基于加权性价比算法的科研规划推荐

本文由天谴之羊原创。未经许可，请勿擅自修改，转载请注明出处并附带链接。

当前科研项目选取攻略已整合至科研策略专题攻略

本攻略旨在介绍笔者制作的表格所使用的算法及其使用方法。
直接抄作业可以看本攻略的第一章：一.几种科研策略参考部分
本攻略中的表格适用于想要进一步优化自己科研策略规划的玩家。使用时需要自己下载表格并且根据表格的指引合理填写来获取适合自己的科研策略
新的科研队列系统对策略有了新的要求。注意目前的表格仍然是使用4期科研测试数据编写的。
新版表格下载👇
文件:5期科研表.xlsx
旧版表格下载👇
文件:科研表豪华版.xlsx
表格使用方法在文档中有基本的介绍
视频介绍：https://www.bilibili.com/video/bv1G3411P7hP
如果不想了解原理部分，直接看二和三了解表格的使用流程和一些小技巧即可

显然的，本攻略面向的是对游戏有一定理解的玩家，一般玩家可直接参考以下入门攻略：
科研项目选取规划建议
 四期科研摆烂版攻略及思路略讲
想要进一步了解科研策略规划的原理也可以先看：
科研项目评分与科研策略模拟
（这篇攻略给了笔者（我）很大的启发）

表格主要部分截图如下图

一.几种科研策略参考

本文的策略仅针对四、五期科研。
注意合理投入资源，量力而行，随机应变。
以下参考毕业周期均以保证每日能上线、不考虑切魔方拿心智计算给出。
注意其中的灰色项目表示没有白色的项目时刷新掉的科研项目。

本策略适用于希望切魔方加速科研船满破的玩家
金船全满破前：

金船全满破后切换为：

本策略适用于希望优先用物资满破科研船的玩家
金船全满破前：

金船全满破后切换为：

本策略适用于希望大量获取科研装备的玩家
默认采用该策略时，金、彩船均已满破

此外，想要追求极致的装备效率也可以额外投入魔方，但要注意投入魔方对获取彩色科研装备效率虽然有影响但是作用不大，还需三思

本策略倾向于节约物资和魔方、较低低的上线频率，以及排除B、T类前置条件麻烦的科研，在此基础上保证毕业

本策略倾向于满破科研船时基本完全排除使用魔方的玩家
金船全满破前：

金船全满破后切换为：

本策略倾向于节约物资、魔方资源来实现5期毕业的玩家

ps：更新后的期望产出可能比更新前的要低，因为更新前没有考虑过滤失败对收益的影响。
pps：之所以改革算法来计算收益是因为我发现wiki群里的偷王共同特点是策略无论是在我的旧版表还是在不屈之瞳的表里面计算，得到的结果都是策略非常激进，过滤失败大。
但是有句话说的好：存在即合理，偷王都这么搞不是没有原因的。于是对过滤失败进行细化研究计算收益降低效应，最终通过大量数据测试发现20%左右的过滤失败概率时平均收益才是最高的，根据此优化策略后发现所得策略大致和偷王的策略吻合。
~~偷王那么能偷也不止是运气比我好。~~
~~偷王：你偷我策略是吧。~~

二.表格使用流程

图为表格使用时的流程：

首先手动输入科研倾向、毕业科研船情况、日均科研时间投入，表格自动计算倾向下科研项目的性价比；（这里填的倾向即使不合理也没有关系）
注：科研时间浪费如果自己没有留意过，如果认为自己是闹钟科研填0，是一般肝填10-15分钟之间，咸鱼只点几次的话填2h以上。这里日均科研时间投入=你晚上睡前收科研时间点-早上收科研时间点
接下来表格会结合科研性价比期望等输入自动给出科研策略;
根据科研测试数据模拟科研自动得出科研性价比期望和科研产出期望；
根据模拟科研给出的科研性价比期望手动迭代优化科研性价比期望，直到性价比期望趋于稳定值；
上述流程完成后，你就可以查看科研数据分析，这时你可以通过给出的每日科研投入、产出、科研项目过滤失败概率等。
当然，很多时候你一开始所填入的倾向度、过滤选项可能并不那么合理，还需要根据所得数据分析结果进一步的调整。
比如：
当你觉得每日过滤失败概率实在太高，就调大过滤掉排名在第（）名的数值
当你觉得物资消耗太大，就调高省物资倾向的值，反之则调低
当你觉得魔方消耗太大，就调高省魔方倾向的值，反之则调低
当你觉得短时间科研项目排名太靠后，就调高收的勤快度的值，反之则调低
当你觉得金船毕业太快而彩船毕业太慢，就调高彩船的需求是金船的倍数值，反之则调低
当你觉得彩飞机产量太低而科研船毕业速度比预期快很多，就调高装备需求是船的倍数值，反之则调低

