本周，我们要讨论一个极为复杂的话题。它一直犹抱琵琶半遮面，正等着我们层层揭开它的面纱——掌声有请匹配系统！

我们的匹配系统旨在实现两大核心目标：创造精彩对局，同时确保玩家快速加入比赛。第二个目标不言自明，但第一个目标就值得说道说道了。

首先，我们的匹配理念是：乐趣源于公平。在理想情况下，对战双方的获胜几率应该是五五开。比赛胜负将完全取决于参赛玩家的战术选择、战略决策和关键操作。获胜固然有趣（这毋庸置疑），但我们发现更重要的是玩家的自主决策权，以及比赛的竞技性和“可赢性”。当玩家感到自己的操作能影响战局并带来无穷可能性时，《守望先锋》才能真正展现其魅力。

现在，让我们深入解析这套系统在核心模式和角斗领域中的实现方式。

匹配初解

在深入细节之前，我们首先要了解匹配系统的基本运作原理。每位《守望先锋》玩家都有一个匹配等级（MMR）值，这个数字代表玩家的大致水平，并用于将其安置到对局中。虽然玩家看到的是“钻石3”这样的段位标签，但在系统内部，我们看到的匹配等级是一个布在原点（0.0）直角坐标系的正态曲线上的数据点。随着数值向上或向下偏离，两端的玩家数量会急剧减少。

实现理想对局

理论上，最理想的对局应包含10名水平十分相近的玩家。如果实际中无法实现“理想匹配”，我们会做出哪些取舍来让结果尽可能接近理想状态呢？

我们有多套匹配系统来确保对局平衡性。其中一套是名为职责差值的系统。当无法实现全员MMR数值精准匹配时，该系统会确保对战双方各职责对位的玩家水平相当。例如，若一方重装位匹配等级为1.5分，系统将优先匹配同为1.5分的敌方重装位。这个机制能让玩家与实力相当的对手交锋，减少因水平差异而导致游戏体验变差的情况。

我们也有多种方法放宽匹配质量要求，并实现更加切实可行的匹配框架。我们会权衡“团队层面”和“玩家层面”的公平性，以决定使用何种方法。团队层面的公平性，与队伍1战胜队伍2的几率有关；而玩家层面的公平性，则与各职责位上的表现有关，比如一方输出位玩家碾压另一方输出位的概率有多大。

职责差值系统的设计初衷就部分源于对团队层面公平性的考量。我们发现，当一方重装玩家的MMR值显著高于对手时，若仅靠不加权处理的MMR值或队伍总MMR值进行匹配，双方获胜概率的差距会比预期更大。得益于现有系统，我们能够相对稳定地确保团队层面的匹配公平性。在竞技比赛中，我们可以确保任何队伍的理论最低胜率都不低于40%。不过40%已经属于极端情况了。在预设职责的竞技比赛中，80%的对局里某一方获胜的几率都保持在45-55%区间。

控制对局内的水平差距很重要，因为水平差距会在团队层面显露无遗。比如，白银2玩家在配合和沟通方式上与钻石2玩家截然不同，若将这两个段位的玩家编入一队，双方都会认为队友“不会玩”或“操作有问题”。

实现玩家层面的公平性则更为困难，这是导致匹配时长异常的主要原因之一。在玩家在线数量较少时，比如在顶尖分段、非高峰时段或人数较少的地区，要在一局比赛中凑齐10个MMR值相近的玩家并不容易。

为了缓解上述情况下排队时间较长的问题，我们尝试过放宽MMR值的范围。结果不出所料，这导致对局平衡性和趣味性双双下降。我们会持续分析、思考匹配时间与匹配质量之间的取舍，并不断优化系统以取得平衡。

角斗领域情况特殊

以上几段是匹配机制及其在《守望先锋》竞技比赛中的应用。但在角斗领域中完全是另一回事，还需要详细阐述。

与《守望先锋》核心模式不同，角斗领域的段位并不直接与MMR值挂钩。MMR值更像一个“标杆”，随着玩家的角斗领域场次增加，他们会逐步接近某一MMR值。然而，角斗领域的段位每个赛季都会重置，所有玩家都要从“菜鸟”起步，通过比赛提升段位。你可能注意到了，在角斗领域中胜利获得的角斗分数通常高于失败损失的角斗分数，这种机制能让你更快晋升段位。但在核心模式中，这种机制是行不通的。因为MMR值必须符合“零和”规则，玩家获胜得到的MMR值必然等于对手失去的量。

这也解释了为何某一玩家的MMR值与该玩家角斗领域的段位有时会出现不一致。假设有两位玩家，他们的MMR值相近，角斗领域胜场数相近，那么他们的段位也会相近。如果一位玩家核心模式的MMR值较高，但他是角斗领域的新手，他仍须从“菜鸟”开始征战。

鉴于角斗领域的特殊情况，我们有两种选择，根据玩家在角斗领域中的MMR值或段位进行匹配。若按段位匹配，会出现真正的“菜鸟”玩家与高手玩家同场竞技的尴尬局面。因此，我们现阶段是根据角斗领域MMR值匹配对局的。这意味着你可能会在高分局中遇到“菜鸟”段位的玩家，因为作为该玩家真实水平参照的只有角斗领域MMR值。我们也在评估如何优化匹配机制，以减少这种情况的发生频率。

我们还密切关注着角斗领域的匹配时长问题，相关优化恳请大家耐心等待。目前，匹配时间过长的问题主要影响特定职责的高水平玩家，尤其是支援位。这既是因为该高水平玩家基数较低，也是因为各职责玩家数量极不均衡。我们正在积极寻求解决方案，随着方案完善，我们也会及时同步最新进展。

感谢大家花时间了解我们的匹配机制！