田汝浩，陸青云，白 金，張立震

基于網(wǎng)絡(luò)分析的競技游戲作戰(zhàn)模式

田汝浩1，陸青云2，白 金1，張立震1

（1.天津工業(yè)大學(xué) 數(shù)學(xué)科學(xué)學(xué)院，天津 300380；2.天津工業(yè)大學(xué) 材料科學(xué)與工程學(xué)院，天津 300380）

對2019年英雄聯(lián)盟職業(yè)聯(lián)賽(league of legends pro league，LPL)夏季賽事的小世界網(wǎng)絡(luò)性質(zhì)和無標(biāo)度網(wǎng)絡(luò)特征進(jìn)行了研究。通過對節(jié)點(diǎn)重要性進(jìn)行分析、概括，研究了網(wǎng)絡(luò)整體特性，并分析戰(zhàn)隊(duì)的獲勝機(jī)制。分析了英雄聯(lián)盟網(wǎng)絡(luò)的聚類系數(shù)和平均路徑長度等網(wǎng)絡(luò)指標(biāo)，得出英雄協(xié)作網(wǎng)絡(luò)具有小世界網(wǎng)絡(luò)的聚集性和高通達(dá)性等特點(diǎn)。同時(shí)對網(wǎng)絡(luò)中英雄的度中心性、中介中心性和接近中心性識別分析，結(jié)果表明，少數(shù)英雄為重要事件的參與者，將作為團(tuán)隊(duì)事件的“引擎”使隊(duì)伍獲得經(jīng)濟(jì)優(yōu)勢；中心英雄形成重要的通過性界面，依據(jù)識別出的3種協(xié)作網(wǎng)絡(luò)中心性排名靠前的英雄，發(fā)現(xiàn)了他們與團(tuán)隊(duì)中的參團(tuán)率相疊合。通過分析RNG戰(zhàn)隊(duì)的網(wǎng)絡(luò)指標(biāo)及特性，得出該戰(zhàn)隊(duì)風(fēng)格偏下路、打法單一、弱容錯(cuò)率低的結(jié)論。最后，通過對皮爾遜相關(guān)系數(shù)與各隊(duì)伍協(xié)作中出現(xiàn)最多的英雄組合數(shù)據(jù)的挖掘，為該賽季具有較強(qiáng)契合度隊(duì)伍的打法及隊(duì)伍的改進(jìn)方向給出了建議。

網(wǎng)絡(luò)分析；數(shù)據(jù)分析；英雄聯(lián)盟職業(yè)聯(lián)賽(LPL)；數(shù)據(jù)挖掘

英雄聯(lián)盟(LOL)2018年電子競技作為亞洲奧運(yùn)會的表演項(xiàng)目納入體育賽事。近年來，MOBA類游戲變得越來越熱門，因此，通過研究網(wǎng)絡(luò)科學(xué)分析隊(duì)伍的協(xié)作作戰(zhàn)模式對我國電競數(shù)據(jù)分析有著重要的借鑒意義。此項(xiàng)目屬于典型的團(tuán)隊(duì)協(xié)作，目前，有一些文章分析了團(tuán)隊(duì)作戰(zhàn)成功的原因，比如：韓超超等[1]通過對“英雄聯(lián)盟”的相關(guān)數(shù)據(jù)進(jìn)行分析，得出了電競賽事運(yùn)營中使用的傳播策略，并提出發(fā)展意見。有少量文章從網(wǎng)絡(luò)科學(xué)方面分析團(tuán)隊(duì)合作，如Buldú等[2]結(jié)合使用不同的網(wǎng)絡(luò)指標(biāo)分析F.C.B足球隊(duì)團(tuán)隊(duì)，創(chuàng)建了足球傳遞網(wǎng)絡(luò)，從網(wǎng)絡(luò)科學(xué)的視角分析了該球隊(duì)的比賽風(fēng)格以及與其他團(tuán)隊(duì)的差異。

