新的simulationcraft结果出来了，天赋和神器都和流行不同，各位怎么看
[url]http://www.simulationcraft.org/reports/Raid_T19P.html[/url]和副本体验不同，惩戒的dps和邪dk，dh，武僧没有差距，甚至高于部分。天赋方面，选择了一路1，最后2。神器，绕了一圈去点尘归尘，放弃了其他大特质。(当然这是为了单体)属性，急速暴击。急速仍然是堆到30技能优先级，这个列表我实在看不懂。。求大神分析
防骑竟然没上榜，这不科学！
[s:ac:blink]中午那会就想着惩戒不会登顶也不会吊车尾，想不到这么准
说惩戒不弱的会被喷
这个是单体木桩的伤害吧？如果拉5个怪呢？这个排名还会变吗？我就说一句，武僧在aoe战中不可能跌落前三。
翻译下这个列表：1.dps 排行：野德
狂徒贼 武器战 恶魔术 刺杀贼 生存猎 暗牧(S2M)啥意思没懂
风行 增强萨
惩戒骑 奥法
狂暴战 兽王猎 痛苦术 射击猎
又一个暗牧
冰dk这是 单体 还是 woe
还是 混合呀？ 上下限最大的职业， 狂徒贼 第一， 武器战 第二。 这个排名是 每分钟操作最大的职业和dps差异最大的职业。上下限最小的职业， (不严谨) 前三名
痛苦/毁灭术
猎人全系DPS 惩戒骑 256532
264900 武僧 264370 发这些是回楼主的，[惩戒的dps和邪dk，dh，武僧没有差距，甚至高于部分]这句话从何而来，何必误导大众的！
我就看到粉红色上面10种颜色，貌似一共12种？大概cjq是aoe强力职业可以弥补单体弱势？
比QS DPS高的有XD DZ LR FS AM SS WS DH比QS低的只有DK这还能表明CJQ DPS可以很强，无敌爆炸？[del]他妈这不就是弱的爆炸吗[/del]看不懂职业的我再补一句，10个DPS职业 QS在第9，原来第九就是不弱很强的程度吗。。。
每次新版本都要强行cjq强
强。无敌。。。无敌不是被dk抢走了吗。。。。你倒是让dk别把强拿走啊了。。。。惩戒现在强。。跟无敌都给dk了。。。我们惩戒只剩下泪水(?&?&?)。好了这个帖子沉了吧
DK哭晕在厕所
很多人没看懂吧，只看到cjq在中间，其实仔细看看cjq排在多少个职业的后面了，简直可以理解为在12个职业中垫底了
[b]Reply to [pid=76930,1]Reply[/pid] Post by [uid=6864187]chaomofang[/uid] ( 16:37)[/b]还剩一个DK[s:ac:嘲笑1]
[b]Reply to [pid=76930,1]Reply[/pid] Post by [uid=]as3449130[/uid] ( 16:21)[/b]是绝对的长时间单体木桩，包括英勇，战斗时间6-10分钟。和那几个职业相近，虽然有上下但是差距不到5%。这只是排除了所有干扰项的纯测试，单体，没有任何跑位移动，不需要做任何dps以外的事我觉得没怎么误导吧。这类软件模拟不都是这样吗？
[b]Reply to [pid=76930,1]Reply[/pid] Post by [uid=]今夕请当归[/uid] ( 15:26)[/b]这个测试软件是开源的可以下载下来自己测试。。不过因为它为了准确各个职业的设置比较复杂。。也是可以做多目标的，以前做过。而且多目标以后，最优的手法也会变化的，不仅仅是一个哪个技能先放的问题，比如挨个上痛这种。我觉得如果真的出结果，估计会和想像差距很多，当然这个测试肯定是纯最大化aoe的天赋和神器下的。武僧我个人感觉，没测试过，缺点在于成长性比较低，技能cd摆着呢。惩戒的cd在a类技能，武僧的cd在b类上。但是我们好歹有个审判buff求助一个SMIC 插件 simulationcraft v1.5.1
求助一个SMIC 插件 simulationcraft v1.5.1 [url]/addons/wow/simulationcraft[/url] 这个链接打不开啊，求大神出现给一个插件，谢谢
同求！这个不能沉啊，这插件很必要啊！！！
同求 谢谢！【术吧有爱】这是我用SimulationCraft模拟分析痛苦术属性收益_术士吧_百度贴吧
&&&&&&&&&&&&&&&&&&&&&&&&&&&&&&&签到排名：今日本吧第个签到，本吧因你更精彩，明天继续来努力！
本吧签到人数：0可签7级以上的吧50个
本月漏签0次！成为超级会员，赠送8张补签卡连续签到：天&&累计签到：天超级会员单次开通12个月以上，赠送连续签到卡3张
关注：87,807贴子：
【术吧有爱】这是我用SimulationCraft模拟分析痛苦术属性收益
求解。。。之前再网上清一色的看到是精通》急速，但是这个模拟出来的收益是急速》精通Sim版本是5.05的我现在装等481精通是6143急速为2648暴击（无视）1376模拟dps是54000实际dps也在54000左右（最近一次两千万木桩）每次看到吧里大大动不动就475两千万木桩6w+的我表示十分惊讶啊。。。最后还是想问问吧里有对急速精通深入研究的大大么0 0 求分享经验。
随后会放制作过程
筒子们，请容我平复下此...
万圣夜（英语：Hallowee...
前排熟悉吧友
此贴为吧友爆照评分贴，...
不知道能否镇的住
今年听到不少吧友们表示...
大家好~我是电影二组的...
此帖里星乔君教你怎么做...
186cm 大一 阳光开朗 喜...
97年双子不杂 处一个可...
第一次做，有什么建议和...
