algorithm - 与随机球队比赛的球员评分

Question

我正在研究一种算法，用于在基于团队的游戏中对单个玩家进行评分。问题是不存在固定的队伍——每次有 10 名玩家想比赛时，他们被分成两个(有点)偶数的队伍并互相比赛。因此，对球队进行评分是没有意义的，我们需要依靠球员个人评分。

我想考虑一些问题:

• 新玩家需要某种临时排名来达到他们的“真实”评级，然后他们的评级才与老玩家一样。
• 系统需要考虑到一个团队可能由不同技能水平的球员组成 - 例如，一个非常好，一个很好，两个平庸，一个非常差。因此，玩家评分的简单“平均”可能是不够的，可能需要以某种方式对其进行加权。
• 评分会在每场比赛后进行调整，因此算法需要基于每场比赛，而不是每个“评分期”。如果出现好的解决方案，这可能会改变(我知道 Glicko 使用评级期)。

请注意，作弊不是该算法的问题，因为我们有其他验证玩家的措施。

我查看了 TrueSkill、Glicko 和 ELO(这是我们目前正在使用的)。我喜欢 TrueSkill/Glicko 的想法，其中你有一个偏差用于确定评级的精确程度，但没有一个算法考虑随机团队的观点并且似乎主要基于 1v1 或 FFA 游戏。

有人建议你给球员打分，就好像获胜球队的每个球员都打败了失败球队的所有球员(25 次“决斗”)，但我不确定这是否正确，因为它可能会疯狂地当一名非常差的球员在获胜的球队中战胜失败球队中的一名非常优秀的球员时，提高评分。

欢迎提出任何建议!

编辑:我正在寻找一种针对成熟玩家的算法 + 某种对新手进行排名的方法，而不是两者的结合。抱歉造成混淆。

没有 AI，玩家只能互相玩。游戏由输赢决定(没有平局)。

Answer 1

临时排名系统总是不完善，但更好的系统(例如 Elo)旨在比对已建立玩家的评级更快地调整临时评级。这承认，试图通过与其他玩家的几场比赛来建立能力评级本质上很容易出错。

我认为你应该使用对方球队所有球员的平均评分作为确定新手球员临时评分的输入，但只将其作为一场比赛来处理，而不是作为 N 场比赛对 N 名球员。每场比赛实际上只是一个数据样本，Elo 系统处理这些比赛的累积，以便在切换到正常排名系统之前随着时间的推移提高对单个玩家的排名估计。

为简单起见，在计算其他团队的某些成员的新规定评级时，我也不会区分反对团队成员的既定评级和临时评级(除非 Elo 要求这样做)。所有这些评级都存在隐含错误，因此没有必要增加不必要的复杂性，而这些复杂性可能对改善排名估计没有多大值(value)。