通過研究2019年LPL夏季賽事的無標(biāo)度網(wǎng)絡(luò)和小世界網(wǎng)絡(luò)性質(zhì)，整體概括網(wǎng)絡(luò)的特性并且識別到了重要節(jié)點(diǎn)；選取了16個(gè)隊(duì)伍143個(gè)英雄節(jié)點(diǎn)，選擇研究網(wǎng)絡(luò)中衡量節(jié)點(diǎn)的地位和影響力的指標(biāo)度中心性、接近中心性、中介中心性和特征向量中心性，得到不同隊(duì)伍之間的特點(diǎn)。對其隊(duì)伍在比賽中的3種指標(biāo)進(jìn)行相關(guān)性分析，歸納了這些指標(biāo)與隊(duì)伍獲勝之間可能聯(lián)賽中的排名進(jìn)行比較，最后選取1個(gè)隊(duì)伍的RNG等指標(biāo)進(jìn)行相關(guān)性分析，研究此隊(duì)伍中驅(qū)動隊(duì)伍事件的發(fā)生并且逐漸贏得優(yōu)勢的英雄與模式。

1 游戲合作網(wǎng)絡(luò)的構(gòu)建

1.1 數(shù)據(jù)準(zhǔn)備

為了研究英雄聯(lián)盟賽事中每個(gè)團(tuán)隊(duì)的網(wǎng)絡(luò)結(jié)構(gòu)，選取了2019夏季LPL賽事中16個(gè)戰(zhàn)隊(duì)的143個(gè)英雄?；陬l數(shù)與描述性分析，研究數(shù)據(jù)包括比賽場次、事件時(shí)間、事件發(fā)生方、助攻者等。

1.2 游戲合作網(wǎng)絡(luò)

英雄聯(lián)盟是一個(gè)典型的團(tuán)隊(duì)合作賽事，要研究其網(wǎng)絡(luò)結(jié)構(gòu)，需構(gòu)建加權(quán)合作。因?yàn)闊o權(quán)網(wǎng)絡(luò)只能給出隊(duì)員之間是否存在相互作用，而隊(duì)員之間的相互配合需靠權(quán)重體現(xiàn)[3]。規(guī)定網(wǎng)絡(luò)節(jié)點(diǎn)是游戲中每個(gè)角色，權(quán)重為一個(gè)賽季2個(gè)英雄發(fā)生的事件互動(互動事件：2個(gè)游戲角色一起參與擊殺其他游戲角色的事件)的次數(shù)，同時(shí)考慮到基本計(jì)算指標(biāo)需要合作網(wǎng)絡(luò)基本的連通性，指標(biāo)不會為無窮大，所以規(guī)定“不連通的2點(diǎn)之間權(quán)重加1”。

基于各英雄之間的合作次數(shù)，使用python建立反映143個(gè)英雄之間拓?fù)潢P(guān)系的加權(quán)網(wǎng)絡(luò)圖。繪制了2019 LPL夏季賽賽季的不同英雄之間發(fā)生互動的次數(shù)，如圖1所示。圖2可以更直觀地比較不同英雄之間的互動次數(shù)。

圖1 LOL玩家合作網(wǎng)絡(luò)示意圖

圖2 LOL對應(yīng)原子矩陣

各玩家表示節(jié)點(diǎn)，合作次數(shù)越多，2個(gè)玩家的關(guān)系線越密集。對于左上半?yún)^(qū)玩家的聯(lián)系比較密集，有復(fù)雜交錯(cuò)的合作關(guān)系。為研究合作的具體影響因素，本文從復(fù)雜網(wǎng)絡(luò)和協(xié)作網(wǎng)絡(luò)特征等方面進(jìn)行分析。

