[Source Code]
[/SPOILER] // There are 4 stages of overrides on attribtutes
[/ 스포일러] // attribtutes에 대한 4 단계의 오버라이드가 있습니다.
// stage 0) hardcode default (75)
// stage 0) 하드 코드 기본값 (75)
// stage 1) override with random attributes
// 무대 1) 무작위 속성으로 대체
// stage 2) override one attribute with a value for all players
// 스테이지 2) 모든 플레이어에 대해 하나의 속성을 값으로 덮어 씁니다.
// stage 3) override one attribute on a individual player
// 스테이지 3) 개별 플레이어의 하나의 속성 무시
//
// They are written to the attributes for each player in this order so
//이 순서대로 각 플레이어의 속성에 쓰여지므로
// override with random attributes will override the hard coded default
// 무작위 속성으로 재정의하면 하드 코딩 된 기본값보다 우선 적용됩니다.
// override one attribute with a value for all players will over ride that etc...
// 모든 선수의 가치로 한 속성을 오버라이드합니다.
// stage 1) override with random attributes --------------------------------
// 무대 1) 무작위 속성으로 덮어 쓰기 --------------------------------
// No randomize
// 임의 화하지 않음
// DB_RANDOMIZE=0
// To randomize choose any random seed
// 랜덤 화하려면 임의의 랜덤 시드를 선택합니다.
// like the example below.
// 아래 예와 같습니다.
// If zero nothing would be written to the attribute in this stage.
// 0이면이 단계에서 특성에 아무 것도 쓰지 않습니다.
DB_RANDOMIZE=1234567
// If you set -1, it completely randomizes by time
// -1로 설정하면 시간에 따라 완전히 랜덤 화됩니다. (설정하면 특정 시간엔 선수들이 랜덤화됨)
// 임의의 범위를 결정할 수 있습니다.
DB_RANDOM_ATTRIBUTE_MIN=60
DB_RANDOM_ATTRIBUTE_MAX=95
// To randomize traits set 1 (Use same random seed as DB_RANDOMIZE)
// 특성 세트 1을 랜덤 화하려면 (DB_RANDOMIZE와 동일한 임의의 시드 사용)
DB_RANDOMIZE_TRAIT=1
// To randomize fatigue set any number between 0-100. This is for random max number.
// 피로를 랜덤 화하려면 0-100 사이의 숫자를 설정하십시오. 무작위 최대 수입니다.
DB_RANDOMIZE_FATIGUE=20
// To randomize style/mental style set 1
// 스타일 / 정신 스타일을 무작위로 설정 1
DB_RANDOMIZE_STYLE=1
DB_RANDOMIZE_MENTAL_STYLE=1
// stage 2) override with random attributes --------------------------------
// 무대 2) 무작위 속성으로 덮어 쓰기 --------------------------------
// This would override Fatigue and acceleration attributes for all players
// 모든 플레이어의 피로 및 가속 속성을 무시합니다.
//DB_FATIGUE=20
//DB_ACCELERATION=75
// stage 3) override one attribute on a individual player -------------------
// stage 3) 개별 플레이어에서 하나의 특성을 재정의합니다. -------------------
// Override the attribute value to specific player by adding x_y_zz extension
// x_y_zz 확장자를 추가하여 특정 플레이어에 속성 값을 덮어 씁니다.
// This is the highest priority
// 이것은 가장 높은 우선 순위입니다.
// x Name of attribute or trait see table below
// x 속성 또는 특성 이름 아래 표 참조
// y is team side (home = 0, away = 1)
// y는 팀 측 (집 = 0, 자리 비움 = 1)
// zz is player id in team
// zz는 팀의 플레이어 ID입니다.
// DB_X_Y_ZZ=100
// Example this would over ride player 0 on the home teams fatigue and make it 100
// 예 : 홈 팀의 피로를 0으로 치고 100을 넘습니다.
//DB_FATIGUE_0_00=100
// This of the attribute and trait names -------------------
// 속성 및 특성 이름 -------------------
//--- fatigue (0-100)
// --- 피곤함 (0-100)
//DB_FATIGUE
//--- team chemistry (0-100) (used in momentum)
// 팀 화학 (0-100) (기세에 사용됨)
//DB_TEAM_CHEMISTRY [/SPOILER]
Dynamic difficulty adjustment (DDA) is a technology used to change a game's difficulty according to a player's skill. During a game, the difficulty adjustment technique may help the player to win if they are losing. In other cases, it can make it harder for a player to win a match.
동적 난이도 조정(DDA)은 플레이어의 기술에 따라 게임의 난이도를 변경하는 데 사용되는 기술입니다.
게임 중에 난이도 조정 기술은 플레이어가 지고 있는 경우 승리하는 데 도움이 될 수 있습니다.
다른 경우에는 플레이어가 경기에서 이기기가 더 어려워질 수 있습니다.
DDA monitors and predicts the length of time a player stays engaged by a game. It combines this information with different data types, such as how long a game keeps a player engaged in a single-player session.
DDA는 플레이어가 게임에 계속 참여하는 시간을 모니터링하고 예측합니다.
이 정보를 게임에서 플레이어가 싱글 플레이어 세션에 계속 참여하도록 하는 시간과 같은 다양한 데이터 유형과 결합합니다.
A DDA can keep a player from getting bored if the game is easy. It can also keep players from getting frustrated if the game is too difficult.
DDA는 게임이 쉽다면 플레이어가 지루해하지 않도록 할 수 있습니다.
또한 게임이 너무 어려울 경우 플레이어가 좌절하지 않도록 할 수도 있습니다.
DDA depends on machine learning algorithms to make the predictions needed to execute adjustments. Machine learning algorithms, such as supervised and non-supervised, create and update prediction models for games. Ensemble algorithms and instance-based algorithms are examples of logic used to create and update prediction models for DDA.
DDA는 조정을 실행하는 데 필요한 예측을 수행하기 위해 기계 학습 알고리즘에 의존합니다.
지도 및 비지도와 같은 기계 학습 알고리즘은 게임에 대한 예측 모델을 만들고 업데이트합니다.
앙상블 알고리즘 및 인스턴스 기반 알고리즘은 DDA에 대한 예측 모델을 생성하고 업데이트하는 데 사용되는 논리의 예입니다.
댓글 영역
획득법
① NFT 발행
작성한 게시물을 NFT로 발행하면 일주일 동안 사용할 수 있습니다. (최초 1회)
② NFT 구매
다른 이용자의 NFT를 구매하면 한 달 동안 사용할 수 있습니다. (구매 시마다 갱신)
사용법
디시콘에서지갑연결시 바로 사용 가능합니다.