也就是这样的全过程：

当然，上述流程走完后别忘了记录一下表格所给出的科研策略作为今后做科研的指导哦。

此外，还可以填入目前科研船、彩装备图纸数目的情况来获得毕业时间预测，判断目前的科研策略是否合理

使用过程举例展开/折叠

一开始，不知道具体的性价比、倾向、过滤模式怎么填，所以都是随意填的数字，如下图

接下来，看见给出了新的性价比参考值，这时就需要手动点击下拉列表来同步数值

多次迭代后数值不再变化了，这时就可以查看支出和收益的期望，以及科研项目排序了。

可以看见每天切的魔方实在太多了，这时就应该调高省魔方倾向的数值。
金船毕业远比彩船快，这时应该调高金彩兑换比
但是调多少呢？我也不太清楚，总之随便改一下吧。这样修改后再走一遍手动迭代再看看吧

现在给出的倾向就合理多了，而且收益、毕业速度之类的都很不错。
但是看起来金船定向的排名实在太低了，导致金船毕业甚至比彩船慢。这似乎是因为彩与金图纸兑换比设置得太高的缘故。所以还是得继续修改

现在的数据就相当不错了，收菜次数、魔方消耗、物资消耗等都在预期之内，收入也符合我个人的预期，可以保留下来作为我科研项目选取的指导。
保存方法：选取你想要保存的表格部分，按ctrl+c复制，可以直接粘贴到QQ聊天框
当然，你使用QQ的截图功能、excel自带的复制为图片功能等也是可以的。

实用性举例展开/折叠

如图为以本表调整出的快装备倾向

填入@不屈之瞳所制作的模拟科研表得到的投入产出估算如图

与原本所给的表相比：

可以看出，得到的策略降低了大量溢出的金船图纸收益而略微提升了彩船图纸收益，使彩船、金船图纸产出更加平衡，同时投入也略低。

三.作者对使用者的碎碎念

①通过收益的反馈来改写自己的倾向加权来达到预期的收益是通常这个表格的用法（这样比直接改策略来获取倾向，能保证选取的策略的正确性），但是其实你也可以在手动迭代填入性价比期望时适当降低期望以获取较为稳妥的科研策略，或则抬高期望以获取较为激进的科研策略。此外，每日过滤失败概率这一项也能体现策略的激进或者稳妥性质
②本表对于项目的优先级排序很多时候是反直觉的，但是请相信这个表格所采用的算法，否则还不如直接采取wiki上现成的规划建议
③把这个表和文件:科研模拟器.xlsx配合使用更优
④做科研讲究灵活应变，根据自己的实际情况来调整倾向才能最大化发挥这个表格的作用。

四.量化思想

将科研的投入和产出以某种方式量化是这个表格使用的算法核心。首先笔者根据自身体验大致给出了一个价值基础模型，即如图

显然对于不同的玩家而言，每种物品产出的价值也各不相同。所以这里还需要再次加权

以下量化计算过程中：
物资价值=物资价值基础x省物资倾向/100;
魔方价值=魔方价值基础x省物资倾向/100;
心智单元价值=心智价值基础x缺心智倾向/100;
彩装备、彩飞机的价值算法则较为复杂，不过价值比例是填表决定的。
这样，只要修改倾向等数据，就能重新对科研产出和投入进行加权，以量化科研产出和投入。
将投入和产出进行量化是对科研项目分析的基础。