2 復(fù)雜網(wǎng)絡(luò)的分析

傳統(tǒng)的復(fù)雜網(wǎng)絡(luò)模型包括ER隨機(jī)網(wǎng)絡(luò)模型、BA無標(biāo)度網(wǎng)絡(luò)模型、WS小世界網(wǎng)絡(luò)模型，都具有較為復(fù)雜的拓?fù)浣Y(jié)構(gòu)特征。其中，無標(biāo)度網(wǎng)絡(luò)與小世界網(wǎng)絡(luò)模型最為典型。網(wǎng)絡(luò)中的大部分節(jié)點(diǎn)只與很少的節(jié)點(diǎn)相連，而只有極少量的節(jié)點(diǎn)與較多的節(jié)點(diǎn)相連接，因此，具有非常依賴某些節(jié)點(diǎn)的特征。無標(biāo)度網(wǎng)絡(luò)對于意外故障有著強(qiáng)大承受能力的原因也是由于這種關(guān)鍵節(jié)點(diǎn)的存在，但在面對協(xié)同性攻擊時(shí)則顯得脆弱，以上就是傳統(tǒng)研究中的無標(biāo)度網(wǎng)絡(luò)的特征。已存在的研究表明了球隊(duì)合作網(wǎng)絡(luò)等團(tuán)隊(duì)協(xié)作網(wǎng)絡(luò)具備了小世界網(wǎng)絡(luò)和無標(biāo)度網(wǎng)絡(luò)的特征[4]。本文首先通過研究2019年LPL夏季賽事的無標(biāo)度網(wǎng)絡(luò)和小世界網(wǎng)絡(luò)性質(zhì)，整體概括網(wǎng)絡(luò)的特性，并且識別重要節(jié)點(diǎn)；其次，通過16個(gè)隊(duì)伍143個(gè)英雄站點(diǎn)選取網(wǎng)絡(luò)中衡量節(jié)點(diǎn)的地位和影響力的指標(biāo)如中介中心性(Between-Centrality)和度中心性(Degree-Centrality)以及接近中心性(Closeness-Centrality)和特征向量中心性(Eigenvector Centrality)，得出網(wǎng)絡(luò)屬性與戰(zhàn)隊(duì)的比賽風(fēng)格相關(guān)聯(lián)[5]。最后選取1個(gè)隊(duì)伍即RNG，選取多個(gè)指標(biāo)進(jìn)行相關(guān)性分析，研究此隊(duì)伍中驅(qū)動隊(duì)伍事件的發(fā)生，并且逐漸贏得優(yōu)勢的英雄與模式。

網(wǎng)絡(luò)的節(jié)點(diǎn)度為(節(jié)點(diǎn)連接邊的個(gè)數(shù))，符合冪律分布是無標(biāo)度網(wǎng)絡(luò)的特征，即：

而平均路徑avg與隨機(jī)網(wǎng)絡(luò)同樣短，并且具有與規(guī)則網(wǎng)絡(luò)同樣大的聚類系數(shù)avg的小世界網(wǎng)絡(luò)的特征。平均路徑長度代表所有成對節(jié)點(diǎn)之間最短路徑長度的平均值，也就是：

其中，dist(,)表示連接節(jié)點(diǎn)和節(jié)點(diǎn)的最短路徑長度；聚類系數(shù)表示網(wǎng)絡(luò)節(jié)點(diǎn)與鄰接點(diǎn)的緊密程度，值為所有節(jié)點(diǎn)聚類系數(shù)的平均值，單個(gè)節(jié)點(diǎn)的聚類系數(shù)值為所有與該節(jié)點(diǎn)相連節(jié)點(diǎn)之間所有邊的數(shù)量，再除以可聯(lián)通的全部網(wǎng)絡(luò)節(jié)點(diǎn)之間的邊數(shù)最大值。

