百分之一：遗迹探险攻略，深度解析玩法技巧揭秘

百分之一中的忘却的遗迹玩法看似简单，实则充满挑战。本文将深入探讨这一回合制三消模式的策略逻辑，从贪心算法到强化学习思路，解析如何实现最优消除策略，助你在遗迹中走得更远。

我是许我再少年，今天和大家探讨忘却的遗迹玩法。

这个模式是回合限制的三消游戏，四连不消耗回合，五连则增加一个回合。

三消游戏是典型的游戏场景，在机器学习中，简单游戏可通过搜索算法找到最优玩法，而较复杂的游戏则常借助强化学习方法来实现最优策略。

这种模式的自动机制采用的是单步收益最大化的贪心算法，整体属于较简单的搜索策略。收益的计算方式也比较直接：优先选择消除更多宝石的行为，若无法多消，则优先选择消除高等级宝石。实际使用后会发现，这套自动系统的实际效果并不理想。

我们暂时转换一个角度，其实在对战模式中，AI所采取的策略和常见的贪心算法非常相似，虽然大家可能都体验过，这里就不多赘述。对战中的AI表现尚可，主要原因是卡牌技能对战局的走向起到了关键作用。一方面，技能可以造成伤害，另一方面还能刷新棋盘。这就导致消除策略基本可以依赖单次贪心搜索，多轮消除几乎难以规划。由于双方共用一个棋盘，这种场景更偏向博弈，而非单纯决策。在博弈中，核心在于预判对手并做出最优应对，寻找纳什均衡；而决策只需追求当前收益最大化。理论上，博弈类AI更难设计，但由于卡牌角色效果显著，使得最优消除路径反而比普通三消简单许多。目前的AI水平仍有不足，例如在某些情况下判断失误，导致选择次优策略。

不考虑当前全盘变化，例如三消导致他处四消。

优先佩戴高阶宝石，普通宝石三连攻击优先。

回到遗迹模式，前面的分析主要想说明为何在看似简单的三消玩法中，相同的贪心策略却难以奏效。那么该如何寻找最优策略？有RL基础的读者或许已经想到答案，其原理与AlphaGo下围棋的思路相似。关键在于设定合理的奖励机制，从而实现整体收益的最大化。以回合数最大化为目标是一个合理方向，具体实施时可以通过一些例子进行拆解说明。

- 5消最高优

单步奖励依据移动宝石后棋盘上所有消除的宝石数量计算，不仅限于被移动的宝石。

减少数量多一些更合适。

高阶宝石应尽量向下或向两侧移动，防止阻碍多消。

每种宝石的奖励取决于棋盘上宝石的整体分布，总体而言，高级宝石反而更难处理。

四消的价值并不高，尤其是处于顶端位置时。

以上是我尝试过的一些方法。由于人脑处理细节计算较为吃力，因此我多次尝试排名依然不理想。人脑更适合制定模糊的策略，而在精确优化方面，还是借助一个强化学习模型更为合适。

要是官方能开放API或模拟器就好了，可以直接外包给我做模型。否则只能自己搞模拟器，再集成到游戏操作里也比较麻烦，还可能被误判为外挂封禁。

这是我的战斗记录。

从榜单来看，我与第一名仍有差距。榜单前列的玩家大多已退出，这也反映出该模式的实际难度并不低。