量化投入和产出有什么好处？
科研投入（物资、魔方、时间）与产出（科研船蓝图、科研装备图纸）涉及多个维度，只是前后各选一个维度进行评价的评价标准一定会忽略项目的其他方面。比如单纯通过时间评价科研的产出显然忽略了魔方物资投入也是玩家的资源，单纯追求装备图纸获取速度也容易忽视科研船蓝图的进度。把投入产出量化可以方便的在2维空间上比对项目的优劣。

五.性价比、科研性价比期望与项目评分

量化科研投入与产出后，就很容易计算每个项目性价比了。
这里我引入一个概念：科研性价比期望。这个概念指做长期做科研的产出与收益之比，反映了当科研项目未知时你认为接下来的科研项目应该达到的性价比。

由图可知，选择每个项目赚（或者亏）的资源=投入x科研性价比期望-产出。根据这个可以对每个科研项目的优先级进行评分及排序，即
项目评分=项目投入x（项目性价比-科研性价比期望）

这里使用的算法启发自攻略科研项目评分与科研策略模拟的“模拟/评分机制讲解”中的项目收益数据相关的计算

可以看见，本攻略的算法将时间这一轴换成了科研投入（包括时间、物资投入等），能更普适化的反应科研的实际投入。只衡量时间的算法显然忽视了科研需求的其他资源投入

2.26更新：
增加了一个项目评分的条形图，可以方便的看见每个项目的评分差距

六.模拟科研

根据1万次科研测试数据，可以大致了解科研刷出的规则及频率。根据这个可以很容易做出模拟科研，模拟科研与@不屈之瞳的科研项目评分与科研策略模拟中模拟科研的模拟机制基本相同。

假设科研项目的刷新相互独立，从而只需知道各项目的刷新概率即可建立起刷新模型。
由于研发倾向规定至少有三个项目为当期科研，剩余2个格子刷新项目的科研期数对除了定向研发以外的项目可以进行等概率假设，即定向研发外的项目2、3、4期刷出概率各占1/3。
4期科研优化后不再产出已全满科研船的定向研发项目，这里除了假设科研项目的刷新相互独立外，额外作了两个假设：
①全满毕业某个科研船不影响定向研发项目的刷新概率
②每个科研船的定向研发项目刷新概率相等
上述两个假定中，第一个因为数据不足尚未被验证！
基于以上的假设和科研项目统计数据，可以计算4期科研刷出率。如：
毕业了7个2、3期科研船，尚未毕业任何4期科研船时，4期定向刷出率占定向研发总刷出率的82.22%，此时未限定刷出4期项目的2个格子刷出非4期科研概率易根据测试数据计算得为60.9%，那么可以知道3、4、5个格子刷出4期科研概率依次为37.11%、47.62%、15.27%
已知科研项目的刷出率，使用条件概率的手段对三种情况进行计算即可。

经过对比1万次测试数据可知模拟科研与测试数据基本相符，可以认为可以大致反映使用某优先级时的科研产出。
（当然也会有①建立的模型与真实机制的偏差；②使用的数据的统计误差；③实际做科研时脸很重要
定义合适的过滤项目以及项目优先级即可得到科研选取频率、产出等，即可计算科研性价比期望
显然可以发现，科研性价比期望是需要事先给出项目优先级，项目优先级又需要科研性价比期望来计算。这里我也没有什么好的办法，只能先随便填一个数字，根据这个数字得出一组性价比排序，再自动带入计算出来性价比期望。幸运的是，这个系统是收敛的，只要多次迭代就能得到最后的数值。收敛的原因嘛，~~我确信已发现了一种美丽的证法，可惜wiki的界面太小了，我写不下——~~

为什么独立刷新模型不成熟的情况下不实际采样模型？展开/折叠

每个玩家的科研船毕业情况不尽相同，使用实际采样模型显然无法解决定向研发项目对每个玩家来说的刷新情况不一致问题（总不能自带12x6个表吧，而且这样细分的数据并没有人有）
此外，日后对刷新模型的不断完善可以使数据尽可能接近实际刷新的情况。~~为了避免整个模拟机制需要重新写一遍就直接用独立刷新模型了~~
~~结果11.6还是重写了模拟机制~~