復(fù)雜網(wǎng)絡(luò)的度中心性D()是刻畫節(jié)點(diǎn)中心性最直接的度量指標(biāo)，反映了每個(gè)節(jié)點(diǎn)與其他節(jié)點(diǎn)的關(guān)聯(lián)性，同時(shí)也和網(wǎng)絡(luò)規(guī)模息息相關(guān)。本文用英雄所聯(lián)系的其他英雄數(shù)目表示[式(1)]；中介中心性B()表示經(jīng)過某個(gè)節(jié)點(diǎn)的最短路徑數(shù)目，是衡量一個(gè)節(jié)點(diǎn)控制或影響網(wǎng)絡(luò)中其他節(jié)點(diǎn)的能力。網(wǎng)絡(luò)中的一個(gè)節(jié)點(diǎn)中介中心性越大，則該節(jié)點(diǎn)影響其他節(jié)點(diǎn)的能力越強(qiáng)。用節(jié)點(diǎn)最短路徑st占所有節(jié)點(diǎn)最短距離st的比例表示[式(3)]；接近中心性C()反映了節(jié)點(diǎn)之間的接近程度，這也體現(xiàn)了網(wǎng)絡(luò)中一個(gè)節(jié)點(diǎn)不受其他節(jié)點(diǎn)控制的能力，一般情況下，一個(gè)節(jié)點(diǎn)接近中心度越大，則該節(jié)點(diǎn)不受其他節(jié)點(diǎn)影響的能力越強(qiáng)。該指標(biāo)用一個(gè)節(jié)點(diǎn)到其他節(jié)點(diǎn)的最短路徑距離累加和的倒數(shù)表示[式(4)]；特征向量中心性通過計(jì)算與鄰接矩陣的最大特征值1相關(guān)的特征向量獲得，考慮到玩家具有的所有定向連接的數(shù)量，從而確定節(jié)點(diǎn)的重要性。這樣，重要玩家也取決于團(tuán)隊(duì)其他重要玩家。

其中，D()表示節(jié)點(diǎn)的度中心性；x表示節(jié)點(diǎn)和-1個(gè)節(jié)點(diǎn)之間是否有直接的聯(lián)系，可轉(zhuǎn)化為0-1變量表示。

3 協(xié)作網(wǎng)絡(luò)特征測度

3.1 協(xié)作網(wǎng)絡(luò)具有小世界網(wǎng)絡(luò)的高聚集性與連通性

小世界網(wǎng)絡(luò)典型特征具有最短平均路徑，最高聚類系數(shù)的特點(diǎn)，2008年，Humphries和Gurney給出了小世界網(wǎng)絡(luò)指標(biāo)的一般判斷標(biāo)準(zhǔn)[4]。若其屬于小世界網(wǎng)絡(luò)，則平均路徑長度、聚類系數(shù)要滿足以下條件：

其中，rand和rand為網(wǎng)絡(luò)中對應(yīng)的隨機(jī)網(wǎng)絡(luò)的聚類系數(shù)和平均路徑長度，可以通過(網(wǎng)絡(luò)總節(jié)點(diǎn)數(shù))、(平均度)計(jì)算得到，表達(dá)式如下：

根據(jù)式(5)～式(7)，Python編程計(jì)算得出相關(guān)網(wǎng)絡(luò)指標(biāo)的數(shù)值。

表1顯示了隨機(jī)網(wǎng)絡(luò)和隊(duì)伍協(xié)作網(wǎng)絡(luò)的特征指標(biāo)。其中發(fā)現(xiàn)隊(duì)伍協(xié)作網(wǎng)絡(luò)兩兩英雄之間的位置平均經(jīng)過1.85步便可抵達(dá)，聚集系數(shù)rand為0.61，且=10.9，根據(jù)上面說明的特點(diǎn)可以發(fā)現(xiàn)其符合小世界網(wǎng)絡(luò)的特征。這說明隊(duì)伍協(xié)作網(wǎng)絡(luò)通達(dá)性高，英雄之間位置大部分直接相連，沒有直接相連的英雄也可以通過較短步數(shù)抵達(dá)，英雄所處位置呈現(xiàn)抱團(tuán)特征。下文將通過衡量無尺度網(wǎng)絡(luò)特征和所有英雄的度中心性、中介中心性、接近中心性，進(jìn)一步剖析隊(duì)伍協(xié)作網(wǎng)絡(luò)結(jié)構(gòu)。

