圣遗物强化概率计算器MATLAB版本分享

打开matlab，创新新脚本，复制粘贴如下代码并保存。

现在，可以在脚本中直接修改输入参数和使用了，参数输入完成后直接点击运行即可。 更多详情请参考@完全忠实涵子

function artifact_calculator()

% 圣遗物强化概率计算器 - MATLAB版本

% 基于原C++代码改写，用于计算游戏装备强化后获得更高评分的概率

% 源码来自B站@完全忠实函子，uid：3546373515381442

 %% 预设配置

 criteria_presets = containers.Map();

 criteria_presets('atkem') = [777, 777, 583, 583]; % cr, cd, em, atk%

 criteria_presets('atk') = [777, 777, 583, 0];   % cr, cd, atk%, 其他

 criteria_presets('hpem') = [777, 777, 777, 777]; % cr, cd, em, hp%

 criteria_presets('hp') = [777, 777, 777, 0];   % cr, cd, hp%, 其他

 % 词条成长值映射 (对应原代码value_to_growths)

 value_growths = containers.Map();

 value_growths('cr') = 389;  % 暴击率

 value_growths('cd') = 777;  % 暴击伤害

 value_growths('em') = 2331;  % 元素精通

 value_growths('atk%') = 583; % 攻击力%

 value_growths('atk') = 1945; % 攻击力

 value_growths('hp%') = 583;  % 生命值%

 value_growths('hp') = 29875; % 生命值

 value_growths('def%') = 729; % 防御力%

 value_growths('def') = 2315; % 防御力

 value_growths('er') = 648;  % 元素充能效率

 %% 输入参数

 sub_types = {'cr', 'cd', 'em', 'atk'};     % 4个词条类型

 current_values = [3.9, 19.4, 72, 14];     % 当前显示数值

 base_growths = [4, 1, 1, 1];          % 基础成长值 (1-4)

 preset_name = 'atk';    % 使用的预设

 growth_times = 5;      % 强化次数 (默认5次，-4选项时为4次)

 n_guarantees = 2;      % 前n次保底在前2个词条

 alt_score = 50;      % 备选分数用于比较

 %% 主计算流程

 fprintf('=== 圣遗物强化概率计算器 ===\n\n');

 % 获取评分权重

 if criteria_presets.isKey(preset_name)

   criteria = criteria_presets(preset_name);

 else

   error('未知预设: %s', preset_name);

 end

 % 转换当前数值为内部格式

 original = zeros(1, 4);

 for i = 1:4

   if value_growths.isKey(sub_types{i})

     growth_val = value_growths(sub_types{i});

     original(i) = round(current_values(i) * 1000 / growth_val);

   else

     error('未知词条类型: %s', sub_types{i});

   end

 end

 % 基础成长值转换 (1->7, 2->8, 3->9, 4->10)

 base = base_growths + 6;

 % 计算当前分数

 current_score = mult_add(original, criteria);

 % 显示转换函数

 function display_name = get_stat_display(stat_name)

   switch stat_name

     case 'cr', display_name = 'cr（暴击率）';

     case 'cd', display_name = 'cd（暴击伤害）';

     case 'em', display_name = 'em（元素精通）';

     case 'atk%', display_name = 'atk%（攻击力%）';

     case 'atk', display_name = 'atk（攻击力）';

     case 'hp%', display_name = 'hp%（生命值%）';

     case 'hp', display_name = 'hp（生命值）';

     case 'def%', display_name = 'def%（防御力%）';

     case 'def', display_name = 'def（防御力）';

     case 'er', display_name = 'er（元素充能效率）';

     otherwise, display_name = stat_name;

   end

 end

 function preset_display = get_preset_display(preset_name)

   switch preset_name

     case 'atkem', preset_display = 'atkem（攻击+精通型）';

     case 'atk', preset_display = 'atk（攻击型）';

     case 'hpem', preset_display = 'hpem（生命+精通型）';

     case 'hp', preset_display = 'hp（生命型）';

     otherwise, preset_display = preset_name;

   end

 end

 % 显示当前状态

 fprintf('装备词条: ');

 for i = 1:4

   fprintf('%s %.1f', get_stat_display(sub_types{i}), current_values(i));

   if i < 4, fprintf(', '); end

 end

 fprintf(' | 总分: %.2f\n', current_score / 1000);

 fprintf('基础成长: ');

 for i = 1:4

   fprintf('%s %d档', get_stat_display(sub_types{i}), base_growths(i));

   if i < 4, fprintf(', '); end

 end

 fprintf('\n');

 fprintf('使用预设: %s\n', get_preset_display(preset_name));

 fprintf('保底强化: 前%d次必定强化前2个词条\n\n', n_guarantees);