对了 我是痛苦=-=
现阶段精通吧 5.1才是急速。。而且动不动6w的 真实性又不高。。贴吧平均水平么。。前几天还有7w的呢 不过先阶段装备参差不齐 不好统一标准
所有buff都点上后的
还是急速大于精通= =
主要是宝石附魔都弄好了。。。不想为了试验把全是宝石附魔又洗一遍。。。有差不多装等，主急速的大大么？ 求个英雄榜 给我模拟下。
急速可以使精通的收益增加，精通也可以提升急速的收益，5乘5比4乘6大，很简单的道理
普遍的观点是5000急速然后堆精通
装等480+急速4717转精通，低于480全精通，个人心得，不过由于恐惧之心几个boss切恶魔好些我就全精通了
下了SimulationCraft，下了rawr是4.3的不能用啊。。。求如何看属性比值。。。
热点: 冲床配件优势: 服务网点遍布全国 / 主要生产冲床本公司长年与日本杉山电机公司合作 质量上乘,公司口碑好
我恶魔算出来的也是急速收益高，但这个模拟里面用的手法就存在问题，打出来的是暗影箭占得伤害比重比较高，混乱之触所占比重不足，与WOL榜前排那几个伤害构成天差地别。所以最后自己修改下模拟的手法再模拟。
你的属性收益的那张表 怎么弄出来
我sim模拟 没有这张表
贴吧热议榜
使用签名档&&
保存至快速回贴[数理研究] SimulationCraft完全手册
[color=darkblue][size=200%]SimulationCraft完全手册[/size][/color][color=red][size=120%]
(40% 完全体)[/size][/color][img]/files/SimC_Logo_MoP_550p_f9f9f9.png[/img][h][size=140%][color=darkblue]0 导读[/color][/size][/h]SimulationCraft，下文中简称SimC，是一个针对魔兽世界战斗机制开发的战斗模拟器。由于其具有开源、开发社区活跃的特点，是目前最权威、功能最强大的战斗模拟器和分析工具之一。SimC可以为处于不同战斗环境下的角色提供DPS等多方面的分析，既可以用于个性化的装备分析，也可以用于严谨的理论研究。SimC的官方网站为[url]/p/simulationcraft/[/url]，你可以在这个网站上找到新版发布、说明文档以及源代码。本文中的部分内容基于官方文档。由于SimC功能非常强大，涉及到非常多的专业知识，而且其官方文档又是英文，对国内玩家十分不友好，故写本文进行介绍。本文将从一些关于SimC和仿真建模的理论出发，详细介绍SimC图形界面的选项，并深入解析SimC的文本配置界面。这篇手册不是写给初识SimC的新手的，如果你没有使用过SimC，请首先参考[b]fhsvengetta[/b]的简易教程[url]http://bbs.ngacn.cc/read.php?tid=[/url]。[h][size=120%][color=darkblue]0.1 著作权[/color][/size][/h][collapse]SimulationCraft受[url=http://www.gnu.org/licenses/gpl.html]GNU GPL v3[/url]保护。本文中所使用的公式使用[url=]CodeCogs[/url]生成，其著作权受[url=/pages/licences/gpl.php]GNU GPL v2[/url]保护，不得用于商业用途。本文中部分图表来自Google Chart及SimulationCraft自动生成，其中Google Chart部分著作权受[url=http://creativecommons.org/licenses/by/3.0/legalcode]Creative Commons Attribution 3.0[/url]协议保护。本文的著作权将继承上述协议及[url=http://www.gnu.org/copyleft/fdl.html]GNU FDL v1.3[/url]协议，如需转载本文的全部或部分，请保留本章节。[/collapse][h][size=120%][color=darkblue]0.2 鸣谢[/color][/size][/h][collapse][@zstotal]：猎人区的理论研究大师和领路人，感谢你将我带上理论研究这条[del]不归[/del]路，以及你对理论研究做出的贡献。[@tian4152]：猎人区新晋版主，活跃在理论研究第一线，并邀请我[del]挖这个大坑[/del]写作本文。[@鬼服的正太]：卖萌的怪蜀黍，成就区的版主，感谢你在本文写作过程中帮我校对[del]卖萌[/del]和准备图片。[del]没有你，我还不知道我是语死早。[/del][@蔓延蔓延]：5年前认识的小树苗，现在已经成长为[del]强力喷[/del]的[del]黑手[/del]团长，感谢你对团队做的一切。[/collapse][h][size=120%][color=darkblue]0.3 目录[/color][/size][/h][collapse][list][*] 0 导读[list][*] 0.1 著作权[*] 0.2 鸣谢[*] 0.3 目录[*] 0.4 更新记录[*] 0.5 专有名词、术语及缩写[/list][*] [url=http://bbs.ngacn.cc/read.php?tid=]1 公式建模与仿真建模[/url][list][*] [url=http://bbs.ngacn.cc/read.php?tid=]1.1 公式建模[/url][*] [url=http://bbs.ngacn.cc/read.php?tid=]1.2 仿真建模[/url][*] [url=http://bbs.ngacn.cc/read.php?tid=]1.3 SimC的原理[/url][list][*] [url=http://bbs.ngacn.cc/read.php?tid=]1.3.1 属性收益分析[/url][*] [url=http://bbs.ngacn.cc/read.php?tid=]1.3.2 属性缩放[/url][*] [url=http://bbs.ngacn.cc/read.php?tid=]1.3.3 重铸收益分析[/url][/list][*] [url=http://bbs.ngacn.cc/read.php?tid=]1.4 准确度和精确度[/url][list][*] [url=http://bbs.ngacn.cc/read.php?tid=]1.4.1 模型分析的成本和必要性[/url][/list][*] [url=http://bbs.ngacn.cc/read.php?tid=]1.5 分布与随机误差[/url][/list][*] [url=http://bbs.ngacn.cc/read.php?tid=]2 SimC的获取[/url][list][*] [url=http://bbs.ngacn.cc/read.php?tid=]2.1 从SVN中获取SimC[/url][*] [url=http://bbs.ngacn.cc/read.php?tid=]2.2 编译SimC[/url][/list][*] [url=http://bbs.ngacn.cc/read.php?tid=]3 图形界面[/url][list][*] [url=http://bbs.ngacn.cc/read.php?tid=]3.1 Options (设置)[/url][list][*] [url=http://bbs.ngacn.cc/read.php?tid=]3.1.1 Globals (全局设置)[/url][*] [url=http://bbs.ngacn.cc/read.php?tid=]3.1.2 Buffs/Debuffs (增益及减益)[/url][*] [url=http://bbs.ngacn.cc/read.php?tid=]3.1.3 Scaling (属性缩放)[/url][*] [url=http://bbs.ngacn.cc/read.php?tid=]3.1.4 Plots (属性收益图)[/url][*] [url=http://bbs.ngacn.cc/read.php?tid=]3.1.5 Reforge Plots (重铸收益图)[/url][/list][*] [url=http://bbs.ngacn.cc/read.php?tid=]3.2 Import (导入)[/url][list][*] [url=http://bbs.ngacn.cc/read.php?tid=]3.2.1 Battle.Net (战网)[/url][*] [url=http://bbs.ngacn.cc/read.php?tid=]3.2.2 