表1 協(xié)作網(wǎng)絡(luò)和隨機(jī)網(wǎng)絡(luò)的特征指標(biāo)數(shù)值

網(wǎng)絡(luò)特征指標(biāo)隊(duì)伍協(xié)作網(wǎng)絡(luò)隨機(jī)網(wǎng)絡(luò) 平均路徑長度1.857 1433.013 061 聚類系數(shù)0.618 5910.091 993

3.2 度中心性：少數(shù)英雄為重要的多事件的參與者

圖3 度中心性標(biāo)準(zhǔn)化頻度

圖4 度分布擬合函數(shù)

圖5顯示了各玩家整體和局部相對位置的度中心性的分布[6]。地圖中心的英雄聯(lián)系比較緊密，外圍英雄相對比較分散，說明大多數(shù)站點(diǎn)為較小度的特點(diǎn)，少數(shù)英雄為較大的度，地圖中心的英雄成為重要的樞紐類英雄，如Ezreal、JarvanIV、Aatrox、Gragas等英雄。

3.3 中介中心性：中心英雄形成重要的通過性界面

圖6、圖7顯示了LPL比賽玩家中介中心性的標(biāo)準(zhǔn)化頻數(shù)分布和空間分布，呈明顯的長尾分布特征。在較低的中介中心性有較高的頻度，中介中心性為0.006 7時(shí)有最大頻數(shù)20，后隨中介中心性的增加，頻數(shù)降低[7]。結(jié)合度中心性分析，可以得到以下結(jié)論：其一，在度中心性較高的玩家往往中介中心性也高，中部玩家的中介中心性高，外圍玩家的中介中心性沿放射性逐層遞減；其二，只有少數(shù)的中心性值具有高的頻數(shù)，說明僅有少數(shù)的關(guān)鍵性玩家是核心人物，成為網(wǎng)絡(luò)中關(guān)鍵的節(jié)點(diǎn)。其三，中介中心性較高的玩家與之鄰近的玩家也具有較高的中介中心性。當(dāng)兩玩家距離較近時(shí)，可以快速地配合，合力擊敗對手，并在一定程度上增加了成功的概率。

圖6 中介中心性標(biāo)準(zhǔn)化頻度

圖7 中介中心性空間分布

3.4 接近中心性：路程可達(dá)性以協(xié)作網(wǎng)絡(luò)重心為核心圈層遞減

圖8顯示接近中心性的分布密度呈現(xiàn)非對稱性的特點(diǎn)，在接近中心性0.4～0.7的范圍內(nèi)，頻數(shù)取值為1～3，總體分布相對均勻。圖9中以具有較高接近中心性值的3位玩家為中心，接近中心性向外逐層逐圈遞減，但總體相對度中心性和中介中心性分布比較密集。因此，每個(gè)戰(zhàn)隊(duì)以能力最強(qiáng)者為核心、其他玩家作為輔助，進(jìn)行有策略的比賽。

圖8 接近中心性標(biāo)準(zhǔn)化頻度

圖9 接近中心性空間分布

4 協(xié)作網(wǎng)絡(luò)對英雄戰(zhàn)隊(duì)建議與啟示

在143個(gè)選手經(jīng)常使用的英雄中，其中Gragas和JarvanIV是打野選手最喜歡使用的英雄，這與他們在對內(nèi)最高的參團(tuán)率73.8%有關(guān)；Ezreal、Sivir、Kaisa和Xayah是AD選手最喜歡使用的英雄，這與他們在隊(duì)內(nèi)73.0%排名第二的參團(tuán)率相符合；TahmKench是輔助選手最常使用的英雄，在2019年夏季賽中，輔助選手常常使用此英雄用于游走支援，所以，這與他在隊(duì)內(nèi)72.4%排名第三的參團(tuán)率有關(guān)。