 % 生成所有可能的强化结果

 fprintf('正在计算所有可能的强化路径...\n');

 tic;

 grown_subs = grow5(base, growth_times, growth_times - n_guarantees);

 fprintf('生成了 %d 种可能结果，用时 %.2f 秒\n', length(grown_subs), toc);

 % 直接计算所有分数

 all_scores = zeros(length(grown_subs), 1);

 for i = 1:length(grown_subs)

   result = grown_subs{i};

   all_scores(i) = mult_add(result, criteria);

 end

 expected_total = 2^(4 * growth_times);

 fprintf('总结果数: %d (期望: %d)\n', length(all_scores), expected_total);

 % 分析结果

 improve_count = sum(all_scores > current_score);

 improve_prob = improve_count / length(all_scores);

 if improve_count > 0

   better_scores = all_scores(all_scores > current_score);

   expected_improvement = mean(better_scores) - current_score;

 else

   expected_improvement = 0;

 end

 fprintf('\n=== 强化结果分析 ===\n');

 fprintf('使用启圣之尘后评分提升概率: %.1f%%\n', improve_prob * 100);

 fprintf('若评分提升，期望增加分数: %.2f\n', expected_improvement / 1000);

 % 简单建议

 if improve_prob > 0.6

   fprintf('💡 建议: 提升概率很高，推荐使用\n');

 elseif improve_prob > 0.3

   fprintf('💡 建议: 提升概率适中，可以考虑\n');

 else

   fprintf('💡 建议: 提升概率较低，建议谨慎\n');

 end

 % 备选分数分析

 if ~isempty(alt_score)

   alt_score_int = round(alt_score * 1000);

   alt_count = sum(all_scores > alt_score_int);

   alt_prob = alt_count / length(all_scores);

   if alt_count > 0

     alt_better_scores = all_scores(all_scores > alt_score_int);

     alt_expected_improvement = mean(alt_better_scores) - alt_score_int;

   else

     alt_expected_improvement = 0;

   end

   fprintf('\n--- 目标分数对比分析 ---\n');

   fprintf('目标分数: %.2f\n', alt_score);

   fprintf('达到目标分数概率: %.1f%%\n', alt_prob * 100);

   fprintf('若达到目标，期望超出分数: %.2f\n', alt_expected_improvement / 1000);

 end

 % 带信息面板的可视化

 figure('Name', '启圣之尘强化分数分布', 'Position', [100, 100, 1200, 600]);

 % 分数分布 - 占左侧1/3

 subplot(1, 3, 1);

 histogram(all_scores/1000, 50, 'Normalization', 'probability');

 hold on;

 y_max = max(ylim);

 h1 = plot([current_score/1000, current_score/1000], [0, y_max], 'r-', 'LineWidth', 2);

 legend_handles = h1;

 legend_labels = {'当前分数'};

 if ~isempty(alt_score)

   h2 = plot([alt_score, alt_score], [0, y_max], 'g--', 'LineWidth', 2);

   legend_handles = [legend_handles, h2];

   legend_labels{end+1} = '目标分数';

 end

 xlabel('分数'); ylabel('概率'); title('分数分布');

 legend(legend_handles, legend_labels, 'Location', 'northeast');

 % 累积概率 - 占中间1/3

 subplot(1, 3, 2);

 sorted_scores = sort(all_scores);

 y_values = (1:length(sorted_scores)) / length(sorted_scores) * 100;

 plot(sorted_scores/1000, y_values, 'b-', 'LineWidth', 2);

 hold on;

 plot([current_score/1000, current_score/1000], [0, 100], 'r-', 'LineWidth', 2);

 if ~isempty(alt_score)

   plot([alt_score, alt_score], [0, 100], 'g--', 'LineWidth', 2);

 end

 xlabel('分数'); ylabel('累积概率 (%)'); title('累积概率');

 ylim([0, 100]);