CharDev[/url][*] [url=http://bbs.ngacn.cc/read.php?tid=]3.2.3 Rawr[/url][*] [url=http://bbs.ngacn.cc/read.php?tid=]3.2.4 Sample Profiles (模板配置文件)[/url][*] [url=http://bbs.ngacn.cc/read.php?tid=]3.2.5 History (历史)[/url][/list][*] [url=http://bbs.ngacn.cc/read.php?tid=]3.3 Simulation (模拟)[/url][*] [url=http://bbs.ngacn.cc/read.php?tid=]3.4 Results (结果)[/url][*] [url=http://bbs.ngacn.cc/read.php?tid=]3.5 其他页面[/url][/list][*] [url=http://bbs.ngacn.cc/read.php?tid=]4 命令行界面[/url][list][*] [url=http://bbs.ngacn.cc/read.php?tid=]4.1 使用.simc文件[/url][list][*] [url=http://bbs.ngacn.cc/read.php?tid=]4.1.1 工作路径[/url][*] [url=http://bbs.ngacn.cc/read.php?tid=]4.1.2 编辑.simc文件[/url][/list][*] [url=http://bbs.ngacn.cc/read.php?tid=]4.2 语法[/url][*] [url=http://bbs.ngacn.cc/read.php?tid=]4.3 全局设定[/url][*] [url=http://bbs.ngacn.cc/read.php?tid=]4.4 角色声明[/url][list][*] [url=http://bbs.ngacn.cc/read.php?tid=]4.4.1 装备定义[/url][*] [url=http://bbs.ngacn.cc/read.php?tid=]4.4.2 技能优先级[/url][/list][*] [url=http://bbs.ngacn.cc/read.php?tid=]4.5 敌对目标声明[/url][/list][*] [url=http://bbs.ngacn.cc/read.php?tid=]5 SimC报告[/url][list][*] [url=http://bbs.ngacn.cc/read.php?tid=]5.1 从报告中导出数据[/url][*] [url=http://bbs.ngacn.cc/read.php?tid=]5.2 统计分析[/url][/list][*] 6 职业分析[list][*] 6.1 技能优先级分析[*] 6.2 天赋分析[*] 6.3 属性收益分析[*] 6.4 饰品分析[/list][/list][/collapse][h][size=120%][color=darkblue]0.4 更新记录[/color][/size][/h][collapse] 初稿 初校 发布[i][color=blue]章节0.导读[/color][/i]，[i][color=blue]章节1.公式建模与仿真建模[/color][/i]，[i][color=blue]章节2.SimC的获取[/color][/i]，[i][color=blue]章节3.图形界面[/color][/i]。[/collapse] 更新导读，加入简易教程的链接。 更新[color=red][i]章节链接不可用[/i][/color]及[i][color=blue]章节1.3.3.重铸收益分析[/color][/i]的二元函数绘图和对应描述。[h][size=120%][color=darkblue]0.5 专有名词、术语及缩写[/color][/size][/h]Agility, 敏捷Armor, 护甲Attack Power, 攻击强度Block Rating, 格挡等级CLI, Command Line Interface, 命令行界面Crit Rating, 暴击等级Dodge Rating, 躲闪等级DPET, Damage Per Execute Time, 每执行时间伤害DPS, Damage Per Second, 每秒伤害DTPS, Damage Taken Per Second, 每秒承受伤害Expertise Rating, 精准等级GUI, Graphical User Interface, 图形用户界面Haste Rating, 急速等级Hit Rating, 命中等级HPS, Heal Per Second, 每秒治疗HTPS, Healing Taken Per Second, 每秒承受治疗Intellect, 智力Mastery Rating, 精通等级MinGW, Minimalist GNU for Windows, 一个开源的Windows编译器NPC, Non-player Character, 非玩家控制角色Off-hand Weapon DPS, 副手武器每秒伤害Off-hand Weapon Speed, 副手武器速度Parry Rating, 招架等级PTR, Public Test Realm, 公共测试服务器SimC, SimulationCraft, 一个魔兽世界战斗模拟器Spell Power, 法术强度Spirit, 精神Stamina, 耐力Strength, 力量SVN, Subversion, 子版本控制系统TMI, Theck-Meloree Index, 一个坦克生命值平滑度的评分Weapon DPS, 武器每秒伤害Weapon Speed, 武器速度[size=80][color=silver]BBCode formatted by ngaBBcodeParser.lua[/color][/size]
[h][size=140%][color=darkblue]1 公式建模与仿真建模[/color][/size][/h]魔兽世界是一个充斥着数值的游戏。玩家和NPC之间的互动，由一系列的伤害数值、治疗数值、光环及其加成数值来表达。对于大多数扮演伤害型职业和专精的玩家来说，将每秒伤害(Damage Per Second, DPS)最大化，是他们共同的期望与追求。作为一个复杂的互动过程，玩家在伤害输出过程中的角色属性、天赋选择、法术选择、施放时机、施法结果、触发特效等因素都会影响全局的DPS。这些因素与其最终产生的DPS结果之间，存在一定的关系。为了找出这个关系，就需要对伤害输出的场景进行建模，并从中寻找规律，进而找到使DPS最大化的方法。建模的手段大致有两种：[color=red]公式建模[/color](Formulation)，以及[color=red]仿真建模[/color](Simulation)。[h][size=120%][color=darkblue]1.1 公式建模[/color][/size][/h]公式建模，是将动态的战斗过程及其结果——即施法动作与DPS的关系——抽象化为一个由公式表达的数学模型，并从中寻找其规律的方法。公式建模过程的结果，是一个或一组公式，其输入值包含角色属性、天赋雕文选择、法术施放规则等变量，输出全局的DPS值、或与DPS直接相关的中间变量。在魔兽世界的早期版本中，最早被广泛应用的理论模型基本都属于公式建模(Formulation)。对于早期版本来说，各个职业的核心技能较少，资源及其限制单一，影响技能伤害的因素较少，属性、技能之间互相作用与回环加成的情况较少，使得公式建模相对容易，时间成本较低，准确度也足以满足需求。公式建模的过程中，会使用一些假设，来帮助估计施法动作次数的组成。例如：对于一个有CD的高DPET技能，我们期望它被使用的次数越多越好，即此技能的施放间隔应当等于或略大于其CD。对于战斗中的不确定数值及事件，通常使用概率(Probability)和数学期望(Expectation)来进行计算和表达。例如：对于一个不暴击伤害1000，暴击伤害2000，暴击率为20%的技能，其期望伤害为1200。在实际游戏中，如果你使用此技能n次，当n趋于无穷大时，技能的平均伤害应当无限接近1200。当n较小时，实际的技能平均伤害将与期望伤害有一定差距。对于触发性和临时属性加成效果，公式建模通常使用覆盖率及其平均加成来进行近似的计算和表达。例如：对于一个触发100点敏捷持续20秒，每隔100秒触发一次的特效，其覆盖率的期望为20%。公式建模时通常将其近似为一个20敏捷的常驻加成，以降低复杂度。