通過查看空間中心性，可以推測出RNG戰(zhàn)隊(duì)的運(yùn)行模式：打野選手主要以支援下路為主，通過解放參團(tuán)率第二和第三的下路組合，在中期帶動其他2個(gè)位置取得更大的優(yōu)勢，從而較容易獲取比賽的勝利。經(jīng)分析可知，該固定模式的打法可能會給隊(duì)伍打法靈活性帶來一定的弊端，比如，對手可以通過指定特定的策略來使得打野對于下路的支援協(xié)作收益最小化，并且將突破口放到中上兩路，這也是最終S9總決賽此隊(duì)伍失利的一個(gè)原因之一。

根據(jù)協(xié)作圖分析得出結(jié)論，下面對于影響游戲勝負(fù)的決定性因素進(jìn)行探討[8]。對本賽季隊(duì)伍勝場數(shù)、擊殺數(shù)、最大特征值、最短路(short path)、度中心性、中介中心性、接近中心性進(jìn)行了雙變量相關(guān)性分析，得出了皮爾森相關(guān)系數(shù)(表3)。

表2 3種中心性排名前10的英雄

排序（由高到低）度中心性具體值中介中心性具體值接近中心性具體值 1JarvanIV0.531Gragas0.070JarvanIV0.681 2Aatrox0.531JarvanIV0.051Aatrox0.681 3Gragas0.490TahmKench0.047Gragas0.662 4Ezreal0.490Sylas0.047Ezreal0.662 5TahmKench0.469Ezreal0.046TahmKench0.653 6Sivir0.449Aatrox0.045Sivir0.645 7Kaisa0.449Kaisa0.039Kaisa0.645 8Xayah0.429Sivir0.037Karma0.636 9Karma0.429Nautilus0.035Renekton0.636 10Sylas0.429Karma0.034Xayah0.628

表3 相關(guān)性矩陣

勝場數(shù)擊殺事件數(shù)最大特征值最短路度中心性接近中心性 勝場數(shù)1.0000.8940.875-0.2210.5850.595 擊殺事件數(shù)0.8941.0000.849-0.3440.5600.569 最大特征值0.8750.8491.000-0.1410.6880.664 最短路-0.221-0.344-0.1411.000-0.308-0.495 度中心性0.5850.5600.688-0.3081.0000.962 接近中心性0.5950.5690.664-0.4950.9621.000

最大特征值和擊殺事件數(shù)有顯著相關(guān)性，說明這個(gè)隊(duì)伍的進(jìn)攻性可以通過最大特征值的大小展現(xiàn)。度中心性與最大特征值有顯著相關(guān)性，說明越具有進(jìn)攻性的隊(duì)伍產(chǎn)生的事件越多，進(jìn)而獲得收益的速率就會越大，最終更快地?cái)U(kuò)大優(yōu)勢結(jié)束比賽。接近中心性和游戲的勝場次有正相關(guān)性，可能代表這個(gè)指標(biāo)對于隊(duì)伍獲取勝利有著不可忽視的作用，即成員之間互動越頻繁，引起的協(xié)作事件越多，打法越激進(jìn)獲得勝利的可能性就會越大，這也是這支隊(duì)伍需要補(bǔ)充的方面。在S9中的冠軍隊(duì)伍就是打法激進(jìn)的隊(duì)伍，這也側(cè)面驗(yàn)證了結(jié)論的正確性。

5 魯棒性分析以及建議

本文以RNG戰(zhàn)隊(duì)為例，建議RNG隊(duì)伍開發(fā)新的團(tuán)隊(duì)協(xié)作模式，將推動比賽發(fā)展并有更多協(xié)作事件的“核心”位置增加。具體建議：其一，除了以下路為“核心”去逐步解放其他位置的相互協(xié)作，也可以增加打野和中單、打野和上單、輔助和中單、輔助和上單位置之間的相互協(xié)作。其二，積極獲取遠(yuǎn)古資源，打法更有策略性。比如打法可以更加激進(jìn)、富有攻擊性，而不是偏向于發(fā)育和保護(hù)，這樣不僅可以提高觀眾的觀看體驗(yàn)，而且一定程度上提高了游戲獲勝的可能性。富有攻擊性、非保守性的打法，增加了打法的靈活性，提高了團(tuán)隊(duì)的容錯(cuò)率，更多的主動權(quán)掌握在自己手中，而不是擔(dān)憂下路“核心”是否出現(xiàn)問題，同時(shí)該策略給對手的戰(zhàn)術(shù)布置也增添了困難。

