「Elo 等級分制度」是如何計分的，在哪些運動或比賽中常用到這種機制？

感謝

@知識庫

的邀請。

先說一個冷知識，ELO不是一個縮寫，而是命名於美國物理學教授Arpad ELO的姓，也就是ELO評分系統的創始人，ELO本質上是一個評分機制，這個機制的誕生也是為了如國際象棋這類零和博弈遊戲。

ELO機制的前身是Harkness System，是由一個叫Kenneth Harkness的國際象棋組織者為了平衡比賽中選手水平差異而研發的一個系統，舉個例子，一位得分為1600的玩家參加了11輪比賽，在平均得分為1850的比賽中得分為2½–8½（22。7％）。比50％低27。3％，因此他們的新得分為1850 −（10× 27。3）= 1577，而Harkness System也算是最早的ELO系統。

雖然說Harkness系統是相對公平的，但是在某些情況下會產生許多觀察者認為不準確的評分，所以為了解決這個問題，Elo教授代表USCF設計了一個具有更完善統計基礎的新系統。

Elo的系統用基於統計估計的系統代替了較早的競爭性獎勵系統。根據某些成就的“偉大”的主觀評價，對許多體育獎勵積分的評分系統，就比如，贏得一個重要的高爾夫比賽可能是一個任意選擇的，其價值是贏得一個較小的比賽的五倍。

Elo的主要假設是，每個遊戲中每個玩家的象棋表現都是正態分佈的隨機變數。儘管一個玩家可能從一個遊戲到另一個遊戲的表現明顯好於或差，但Elo認為任何給定玩家的表現平均值僅隨時間緩慢變化。 Elo將一名玩家的真正技能視為該玩家表現隨機變數的均值。

不過問題來了，不同比賽的輸贏對於一個玩家的水平的體現終究還是會出現一定的偏差，其原因也是因為計算量過大的問題，為了進一步簡化計算，Elo提出了一種簡單的方法來估算其模型中的變數，也拒收每個玩家的真實技能。

根據玩家的評級與對手的評級比較，可以從表格中相對輕鬆地計算出預期將贏得多少遊戲玩家，贏得比預期多的玩家的收視率將被調高，而贏得比預期少的玩家的收視率將被調低，此外，該調整應與玩家超出或低於預期數量的獲勝次數成線性比例。

其實從現代的角度來說，這種簡化在如今計算能力飛昇的時代未免顯得有些幼稚了，當然50年前的機制對應的計算水平，也確實是需要這種簡化機制來更快速計算出每個選手的評分值的。

Elo評分系統的運用範圍說起來也不是特別窄，傳統1v1體育比賽、卡牌遊戲、網路遊戲、競技遊戲等都有ELO系統的身影，相比於最基本的單人競技中的Elo分數，競技遊戲中組隊的分數相對來說更加複雜。

先說最基本的單人Elo值是如何判定的，基本上用的是邏輯方程的公式，當A玩家（RA）和B玩家（RB）相遇時，兩人博弈後最終的結果會大致為為（對應玩家 - 對應玩家）/ 400，而當比賽結束後，如果結局跟公式出現了明顯的偏差，就比如對面瞬間被將死，5分鐘被KO，那最終的Elo值就會被更正，也就是：

對應玩家' = 對應玩家 + 對局中最大的輸贏值（對應玩家最終分數 - 對手玩家最分數）

。

再舉個例子，就比如說王者榮耀，匹配機制先不談，基本上來說當你最終的KDA值保持在一定水平線的時候，系統給你匹配的自然就會是對應你KDA值跟你相似的玩家，隊友就不知道了，

但是這點幾乎就是說你的對手大機率不會比你弱。

那利用這個特點，基本上就可以得出一個結論，那就是你的Elo值必須要比你真實水平要低，換句話說也就是需要讓系統以為你是豬，其實你是在扮豬吃虎。

這是我這賽季排位的資料，綜合得分也挺高的了，綜合得分的組合基本就五個，KDA、生存、輸出、發育、團戰，KDA可以透過送泉降低，發育可以透過划水降低，團戰可以透過單帶降低，輸出可以透過玩法師單純只打關鍵性傷害降低，生存跟KDA相似，多死少扛傷降低。

基本上來說，只要你的平均分夠低，你的勝率雖然可能不高，但是系統給你的對手一定不會厲害，而自身上分的速度也不會太快，所以其實最好規避Elo的方式，還是五排，畢竟這時候就沒有匹配系統作妖了。

以上，我是狐久，歡迎留言評論。