实际游戏中，如果在有触发buff的时间与无触发buff的时间之外时技能执行比例不均匀，将导致期望伤害与实际伤害不同。例如，一个猎人在无buff触发时使用低DPET的技能恢复集中值，在有buff触发时使用高DPET的技能倾泻集中值，将导致总伤害比近似的期望值更高。对于非无限并且可再生的资源，理论模型通常使用&消耗=产生&或类似的假设来进行分析。例如：对于一个潜行者，其被动能量产生率为[img]/png.latex?e[/img]点/秒，其在t时间内的技能消耗为[img]/png.latex?\{C_i\}[/img]，则[img]/png.latex?\{C_i\}[/img]应当满足[align=center][img]/png.latex?e \times t=\sum_{i=1}^N C_i[/img][/align]式中N为t秒内的技能总数实际游戏中，这个等式不是一定会被满足的。当时间t较小，或在时间t内有触发性或临时加成效果，将导致等式不成立。[quote]如果将玩家角色视为一个控制系统，那么在这种假设下的分析，通常属于稳态分析，即控制系统在长时间没有外力干扰时进行操作的状态。当控制系统受到干扰，其操作状态离开稳定状态时，系统的行为是瞬态响应。例如：在上面的例子中，英勇开启时，潜行者突然获得了一个外来的干扰，即不同的加速状态，能量的产生率将瞬间从[img]/png.latex?e[/img]提高到[img]/png.latex?e'[/img]。此时&消耗=产生&的等式将在短时间内不再生效，因为潜行者需要一段时间反应和调整来使能量的消耗率[img]/png.latex?\{C_i\}[/img]追赶上新的[img]/png.latex?e'[/img]。在追赶过程中，能量消耗率会低于产生率；追赶上以后也可能短时间的超过新的产生率，来倾泻消耗率增长过程中多余的能量。在经过足够长时间后，系统回到稳态，即&消耗=产生&的关系重新成立。在瞬态响应期间，由稳态分析得出的结论不再正确。[/quote]对于存在回环加成的系统，理论模型通常忽略后续的反馈加成，即忽略高阶无穷小，也就是忽略掉回环加成的部分。更精确的模型可能会引入控制系统理论，将其作为闭环控制系统来分析，由于涉及到拉普拉斯变换、z变换、时域及频域分析等专业知识，这种处理方式鲜少出现。例如：一个饰品的效果是，当你暴击时有一定几率获得加速效果，加速效果将使得技能暴击频率更高，从而提高加速效果的覆盖率，于是产生了回环加成。假设你获得的加速效果与现有攻击速度相比很小，则会将间接获得的加速忽略掉，因为这个加成是直接加速效果的高阶无穷小。实际游戏中，当获得的加速效果较高时，这个近似是不精确的。公式建模使用的近似，或多或少地都会引入误差。在大灾变之后的版本中，游戏机制中越来越多的引入了触发效果、非均匀的冷却、回环加成等机制。为了降低复杂度，公式建模的过程中将不得不大量使用近似。大量的使用近似，会导致每个近似的微小误差逐渐累积，当总误差大到一定程度时，将导致建模失败。而不引入近似，模型的复杂度将大幅提高，以至于超出我们能处理的范围。也就是说，的确存在完美的模型，可以将一个职业的所有机制都涵盖进去，但是我们却不这么做。这就好比相对论与牛顿力学定律之间的关系，一个是更高级更精确的理论，另一个是该理论在极限情况下的近似。平时我们在地球上的时候，牛顿力学定律就足够了。然而，现在暴雪将我们送入了太空，经典的牛顿力学定律会经常失效。综上所述，我们可以总结出理论模型的优点：[list][*] 公式建模得到的是确定的公式。对于公式建模的结果，可以更方便的使用微分、积分、极限等方法进行分析，不需要庞大的计算资源。[*] 对于同样的输入条件，公式建模得到的永远是同样的结果。[*] 对于输入条件的微小变动，都可以反映在公式建模的输出上。[*] 建模通常由精通特定职业专精的玩家进行。这一点保证了模型的质量，但是公式建模对数学水平和精通职业的高要求，也限制了公式建模的发展。[*] 尽管建模的精度不确定，但这个精度可以通过考虑更多条件和引入更复杂的理论来提高。例如对于触发性效果，将其已触发和未触发时的情况进行分别建模，而不是将其近似为一个常驻加成。引入更复杂的理论通常需要花费成倍的时间来进行分析和验证。[/list]和公式建模的缺点：[list][*] 公式建模与实际情况之间的差异难以衡量。由于公式建模取用了近似和假设，通常的模型与实际情况之间都会有或多或少的差异。[*] 衡量一项公式建模的近似是否妥当，可能比写一个新的工具更难。公式建模中的近似，都是为了简化模型，使其建立变为可能。衡量这个近似带来的影响，通常必须建立更复杂的模型来进行比较。[*] 公式建模工具软件难以被验证，其源代码可能不开放，其使用的近似模型通常没有文档说明。由于部分公式建模工具的开发过程中有商业化的参与，其内部细节可能是商业机密。这些公式建模工具的提供商依靠收费或广告来获取收入，[url=/]Ask Mr. Robot[/url]就是其中的一个例子。[*] 公式建模工具的作者也可能犯错。[*] 越好的理论越需要长时间的酝酿，发布时间也就越晚。[/list][h][size=120%][color=darkblue]1.2 仿真建模[/color][/size][/h][color=red]仿真建模[/color](Simulation)，是使用[color=red]蒙特卡洛法[/color](Monte Carlo methods)，以大量的重复试验来逼近真实结果的一种数值计算方法。蒙特卡洛法基于概率论和随机数的可靠性，对于计算过于复杂而难以接到解析解，或者不存在解析解的问题，可以有效的给出数值解。关于蒙特卡洛法的更深入理论介绍，请参看[i][color=blue]章节1.5.分布与随机误差[/color][/i]。仿真建模，实际是一种统计建模法(Statistical modelling)。统计建模，是通过分析数据样本，从中寻找变量之间的规律的方法。统计建模得到的模型，其各变量之间的关系，通常不是决定性(Deterministic)的，而是随机性(Stochastical)的。例如，在实际游戏中，对于一个不暴击伤害1000，暴击伤害2000，暴击率为20%的技能，统计建模进行10000次试验，每次试验是否暴击，都是独立事件，其中有1983次暴击，8017次不暴击，平均伤害为1198.3。可以看出，与理论模拟相比，这个例子的误差约为千分之1.4。由于此建模方式以数据为基础，故数据的来源和准确性值得考量，在实际游戏中获得的结果理应最准确。如果我们能设法从游戏中收集足够多的DPS数据，或许可以建立我们想要的模型。然而，在进行统计分析之后人们发现，从游戏中直接获取数据，有许多阻碍。首先，要进行可靠的统计建模，收集的样本需要具有[color=red]可再现性[/color](Test-retest reliability)。例如，一个急速为H，暴击为C，智力为I的法师，第一次测得的DPS为R，那么同一个法师，或者任意一个与他完全一样的法师，在同样环境下测得的DPS也应该与R十分接近。这一点看似理所当然，实际上DPS受玩家本身的影响无法忽略，即使是同一个玩家在同一个场景下产生的样本，都很难具有连续稳定的结果。这是由于大多数职业的输出都比较复杂，玩家不可能长时间稳定地保持注意力；数据收集的误差受玩家技巧影响，不同的玩家玩同一个角色可能会有不同的反应时间，长时间保持输出会导致疲劳犯错等因素所导致。另一个阻碍是，要达到可供分析的数据精度，所需的数据量太大。例如，一场典型的团队首领战斗，作战时间通常在400-500秒左右。要获得有建模研究价值的数据，误差至少要在1%以内，这就需要约50份战斗数据样本。而随着精确度要求的提高，所需的样本数量将呈指数增长，这样的增长在一份样本耗时400-500秒的情况下，是无法做到的。更何况通常的建模，需要不止一个角色的数据，此时样本数需求又将成倍增长。此外，游戏中提供的木桩NPC，血量一直保持不变，并不与最常见的raid场景相符，而真正的raid场景数据，又很难大量收集到场景完全相同的样本。在这种情况下，人们想到了仿真器(Simulator, 或称模拟器)。如果有一个仿真器，能够完全复制游戏中的规则，那么这些问题就迎刃而解了。仿真器可以保持稳定的技能使用，不会疲劳；仿真器可以略过游戏中的时间限制，将400-500秒的战斗结果，在几毫秒的时间里推演出来；仿真器也可以自定义场景，模拟玩家在多目标或移动战中的表现。此时的统计建模，则被称为仿真建模。仿真器的质量和效率，也将直接影响建模的准确度和效率。仿真建模的优点：[list][*] 不需要进行近似，模拟的结果更准确，更接近真实。[*] 更高可靠性。更容易实现、验证和发现错误。[*] 可以通过提高试验次数来使结果更精确。[*] 不需要由精通特定职业专精的玩家进行。[*] 自由度更高。对场景的改变，不需要重新进行建模，可以直接调整绝大多数变量。