從中心性分析可以得出，協(xié)作網(wǎng)絡(luò)中存在核心英雄，他們作為游戲節(jié)奏的發(fā)動機(jī)，進(jìn)而推動游戲取得最終的勝利。由于傳統(tǒng)復(fù)雜網(wǎng)絡(luò)魯棒性與抗攻擊型不能簡單地移植到此游戲協(xié)作網(wǎng)絡(luò)魯棒性研究中，因?yàn)檠芯坑螒蛑袇f(xié)作網(wǎng)絡(luò)的抗攻擊型是為了應(yīng)對玩家選擇英雄前的BAN英雄階段。為了使得己方玩家的陣容不被破壞，并且盡可能地破壞敵方所擅長的協(xié)作網(wǎng)絡(luò)，所以，在網(wǎng)絡(luò)抗干擾的魯棒性研究中使用了頻繁集，篩選出這個(gè)賽季每支隊(duì)伍認(rèn)為的最為重要的組合，即出現(xiàn)場次最多的英雄組合，比較哪些隊(duì)伍選取這些英雄造成的收益最大，哪些造成的收益最小，進(jìn)而反映出隊(duì)伍協(xié)作網(wǎng)絡(luò)的抗攻擊性。

通過運(yùn)行頻繁集程序，從22 532個(gè)協(xié)作事件中篩選出選手最喜歡使用并且認(rèn)為可以打出很好效果的英雄。最常出現(xiàn)的協(xié)作方式如表4所示。

表4 常用英雄的出場方式

協(xié)作方式X1X2X3Y1Y2Y3 英雄1KaisaGragasVarusOlafCorkiXayah 英雄2NautilusKaisaTahmKenchKarmaLeonaKarma 英雄3 YuumiKalistaRekSai 英雄4 SivirJarvanIVMorgana

下面分析BAN掉這些英雄，將對隊(duì)伍的打法和效率產(chǎn)生怎樣的影響。編程得到4種指標(biāo)缺省前后的變化情況如圖10所示。

聚類系數(shù)和代數(shù)連通性，是反映節(jié)點(diǎn)連接的緊密程度的指標(biāo)。從中得出RNG戰(zhàn)隊(duì)指標(biāo)的下降幅度較小，說明BAN并掉這些英雄并未損害到“樞紐”點(diǎn)，而LNG、JDG和DMO的指標(biāo)都出現(xiàn)了下降幅度較大的點(diǎn)，說明以上BAN位損害了引發(fā)節(jié)奏的英雄，使團(tuán)隊(duì)中的協(xié)作產(chǎn)生了阻礙；對于最短路徑長度，大部分隊(duì)伍未發(fā)生明顯指標(biāo)變化，但BLG和WE戰(zhàn)隊(duì)都有使得最短路徑增大的情況出現(xiàn)，這導(dǎo)致較多英雄的配合發(fā)生的事件次數(shù)減少，戰(zhàn)隊(duì)?wèi)?yīng)考慮選取探索其他的組合方式來提升團(tuán)隊(duì)的協(xié)作能力。對于最大特征值，從表3的結(jié)論中得知它反映團(tuán)隊(duì)的進(jìn)攻性。從圖10可以看出，TES、JDG、DMO和BLG戰(zhàn)隊(duì)都存在BAN掉某種組合導(dǎo)致其團(tuán)隊(duì)的進(jìn)攻性大幅削弱的情況，遇到此類隊(duì)伍BAN掉對應(yīng)英雄是個(gè)性價(jià)比較高的選擇。由以上分析可得出，在對待特定隊(duì)伍時(shí)，可以選取目標(biāo)隊(duì)伍頻繁集中引起對方團(tuán)隊(duì)數(shù)據(jù)下降最快，且我方數(shù)據(jù)下降較為平緩的英雄組合作為BAN位。

