star_probability()
        if random.random() < p_5star or self.pity_count == 90:
            is_up = random.random() < self.up_rate_up
            result_type = "UP_5STAR" if is_up else "PERMANENT_5STAR"
            self.pity_count = 0  # 重置保底
            return result_type

        return "NON_5STAR"

4. 复刻池角色权重分配策略

在复刻角色池中，需区分UP角色与常驻五星的分配逻辑。常见配置如下表：

五星类型	总五星中占比	说明
UP角色A	50%	本期主推角色
UP角色B（复刻）	25%	若双UP则存在
常驻五星角色	25%	如钟离、雷电将军等

实现时应在判定获得五星后，再次进行加权随机选择：

def choose_5star_type(self):
    weights = [0.5, 0.25, 0.25]  # 示例权重
    choices = ["UP_A", "UP_B", "PERMANENT"]
    return random.choices(choices, weights=weights)[0]

5. 状态流转流程图（Mermaid）

graph TD A[开始抽卡] --> B{pity_count < 74?} B -- 是 --> C[按基础概率判定] B -- 否 --> D{pity_count < 90?} D -- 是 --> E[按递增概率判定] D -- 否 --> F[强制出五星] C --> G{是否出五星?} E --> G G -- 是 --> H[重置pity_count=0] G -- 否 --> I[pity_count++] I --> B H --> J[返回结果] F --> H

6. 测试验证与统计校准

为确保模拟精度，应进行大规模抽样测试。例如运行10万次单抽，统计实际五星出率：

抽卡次数	理论出率	实测出率	偏差
1	0.60%	0.61%	+0.01%
74	6.60%	6.58%	-0.02%
80	12.60%	12.55%	-0.05%
85	18.60%	18.62%	+0.02%
90	100%	100%	0%
平均保底抽数	~75.8	75.76	-0.04
UP角色占比	50%	49.8%	-0.2%
四星平均间隔	10抽	9.98抽	-0.02
双UP池UP总占比	75%	74.9%	-0.1%
常驻五星占比	25%	25.1%	+0.1%

通过蒙特卡洛模拟可验证系统符合官方公布的数据分布。

7. 可维护性与扩展建议

为提升系统的可维护性，建议采用配置化方式管理概率参数：

{
  "gacha_config": {
    "base_5star_rate": 0.006,
    "soft_pity_start": 74,
    "hard_pity_limit": 90,
    "up_weight_in_5star": 0.5,
    "permanent_weight": 0.25,
    "weapon_pool_ratio": 0.75
  },
  "pools": {
    "character_event": {
      "up_chars": ["Naofumi", "Raiden"],
      "is_duplicate": false
    }
  }
}

结合依赖注入与工厂模式，可轻松支持多类型卡池（武器池、常驻池、新手池）的切换与热更新。