[*] 更容易开发，也更容易跟上新的改动。[/list]仿真建模的缺点：[list][*] 对于同样的输入值，多次模拟给出的值会有不同。[*] 对于输入值的微小变化，不一定能反映在输出上。[*] 仿真建模无法直接得到模型内部的细节和中间值，而只有结果。[/list][h][size=120%][color=darkblue]1.3 SimC的原理[/color][/size][/h]SimC的基本原理基于[i][color=blue]章节1.2.仿真建模[/color][/i]的蒙特卡洛法，在一个近乎完全复制WoW规则的世界中，创建一个(一些)角色，给他(他们)穿上装备，放到一个特定的场景中，让他(他们)按一定技能优先级使用技能，然后分析战斗记录，收集DPS等数据。同一个技能，施法结果可能未命中、被格挡、暴击等，可能有增加属性等触发性效果，这些不确定因素将导致每一个样本收集的DPS各不相同。为了更好的评估DPS，这个过程将被重复成千上万次，最终得到成千上万个样本，并得到一个置信度更高的平均值。重复的次数越多，得到的结果就越接近DPS的数学期望，模型的精确度也就越高。SimC中的虚拟角色就像游戏中的真实角色一样，可以按照规定的要求进行战斗。也就是说，只要给出特定的角色、场景和施法规则，就可以获得它的理论DPS。这样，我们获得了一个有若干个参数的函数[align=center][img]/png.latex?r=\Large DPS(crit, haste, mastery, hit, expertise, dps_{weapon}, speed_{weapon}, ...)[/img][/align]式中，crit、haste、mastery、hit、expertise、weapon DPS、weapon speed为别为暴击、急速、精通、命中、精准、武器DPS、武器速度等角色属性。分析这个函数，将有助于我们优化DPS。由于我们没有DPS的解析解——即公式化的描述，所以只能对给定的属性，算出其DPS。此时很多对解析解适用的数学分析方法——例如微分或积分——将不再能够完全适用。后面的章节将介绍一些数值分析的基本分析手段，及SimC的实现方法。在这个分析过程中，我们认为一切会对角色输出造成影响的变量，都是角色的属性。这个概念包括角色天赋、角色雕文、网络延迟、玩家技巧、玩家反应速度等。[h][size=110%][color=darkblue]1.3.1 属性收益分析[/color][/size][/h]通常来说，属性收益指的是：增加每点属性，所能获得的DPS。这个概念近似于函数DPS(A)的导数。(注：部分属性变量的定义域并不是连续的。例如对于力量、急速等级等属性来说，取值只能是正整数，其定义域是离散的正整数集。我们假定在分析过程中，这些属性变量的定义域均连续，DPS在其定义域上都是连续可导的。)然而，作为一个多元函数，DPS并不只与属性A有关，其他属性也会影响到DPS。例如，我们将DPS函数降低到二元，一个(暴击 - 急速 - DPS)的图像也许看起来会像这样：[img]/179/1790816/month_cb6ac4b9bede.png[/img]图中暴击(Crit)和急速(Haste)同时影响最终的DPS。为了将变量之间的关系分离开来，通常我们计算的是其他属性为固定值时，某个属性A的收益，即DPS对A的偏导数。例如，我们取急速为定值20，图中绿色的平面即为方程Haste=20。该平面与DPS曲面的交线，即为当急速为20时暴击的收益曲线。将其放到平面上，如下图所示[img]/179/1790816/month_7f00feba487ed26.png[/img]对于这种分析，SimC提供了“Plot”的选项，即绘制属性收益图像。在这个选项开启时，SimC将基于一个基准角色，为这个角色的指定属性A，取用新的值[img]/png.latex?\inline&\small&A_{k+1}=A_k+\Delta A[/img]，模拟得到DPS，最终绘制出一个步长为[img]/png.latex?\inline&\small&\Delta A[/img]的DPS图像。关于使用SimC绘制属性收益图的方法请参阅[i][color=blue]章节3.1.4.Plots (属性收益图)[/color][/i]。例如，下图为一套SimC样本提取出来的急速-DPS图像[img]/179/1790816/month_81f92af6aa2e8.png[/img]图中，蓝色曲线为不同急速下计算得到的DPS结果，其中的竖线为误差线，表示95%的DPS置信区间 (关于DPS的误差分析，请参阅[i][color=blue]章节1.5.分布与随机误差[/color][/i])。由图像可知，在模拟急速区间上，急速与DPS在大尺度上呈线性，所以我们可以通过线性回归估计大尺度上的斜率。图中的红色直线为线性回归的结果，其斜率即为急速在大尺度上的收益。从这个例子中也可以看到，属性与DPS的收益不总是呈线性，有时在大尺度上呈线性的收益，在小尺度上呈非线性。为了验证局部收益是否有效地呈现出阶梯形收益，我们可以进行进一步的分析。[list][*] 首先对DPS的原始值取一个窗口为3的移动平均。移动平均的意义在于抹平局部的峰谷，消除一部分随机误差，但过大的移动平均窗口也会使数据波动的细节被抹除。[*] 然后算出DPS的移动平均值在各点的变化率，这个变化率即为DPS移动平均的斜率。[*] 将这个斜率减去回归线的斜率，得到移动平均的斜率相对于图像全局斜率的残差。[*] 最后计算误差准线。在这个例子中，我们选择窗口为3的移动平均，则移动平均的斜率置信区间宽度，应当为数据置信区间宽度的[img]/png.latex?1/\sqrt{3}[/img]倍。[/list]对上面的过程做图之后，我们可以获得这样的结果：[img]/179/1790816/month_c4b269ea24e53e4f6ee97172b6d.png[/img]从图中我们可以发现，DPS斜率在5984附近和6784附近的残差显著超过了误差准线。这充分的证明，急速的收益在这两个位置呈现显著的非线性。将DPS曲线与回归线对比之后我们也可以发现，在这两个点附近，DPS曲线的斜率与回归线存在不小的差异。上面的例子中，数据来自于SimC，但图表及回归分析需要额外的分析工具。关于如何从SimC报告中导出数据，请参阅[i][color=blue]章节5.1.从报告中导出数据[/color][/i]。[h][size=110%][color=darkblue]1.3.2 属性缩放[/color][/size][/h]在SimC中，提供了一种被称为“Scaling”的属性收益分析方法，即[color=red]属性缩放[/color]。这个方法假设[img]/png.latex?\inline&\small&DPS(A)[/img]呈线性，或在特定的区间内呈线性，所以我们可以不计算整个DPS图像，而是只取两个相隔[img]/png.latex?\inline&\small&\Delta A[/img]的点，然后分别计算出其DPS。之后就可以得到近似的斜率，即近似的收益G。[align=center][img]/png.latex?G = \frac{DPS(A+\Delta A) - DPS(A)}{\Delta A}[/img][/align]例如，在[i][color=blue]章节1.3.1.属性收益分析[/color][/i]的例子中，取[img]/png.latex?\inline&\small&\Delta A=300,A=6234[/img]，即可在图像上取得两个点[img]/179/1790816/month_41f19e.png[/img]图中，新增的绿色线段为属性缩放所取用的数据样本。可以看到，属性缩放所得到的斜率与大尺度的属性收益——即回归线的斜率——有一定差距。所以在严谨的理论研究中，不建议使用属性缩放来得出结论。由于只需计算两个点的DPS值，属性缩放通常所需的运算量较小。值得注意的是，属性缩放的结果对DPS误差更加敏感：对于通常的DPS分析，1000个样本即可生成一份DPS误差在0.5%之内的粗略结果，而属性缩放通常需要1样本才能生成一份有参考价值的结果。[color=red]所以，属性缩放得出的结论，不应当作为指导性的结论。[/color]它只适用于已知属性收益呈线性的前提下，针对特定角色进行快速计算。关于使用Simc计算属性缩放的方法，请参阅[i][color=blue]章节3.1.3.Scaling (属性缩放)[/color][/i]。[h][size=110%][color=darkblue]1.3.3 重铸收益分析[/color][/size][/h]在实际游戏中，玩家可获取的属性总数有时是固定的，同时也有一些可以将一些属性按比例转化为另一种属性的手段，例如重铸、更改宝石、更改附魔等。