 % 信息面板 - 占右侧1/3

 subplot(1, 3, 3);

 axis off; % 关闭坐标轴

 % 准备信息文本

 info_text = {};

 info_text{end+1} = '═══ 圣遗物信息 ═══';

 info_text{end+1} = '';

 % 当前词条信息 - 合并显示数值和档位

 for i = 1:4

   info_text{end+1} = sprintf('%s: %.1f    %d档', ...

     get_stat_display(sub_types{i}), current_values(i), base_growths(i));

 end

 info_text{end+1} = sprintf('当前总分: %.2f', current_score/1000);

 info_text{end+1} = '';

 % 评分规则

 info_text{end+1} = '═══ 评分规则 ═══';

 info_text{end+1} = sprintf('预设: %s', get_preset_display(preset_name));

 info_text{end+1} = '权重设置:';

 for i = 1:4

   if criteria(i) > 0

     info_text{end+1} = sprintf(' %s: %d', get_stat_display(sub_types{i}), criteria(i));

   end

 end

 info_text{end+1} = '';

 % 强化设置

 info_text{end+1} = '═══ 强化设置 ═══';

 info_text{end+1} = sprintf('强化次数: %d次', growth_times);

 info_text{end+1} = sprintf('保底强化: 前%d次', n_guarantees);

 info_text{end+1} = sprintf('计算结果: %d种可能', length(all_scores));

 info_text{end+1} = '';

 % 分析结果

 info_text{end+1} = '═══ 分析结果 ═══';

 info_text{end+1} = sprintf('提升概率: %.1f%%', improve_prob * 100);

 info_text{end+1} = sprintf('期望提升: %.2f分', expected_improvement / 1000);

 if improve_prob > 0.6

   suggestion = '推荐使用';

 elseif improve_prob > 0.3

   suggestion = '可以考虑';

 else

   suggestion = '建议谨慎';

 end

 info_text{end+1} = sprintf('使用建议: %s', suggestion);

 info_text{end+1} = '';

 % 目标分数分析

 if ~isempty(alt_score)

   info_text{end+1} = '═══ 目标分析 ═══';

   info_text{end+1} = sprintf('目标分数: %.2f', alt_score);

   info_text{end+1} = sprintf('达成概率: %.1f%%', alt_prob * 100);

   info_text{end+1} = sprintf('期望超出: %.2f分', alt_expected_improvement / 1000);

 end

 % 在子图中显示文本信息

 text(0.05, 0.95, info_text, 'Units', 'normalized', 'VerticalAlignment', 'top', ...

    'FontSize', 9, 'FontName', 'SimHei', 'Interpreter', 'none');

 fprintf('\nDone!\n');

end

%% 辅助函数

function result = mult_add(a, b)

 % 向量点积计算

 result = sum(a .* b);

end

function results = grow1(sub, only2)

 % 模拟单次强化的16种可能结果

 if nargin < 2

   only2 = false;

 end

 results = cell(16, 1);

 for i = 0:15 % 改为0开始，对应C++逻辑

   new_sub = sub;

   sub_to_grow = floor(i / 4) + 1; % 0,0,0,0,1,1,1,1,2,2,2,2,3,3,3,3 -> 1,1,1,1,2,2,2,2,3,3,3,3,4,4,4,4

   if only2

     sub_to_grow = mod(floor(i / 4), 2) + 1; % 限制为1-2

   end

   growth = mod(i, 4) + 7; % 7,8,9,10,7,8,9,10...

   new_sub(sub_to_grow) = new_sub(sub_to_grow) + growth;

   results{i+1} = new_sub;

 end

end

function results = grow5(sub, max_growth, allow_misses)

 % 递归模拟多次强化

 if max_growth == 0

   results = {sub};

   return;

 end

 results = {};

 subs_next = grow1(sub, allow_misses == 0);

 for i = 1:length(subs_next)

   s = subs_next{i};

   % 检查是否歪到后两个词条

   if_miss = (s(3) > sub(3)) || (s(4) > sub(4));

   sub_results = grow5(s, max_growth - 1, allow_misses - if_miss);

   results = [results; sub_results];

 end

end

免责声明：本文系网络转载或改编，未找到原创作者，版权归原作者所有。如涉及版权，请联系删