七.当前时间的项目推荐

众所周知科研项目可以粗略分为白天科研和夜间科研两类。但其实白天科研还可以继续细分为
1.收了这次科研后就是接夜间科研准备睡觉了
2.收了这次科研还是白天时间
此外，当你这次科研倒计时完成时间点已经过了睡觉时间点（比如16：00时接一个D8项目），虽然现在可能还是白天，但是这项科研仍然当作夜间科研计算。

也就是说科研项目分为：白天科研、过渡科研、夜间科研，一共3类。
这里还可以进行进一步的策略细化。
首先根据统计，有88%的概率一次项目刷新中含有2.5h以及以下的科研项目，也就是说当你这项预计的科研完成时间点距离你睡觉的时间点还差2.5h以上时，可以认为还能在点夜间科研前再点一次。因此，可以以当前时间点+科研耗时+2.5h是否超过睡觉时间点判断是否过渡科研，以当前时间点+科研耗时是否超过睡觉时间点判断是否为夜间科研。
科研项目性价比=收益价值/(时间价值+物资价值+魔方价值），对于白天科研项目，时间价值=科研时间x白天单位时间价值；对于夜间科研项目，时间价值=睡觉时间x夜间单位时间价值；对于过渡科研，时间价值=距离睡觉时间剩余时间x白天时间价值。
综上，想要给出当前时间的最优项目选择，是需要根据当前时间来计算项目的类别以及排序的。事实上，在下午直到晚上的时间内，科研项目的类别也会实时变化，白天、过渡、夜晚科研甚至会出现在同一时刻（比如一般人22点睡觉优质睡眠，在17时的时候，D8是夜间科研，Q2是白天科研，G4是过渡科研），直接比对白天或者夜晚的策略表都有所欠缺。而过渡科研的性价比是随着时间变化的，显然不可能列一个巨表把5、6、7、8、9点时每个时间点的策略都列上去，所以由表格实时给出策略。
对项目排序的依据是：
1.对项目进行分类，依据时间判断白天科研、过渡科研、夜间科研
2.计算点击项目相比期望减少或者升高的收益，以计算项目评分（评分方式见第5章所述）
3.根据评分排序项目

此外，当前时间的项目推荐也会实时给出推荐过滤名次，这里的原理是依次计算过滤1、2、3、4.....25、26项科研的过滤失败概率，对比当前倾向的平均过滤失败概率，选取其中最接近的过滤方案。

后记

笔者研究性价比算法起因是约10月时看wiki上的科研项目评分与科研策略模拟攻略，对该攻略评分算法感到不恰当，没有考虑项目的综合收益，且笔者发现没有任何一篇攻略涉及了夜间科研项目的选取优先级，为了补充这些空缺故作此攻略。
在攻略制作的初期中受到了@不屈之瞳、@十五号线发车前两位dalao的帮助以及建议，他们的建议对本表格的显示ui、算法优化修正等帮助很大。后期进入wiki编辑和数据收集群，集体讨论了很多东西，收到了不少切实可行的建议。特别是审核@智代提出了许多可行的建议如将其他期的1h科研计入项目推荐、将心智单元价值也纳入计算等，对表格的完善作出了很大的贡献，特在此鸣谢。可以说这篇攻略不仅是我个人提出基础算法并实践的功劳，更是数据统计组、攻略组等一众人的努力，以及评论区内捉虫的各位玩家所凝结的成果。
这个表格到现在依然还有很多的不足需要完善，比如优化刷新模型、量更大的科研数据统计、使用更简洁的算法来避免精度丢失的误差、~~做成app~~等。
科研算法在一开始研究的时候我还认为问题并不怎么困难，随着研究的不断深入细化、对刷新机制的深入了解，也遇到了不少困难，不过大多数都在wiki数据组各位的帮助下逐步克服了。
这篇攻略是笔者第一次编辑wiki，做得不好的地方有很多还请各位看官多多包涵（逃）
最后，因为表格还在不断的完善，这篇攻略也还会不断地更新
~~不要停下来啊（指优化策略）~~