此时我们可以列出一个等式：[align=center][img]/png.latex?S=\sum_{i}^{n} c_i A_i[/img][/align]式中，S为一个常数，代表角色所能获取的属性的加权之和，[img]/png.latex?\inline&\small&c_i[/img]为第i项属性[img]/png.latex?\inline&\small&A_i[/img]的权重。以宝石和重铸为例，对于力量、敏捷、智力等主属性，其权重为2，对于命中、急速、暴击、精通等副属性，其权重为1。换掉一枚有n点敏捷的宝石，就可以插上一枚2n点急速的宝石，加权之和S保持不变。以n=2，即两个属性的加权之和S为常数为例。令暴击x和精通y的总和S为定值，可得方程[align=center][img]/png.latex?a x + b y - S = 0[/img][/align]这个方程的图像是一个平行于z轴的平面。以a=1，b=2，S=60为例，将其绘制在[i][color=blue]章节1.3.1.属性收益分析[/color][/i]的暴击-急速-DPS图像中[img]/179/1790816/month_1308/de7bed83504a1feb5b31e9aedce0cc30.png[/img]从图中可以看到，这个方程的平面与DPS曲面相交，交线即为当暴击与急速加权之和为定值时的DPS收益。在这条交线上寻找最大值，即可有效的帮助我们选择重铸。我们所关心的DPS极值，则可以通过求这条交线上的导数，也就是DPS沿[img]/png.latex?ax+by-S=0[/img]的全导数来取得。对于这种分析，SimC提供了&Reforge Plot&，即重铸图像。重铸图像可以绘制出在属性加权总值一定的情况下，DPS随属性分配而产生的变化情况。属性的分配，取值在一定范围内，按一定步长进行。例如，下面是一份SimC直接输出的急速-暴击重铸图，重铸范围为 -3000 ~ 3000，步长为200。[img]http://4.chart./chart?cht=lxy&chf=bg,s,333333&chtt=Reforge%20Scaling|Damage%20Per%20Second&chts=dddddd,18&chs=550x300&chd=t2:-,-,-,-,-,-,-600,-400,-200,0,200,400,600,800,00,00,00,,206,489,775,768,744,551,417,462,584,675,748,547,506,498,|944,146,430,714,708,684,492,357,402,524,615,689,487,446,438,|063,266,549,835,828,804,611,477,522,644,734,808,606,566,557,238399&chds=-&chxt=x,y,x&chxl=0:|-3000+Crit|-0|3000+Crit|2:|3000+Haste|00|-3000+Haste|1:|(-605)|(-484)|(-363)|(-242)|(-121)|538%20(%2b121)|(%2b242)|(%2b363)|(%2b484)|(%2b605)&chdls=dddddd,12&chco=F58CBA&chg=5,10,1,3&chm=E,FF,1:5|h,,0.5,1,-1.0[/img]从图中可知，DPS收益在Crit - 1200附近最佳，在Crit + 1500左右也相当不错，所以可以考虑将1200暴击重铸为急速，或将1500急速重铸为暴击。受SimC使用的Google Chart API限制，更大尺度的重铸图像，可能需要第三方工具来进行绘图。详细方法请参见[i][color=blue]章节5.1.从报告中导出数据[/color][/i]。[h][size=120%][color=darkblue]1.4 准确度和精确度[/color][/size][/h][color=red]准确度[/color](Accuracy)指的是测定结果与真实值之间的接近程度；[color=red]精确度[/color](Precision)指的是重复测定的结果之间的接近程度。拿一个向飞盘投掷飞镖的例子来说，多个飞镖都落在了飞盘上一个很小的区域内，但离红心很远，这时精确度高，但准确度低；多个飞镖分散落在了红心周围，则精确度低，准确度高。更准确的说，准确度，影响的是被测系统的[color=red]系统误差[/color](Systematic error)；而精确度，则影响的是[color=red]随机误差[/color](Random error)公式建模通常只存在准确度的问题，不存在精确度的问题。也就是说，仿真建模给出的结果，有效数字是有限的；公式建模给出的结果，则没有这个限制。但是，不管模型的精确度再怎么高，实际应用时都要受到准确度的限制。倘若模型没有足够的准确度，精确度再高也没有实际意义。所以说，只要精确度高于或接近准确度，就是可以接受的。[h][size=110%][color=darkblue]1.4.1 模型分析的成本和必要性[/color][/size][/h]与公式建模相比，仿真建模，在迭代次数有限的情况下，会丧失一些精确度，但正如上一个章节所说，[b]精确度只要高于或者接近准确度，就是可以接受的。[/b]不管是公式建模还是仿真建模，理论上来说，只要你愿意花费足够的时间，精确度和准确度都可以提高，结果都可以无限逼近真实世界。但在追求精确度和准确度的过程中，模型的建立和实现成本也会被无限放大。我们并不是不能做出更好更精确的模型，而是我们需要在精确度与时间成本之间寻求一个合适的平衡点。归根结底，魔兽世界只是个游戏，为了追求万分之一的DPS而多花费的巨量时间，不如用来陪陪家人或者做点别的放松一下，不是么？[h][size=120%][color=darkblue]1.5 分布与随机误差[/color][/size][/h]统计学中的[color=red]中心极限定理[/color](Central limit theorem, CLT)证明，任何独立随机变量在试验次数增大时，其平均值趋于一个常数。近代概率论发展中，又证明了对于任何独立随机变量，在试验次数增大时，其分布呈现近似正态分布。作为一个独立随机系统，WoW的战斗机制也受此定律影响。在对随机系统进行测量时，将会引入随机误差。例如SimC为一个猎人的单体木桩战斗收集的2万个数据样本，其频率分布图为：[img]http://5.chart./chart?cht=bvs&chf=bg,s,333333&chtt=DPS%20Distribution&chts=dddddd,18&chs=550x185&chg=20,20&chxs=0,FFFFFF&chd=t:1,0,1,1,5,5,19,28,59,84,168,211,292,440,605,682,848,978,77,22,9,870,743,667,565,465,389,295,262,239,167,109,79,70,42,38,30,15,8,8,7,5,1,2&chds=0,1277&chbh=5&chxt=x&chxl=0:|min=213148|avg=244823|max=281995&chxp=0,1,46,100&[/img](stdev = , mean_stdev = 61.9716)从这个样本的频率直方图中，可以发现这个样本近似呈现正态分布。为了重构正态分布，我们可以从样本中获得数据的平均值[img]/png.latex?\mu[/img]和标准差[img]/png.latex?\sigma[/img]，从而得到对应的正态分布函数[align=center][img]/png.latex?f(x)=\frac{1}{\sigma\sqrt{2\pi}}e^{-\frac{(x-\mu)^2}{2\sigma^2}}[/img][/align]请注意，[color=red]这里提到的标准差，并不是我们想知道的DPS误差。[/color]数据样本呈正态分布，这个特点由整个WoW的随机系统所决定，样本的标准差降低，并不代表DPS误差降低。我们所关心的DPS误差，在于所得数据样本的平均值与真值之间的接近程度。也就是说，我们关心的DPS误差，实际是[color=red]样本平均值[/color]的标准差。这个值[img]/png.latex?\sigma_{\mu}[/img]由中心极限定理中的林德伯格-列维定理(Lindeberg
