导语：英雄联盟得到众多玩家的认可，其完美的匹配机制占了大部分功劳，这种机制维持了游戏的平衡性，对体验游戏来说，是十分重要的。那么，在此跟大家介绍一下，英雄联盟的匹配系统究竟是怎样的。

　　匹配系统的目的如下，优先级从高到低：

　　1、保护新手不被有经验的玩家虐;让高手局中没有新手。

　　2、创造竞技和公平的游戏对局，使玩家的游戏乐趣最大化。

　　3、无需等待太久就能找到对手进入游戏。

　　匹配系统尽其所能的匹配水平接近的玩家，玩家的水平是来自他们在此之前赢了谁以及他们对手的水平。当你战胜对手，系统会认为你更强，当你输给对手，系统会认为你更弱。虽然这对于某一局游戏并不是那么的公平，但是长期来看，对于多局游戏是相当的公平：因为好的玩家总会对游戏结果造成正面的、积极的影响。我们使用了这样一个方法测试：给水平高的玩家一个新帐号，然后看他们游戏数局后的结果。我们通过大量的测试来证明了我们的想法。

　　并且，匹配系统知道预先组队的玩家有一些优势，如果你是预先组队，会给你一些更强的玩家。我们用一些非常巧妙的数学方法来解决预先组队的玩家VSsolo玩家的匹配公平问题。我甚至让两个数学博士来验证，他们都说给力!

　　匹配是怎么完成的?

　　首先，系统将你放进适当的匹配池里——根据游戏模式(匹配模式、排位solo/双人、排位5人、其他模式等等)

　　然后，系统会尝试将匹配池里的人分到更细的匹配池里——5人组队VS5人组队，低等级新手vs其他一些低等级新手，如此这般。

　　当你在匹配池中，系统会开始尝试找到合适的配对，目标是撮合一个双方获胜机会都为50%的游戏。

　　第1步：确定你的实力：

　　*如果你是solo，就直接使用你的个人匹配分(也就是elo值，匹配模式和排位赛有不同的匹配分)

　　*如果你是预先组队的，你的匹配分是你队伍的平均分，并且会根据你组队的规模稍微提高一些，这样才能保证你匹配到更强的对手来抵消你组队的优势。我和一个计算机生物学的博士(ComputationalBiologyPh.D)通过研究成百上千的游戏结果，计算出了预先组队到底有多大的优势。我们还在幕后做了一些其他调整，比如新手和高玩组队，比如某地图上蓝队和紫队的玩家哪个更有优势，诸如此类。

　　第2步：确定你合适的对手：

　　*首先，系统会基于你的elo值，给你匹配跟你非常相近的玩家。最终，系统会放宽匹配的条件，给你一些不是那么完美的匹配，因为你肯定也不想永远匹配不到人。

　　*新手会得到一些特殊的保护，通常新手只会匹配到其他新手(在成熟的服务器里，这个比例达到了99%+。除非这个新手和一个高级玩家朋友预先组队)

　　第3步：确定匹配：

　　*最终，系统会匹配10个大体上同水平、同等级的玩家，促成一个游戏。

　　*系统会尝试平衡这个队伍，尽量使双方的获胜机会都为50%。在绝大多数时间，误差会在3%之内——类似50/50，49/51，48/52。实际上的获胜机会会有一点点差别(会在Q&A里面回答这个问题)，但是我们的研究标明，在绝大多数情况下，这实际上是一个非常精确的预测。

　　长期来讲，我的匹配分(Elo值)是如何被测量的?

　　我们使用了一个修改过的ELO系统。ELO系统的基本要点通过使用数学比较两个人的积分，来预测两人的比赛结果——类似“A和B比赛数局，A会赢掉75%的局”。

　　然后，比赛结果出来了。如果你赢了，你会加分，如果你输了，你会被扣分。如果你是“出人意料”的赢了(系统认为你输的可能性更大)，你会赢得更多的分数。额外的，如果你是一个新玩家，你会加分减分更快，以便于你可以快速的进入到你的水平等级。长期来看，这意味着好的玩家会得到高的匹配分，因为他们总是超过系统的预期，他们会不断加分直到系统可以正确的预测他们的胜率。

　　我们修改这个系统给团队比赛使用，基本概念是：基于该团队的所有玩家，得到一个团队ELO值。如果你的队伍胜利，系统会假设该队伍的所有玩家都要比系统猜测的“更强”，并且加分。虽然有一些问题，但是总体上来讲是有效的，特别是玩家预先组队的时候。

　　举例，本人在北美的服务器上有2000的普通匹配模式elo。如果我建一个小号，就算没有天赋和符文，我打到8级的时候就已经有1800elo了。这个系统并不完美，但是确实能够让玩家快速的接近自己水平所在的位置。

　　当你才开始玩的时候，我们也对ELO做一些微调，让你更快的进入你水平所在的位置。

　　*我们有大量的，有优先级的方法来鉴定一个玩家，相比一个标准的新玩家是否更有技巧，更猛。如果发现是的，我们会在幕后提高他的elo一个档次。

　　*我们同样也会分辨真的菜鸟新手。

　　*提升等级也会极大的提高你的elo值。这个也将帮助系统将30级满级的召唤师和低等级的召唤师区分开来

　　呃，等等，你是怎么处理组队玩家vssolo(单排)玩家的?

　　我们大多数情况下，会通过将5人组队的队伍匹配给另外一个5人组队的队伍来避免这种情况的发生(几乎是所有情况下)。

　　对于“部分”组队，我们进行了大量的研究，发现优势并没有想象的那么大，所以我们也会把他们混到solo(单排)的玩家里。我们发现有大量的因素会影响到组队优势的大小：从预先组队的规模(比如2、3、4、5组队)，到组队玩家的水平，到高玩带菜鸟的组合，到玩家水平不同而导致的情况不同，以及其他的一些必须考虑到的微妙因素。这个要比一些我们曾见过的点对点算法-将任意的统计数据杂糅在一起猜测分数-要可靠的多

　　发现这些优势，我们就知道对于预先组队的队伍，需要提高多少elo值，来达成一个公平的匹配，确定一个适当的，在数学上合理的调整。结果在有些情况下非常令人惊讶(同时会校正统计数据)。