圖10 4種指標(biāo)缺省前后的變化情況

從圖10也可得知，大部分選手使用上述英雄組合并沒有對團(tuán)隊(duì)協(xié)作領(lǐng)域帶來提升，所以，在未來的比賽中可以考慮選取探索其他的組合方式來提升團(tuán)隊(duì)的協(xié)作能力。

[1] 韓超超, 高舒帆. 淺析電子競技發(fā)展現(xiàn)狀及傳播策略——以“英雄聯(lián)盟”為例[J]. 新聞研究導(dǎo)刊, 2020, 11(7): 207-208.

[2] Buldú J M, Busqets J, Echegoyen I, et al. Defining a historic football team: Using Network Science to analyze Guardiola’s F.C. Barcelona[Z]. Sci Rep, 13602, 2019, 9.

[3] Ahnert S E, Garlascheli D, Fink T M A, Caldarelli G. Ensemble approach to the analysis of weighted networks[Z]. Phys. Rev. E76, 01610, 2007.

[4] Almendral J A, Díaz-yilera A. Dynamical and spectral properties of complex networks[Z]. New Journal of Physics 9, 2007, 187.

[5] Humphries M D, Gurnyk. Network ‘small-world-Ness’ a quantitative method for determining canonical network equivalence[J]. Plosone, 2008(4): 1-10.

[6] 楊萌宇, 張雷. 基于網(wǎng)絡(luò)科學(xué)的團(tuán)隊(duì)協(xié)作模型及網(wǎng)絡(luò)模式的識別[J]. 無線互聯(lián)科技, 2020, 17(6): 38-39.

[7] 馬蒙, 李秀霞. 網(wǎng)絡(luò)節(jié)點(diǎn)中心性與均衡性結(jié)合的作者網(wǎng)絡(luò)特征分析[J]. 情報(bào)科學(xué), 2020, 38(3): 49-53.

[8] 劉濤, 陳忠, 陳曉榮. 復(fù)雜網(wǎng)絡(luò)理論及其應(yīng)用研究概述[J]. 系統(tǒng)工程, 2005(6): 1-7.

Competitive Game Combat Mode Based on Network Analysis

TIAN Ru-hao1, LU Qing-yun2, BAI Jin1, ZHANG Li-zhen1

（1.School of Mathematical Sciences, Tianjin Polytechnic University, Tianjin 300380, China; 2.School of Materials Science and Engineering, Tianjin Polytechnic University, Tianjin 300380, China）

This article studies the small-world network nature and scale-free network characteristics of the 2019 League of Legends Pro League (LPL) summer event. By analyzing and generalizing the importance of nodes, the overall characteristics of the network are studied, and the team’s winning mechanism is analyzed. First, the network indicators are analyzed such as the clustering coefficient and average path length of the League of Legends network, and it’s concluded that the hero collaboration network has the characteristics of small-world network aggregation and high accessibility. At the same time, the identification and analysis of the degree centrality, intermediate centrality and proximity centrality of heroes in the network show that a few heroes are participants in important events, and they will act as the “engine” of team events to give the team an economic advantage; the central hero forms the important passability interface. Based on the three top-ranked heroes identified for the centrality of the collaboration network, they found that they overlapped with the team participation rate. Then, by analyzing the network indicators and characteristics of the RNG team, it is concluded that the team has a low style, a single play, and a low fault tolerance rate. Finally, through the mining of Pearson’s correlation coefficient and the data of the hero combinations that appear the most in the collaboration of each team, suggestions are given for the team’s play style and the direction of improvement for the team with a strong fit this season.

network analysis; data analysis; league of legends professional league (LPL); data mining

10.15916/j.issn1674-3261.2022.01.003

TP311

A

1674-3261(2022)01-0012-07

2021-01-01

田汝浩(1999-)，男，天津人，本科生。

張立震(1976-)，男，河北臨西人，講師，博士。

責(zé)任編輯：孫 林