Lévy CLT)推导得到：[align=center][img]/png.latex?\sigma_{\mu}=\sqrt{\frac{\sigma^2}{n}}[/img][/align]式中n为样本数，[img]/png.latex?\sigma[/img]为样本的标准差，[img]/png.latex?\sigma_{\mu}[/img]为样本平均值的标准差。于是我们得到了样本平均值的标准差。由中心极限定理可知：样本平均值本身也呈正态分布。于是我们可以根据[img]/png.latex?\mu[/img]和[img]/png.latex?\sigma_{\mu}[/img]得到样本平均值，即DPS平均值的分布函数：[img]http://4.chart./chart?cht=lc&chf=bg,s,333333&chtt=95.00%%20Confidence%20Interval&chts=dddddd,18&chs=550x185&chg=20,20&chxs=0,FFFFFF|1,FFFFFF|2,FFFFFF|3,FFFFFF&chco=FF0000&chxr=0,071|2,0,0.012875&chxt=x,x,y,y&chxl=1:|DPS|3:|p&chts=dddddd,18&chfd=0,x,071,0.*exp(-(x-/(2*61.9716^2))&chd=t:-1&chm=B,C6D9FD,0,204.004:595,0[/img]其中，阴影部分是95%置信区间，由正态分布的特性可知，95%置信区间约为[img]/png.latex?(\mu-2\sigma_{\mu},\mu+2\sigma_{\mu})[/img]，即DPS误差约为[img]/png.latex?\pm2\sigma_{\mu}[/img]。在样本数提高时，统计的结果将更接近正态分布，误差也会更小。例如前一个猎人的SimC模拟，增加到20万样本量后将得到如下的频率分布图：[img]http://9.chart./chart?cht=bvs&chf=bg,s,333333&chtt=DPS%20Distribution&chts=dddddd,18&chs=550x185&chg=20,20&chxs=0,FFFFFF&chd=t:8,15,47,89,208,368,719,42,64,,,,,,56,24,24,,466,318,211,120,61,38,20,19,17,4,6,4,2,1,1&chds=0,14137&chbh=5&chxt=x&chxl=0:|min=215322|avg=244910|max=291753&chxp=0,1,39,100&[/img](stdev = , mean_stdev = 19.5899)从图中可以看到，样本的频率分布更平滑，更接近正态分布。但与小样本相比，标准差基本没有变化，均在8760附近，DPS误差由61.9显著降低到了15.6。这是因为样本平均值误差与样本数有关。如果需要进一步分析样本的可靠性，我们还可以对其正态性进行验证。将样本频率分布、样本累积分布图画出来后，再将拟合得到的正态分布及累积与其比较。例如，前面20万样本的频率分布图：[img]/179/1790816/month_a0cd89c6ed5a6e.png[/img]从图中可以看到，样本的累积分布图与标准正态分布的累积分布比较接近，可以认为样本呈现一个有效的正态分布拟合。更深入的正态性分析，则需要完整的源数据，使用Anderson-Darling检验或其他检验方法，本文不再深入探讨。
[h][size=140%][color=darkblue]2 SimC的获取[/color][/size][/h]作为开源项目，SimC的代码托管在Google Code。对于一般的玩家来说，请使用官方放出的正式版，下载地址为[url]/p/simulationcraft/downloads/list[/url]。如果你使用的是64位Windows请选用[color=red]Win64[/color]版本；32位Windows或不能确定的Windows版本请用[color=red]Win32[/color]；Mac用户请下载[color=red]OS X[/color]版本。本文后面的部分将全部使用Windows版本进行讲解和演示。SimC的版本更替比较快，尤其是在WoW的版本号更替前后，会有更频繁的版本发布，以修正一些bug及针对关键的PTR更新进行修正。为了保证模拟结果的准确度，请确保自己使用的是最新版本。错误的SimC版本可能会得出有误差甚至是完全错误的结果。将下载的压缩包解压后，可以看到两个可执行文件：SimulationCraft.exe和simc.exe。其中：SimulationCraft.exe为SimC的图形界面(GUI)程序，simc.exe为命令行界面(CLI)程序。对于PTR服务器的模拟，在绝大多数情况下都不应当使用正式版的SimC，请参阅[i][color=blue]章节2.1.从SVN中获取SimC[/color][/i]、[i][color=blue]章节2.2.编译SimC[/color][/i]来了解如何获取、编译及使用开发版的SimC。在PTR服务器开启后，SimC的开发者社区会根据PTR的改动情况频繁的更改SimC的代码，但为了保证正式版的稳定性，这些改动不会被即时发布为正式版，所以要进行PTR的模拟，最好使用开发版。[h][size=120%][color=darkblue]2.1 从SVN中获取SimC[/color][/size][/h]SimC的源代码使用C++编写，其中包含少量python、SimC、及其他类型的代码，代码使用Subversion进行管理，所有的源代码都托管在Google Code提供的SVN空间。开发者版本的SimC可能会有部分bug，导致程序崩溃或出错。为了从Google Code上检出源代码，首先需要获取一个SVN客户端。SVN(Subversion，子版本控制系统)是Apache公司开发的一个版本控制系统，它提供了一套在客户端和服务器之间同步和管理文件版本的协议。绝大多数开源项目都会使用一个版本控制系统，SimC则使用了Google Code提供的SVN服务。虽然Google Code支持源代码的压缩包下载，但如果要频繁的访问一个SVN代码库，最好使用一个SVN客户端。对于Windows用户，推荐使用目前比较流行的TortoiseSVN，下载地址为[url]http://tortoisesvn.net/downloads.html[/url]，安装时请使用完整安装，以确保命令行工具(command-line client tools)组件可用。此SVN客户端在命令行SVN的基础上，提供了一个集成在Windows文件浏览器中的外壳，并以用户界面的形式提供相当方便的SVN管理功能。如果你不喜欢Windows文件浏览器外壳被侵入，可以使用Silk SVN，它提供了一个仅有命令行的SVN环境，下载地址为[url]/en/download[/url]。对于OS X和大部分Linux用户，操作系统已经提供了SVN命令，无需安装。有了SVN客户端之后，即可将代码检出到指定文件夹中。在命令行下，使用下列命令即可将SVN服务器上的代码检出到当前目录。[code=lua]svn checkout /svn/trunk/[/code]还可以在命令后面指定[quote][img]/179/1790816/month_df3bf9d08.jpg[/img][b]……………………………………………………………………[/b][img]/179/1790816/month_6cffaf4b7a40abf0c5be458aa6.jpg[/img][/quote]使用TortoiseSVN的话，在Windows文件浏览器中空白处按右键，选择[i]SVN检出…[/i]([i]SVN Checkout...[/i])，并在网址处填写[url]/svn/trunk/[/url]，设置好目的路径后即可将代码检出到指定的文件夹中。[img]/179/1790816/month_1307/a8eed2d4f24bdbbe4d59.jpg[/img]若使用其他SVN客户端，请参看其帮助文件。正确检出SimC的代码后，你应当能看到这些东西[quote][collapse][img]/179/1790816/month_1307/edf1b55b8cce9.jpg[/img][/collapse][/quote][h][size=120%][color=darkblue]2.2 编译SimC[/color][/size][/h]SimC的主程序代码在engine文件夹中。由于SimC是一个跨平台的项目，在不同平台下编译出的程序不相同，你需要自己编译SimC的主程序。本文只介绍命令行配置程序simc.exe的编译，图形界面部分的编译由于需要使用Qt界面库，太过复杂并且可能随版本变化而变化，本文不予介绍，请参照SimC官方Wiki。为了编译SimC的主程序，你需要获取一个编译器。对于Windows用户，你可以使用微软的Visual Studio，这是一个收费软件，你可以考虑购买[del]坑爹价的[/del]正版，[del]使用盗版或者[/del]试用Express版，下载地址请参见微软官方网站[del]或自行百度破解版[/del]。如果你不想付费或者安装试用版，也可以使用免费的TDM-GCC，其中包含的MinGW是一个老牌的Windows版C++编译器，下载地址为[url]http://tdm-gcc.tdragon.net/download[/url]，推荐下载最方便的安装包“Bundle Installer”，并根据Windows版本选择32位或64位下载。安装时请确认C++编译器已被包含在安装组件中，如果你不明白安装时选项的意义，请Next到底。对于OS X用户，操作系统已经提供了编译器，无需安装。安装完必要的编译器之后，即可开始编译了。对于Windows用户，如果你使用的是Visual Studio，打开源代码文件夹中的simc11.sln，然后编译即可。如果你使用的是TDM-GCC或其他MinGW，然后在命令行中打开engine文件夹，然后使用命令[quote][font=Courier New]mingw32-make[/font][/quote]安装TDM-GCC64位版，可能会遇到安装程序未修改环境变量[i]PATH[/i]的情况。如果使用上面的命令时提示命令无效，请打开[i]系统属性[/i]，在“[i]高级[/i]”页中打开“[i]环境变量[/i]”选项，在系统变量中选择“[i]Path[/i]”，然后将MinGW的可执行文件路径加入到环境变量Path中。[img]/179/1790816/month_cdb545b6f4f31f7.jpg[/img]对于OS X用户，只要在终端命令行中打开源代码的engine目录，然后使用命令[quote][font=Courier New]make OS=UNIX[/font][/quote]由于源代码中包含了大量的dbc数据库信息，编译时间可能比较长，请耐心等待。编译完成后，即可获得一份开发者版的simc.exe。如果你需要经常的更新SVN并且编译，可以编写一个批处理文件，里面包含SVN的更新命令及编译命令。例如：[quote][font=Courier New]svn update D:\SimCmingw32-make -C D:\SimC\engine releasepause[/font][/quote]上述代码以“D:\SimC”为SimC存放路径，在SVN更新的同时，调用mingw32-make对更新后的代码进行增量编译。其中mingw32-make的参数“-C”为指定工作路径。
[h][size=140%][color=darkblue]3 图形界面[/color][/size][/h]打开SimulationCraft.exe后首先显示的是欢迎页面，其中包含了关于SimC的一些简单的英文介绍。[del]这一页纯属卖萌，请无视之。[/del][h][size=120%][color=darkblue]3.1 Options (设置)[/color][/size][/h]Options中包含多个部分，其中定义了战斗的基本参数和模拟的选项。[h][size=110%][color=darkblue]3.1.1 Globals (全局设置)[/color][/size][/h][img]/179/1790816/month_1308/ddcedd0b48be.jpg[/img][table][tr][td colspan=2][b][size=100%]Basic Options (基本设置，左列)[/size][/b][/td][/tr][tr][td30][b]Version模拟的客户端版本。[/b][/td][td][i]Live[/i]为实装服务器；[i]PTR[/i]为公共测试服务器；[i]Both[/i]为两者都模拟，选择Both时将把你的角色复制一份，与原角色放入同一个场景，但使用PTR的一切设定。[/td][/tr][tr][td][b]Iterations迭代次数。[/b][/td][td]这个数值是模拟的重复次数，约等于最终收集的样本数。如果迭代次数很大，则最终收集的样本数可能比迭代次数略少一点，通常差距在5以内。模拟的次数越多，精确度就越高，所需运算时间也就越长。通常的模拟，可以使用。属性收益分析建议使用1。[del]如果你很有耐心，或者对CPU很有信心，可以选用50000。[/del]你也可以使用CLI定义未在此列出的迭代次数，详见[i][color=blue]章节4.3.全局设定[/color][/i]。[/td][/tr][tr][td][b]World Lag世界延迟。[/b][/td][td][i]Low[/i]为100毫秒；[i]Medium[/i]为300毫秒；[i]High[/i]为500毫秒。所有有CD的技能，其CD都会按照世界延迟的设置进行随机延长。随机延长的分布采用正态分布，标准差为10%，期望为世界延迟的值。你可以使用CLI定义其他的延迟数值，详见[i][color=blue]章节4.5.敌对目标声明[/color][/i]。请注意，当延迟为0时，急速的收益可能呈现非正常的值，请确保延迟大于0。[/td][/tr][tr][td][b]Length模拟战斗所进行的总时间(秒)。[/b][/td][td]请注意，模拟所得的DPS会随战斗时间的变化而变化，请根据实际boss战时间来选择。如需使用自定义的战斗时长，请使用CLI，详见[i][color=blue]章节4.3.全局设定[/color][/i]。除了以时间限制来定义战斗时间以外，SimC还支持其他的定义方式，详见[i][color=blue]章节4.5.敌对目标声明[/color][/i]。[/td][/tr][tr][td][b]Vary Length战斗时长的变化范围。[/b][/td][td]令战斗用时有所变化，可以将爆发技能的覆盖率平均化，从而给出更有参考价值的结果。10%-20%的变化范围适用于对绝大部分场景的模拟，因为大多数情况下战斗时间都不是定长的。如需使用自定义的战斗时长变化范围，请使用CLI，详见[i][color=blue]章节4.3.全局设定[/color][/i]。[/td][/tr][tr][td][b]Fight Style战斗风格。[/b][/td][td][i]Patchwerk[/i]为帕奇维克式站桩输出的战斗。[i]LightMovement[/i]为轻度移动战，在战斗时间的10%到80%这个区间，每隔85秒，全团将进行一个持续7秒的移动。[i]HeavyMovement[/i]为重度移动战，在战斗开始后每隔10秒，全团进行一个持续4秒的移动。[i]RaidDummy[/i]为团队假人，即目标血量永远是100%的站桩输出战斗。[/td][/tr][tr][td][b]Target Level目标等级。[/b][/td][td][i]Raid Boss[/i]为团队首领，也就是角色等级+3。[/td][/tr][tr][td][b]Target Race目标种族。[/b][/td][td][i]Humanoid[/i]为人型生物，[i]Undead[/i]为亡灵，[i]Demon[/i]为恶魔，等等。[/td][/tr][tr][td][b]Num Enemies敌人数量。[/b][/td][td]这里定义的敌人，将从战斗开始存活到战斗结束。对于阶段性出现和消失的敌人，请使用CLI进行定义，详见[i][color=blue]章节4.5.敌对目标声明[/color][/i]。[/td][/tr][tr][td][b]Challenge Mode挑战模式。[/b][/td][td]启用挑战模式，将会屏蔽所有套装特效，并且将每件装备的装等按照挑战模式的要求缩放；[/td][/tr][tr][td][b]Player Skill玩家技巧等级。[/b][/td][td][i]Elite[/i] 精英，此设置下模拟器将100%严格的按照输出优先级进行操作，类似于一个永不犯错的玩家。[i]Good[/i] 还不错，此设置下时将有20%几率错过本该使用的技能，而改用其他优先级更低的技能。后面的选项类似[i]Good[/i]，但犯错的几率会更高。[/td][/tr][tr][td][b]Threads模拟使用的线程数。[/b][/td][td]由于一个线程通常仅在一个CPU核心中运行，多核CPU可以使用多个线程来加速计算。使用的线程数请不要超过CPU的逻辑核心数(对于通常的CPU，这个值等于物理核心数；对于超线程CPU，一个物理核心可能作为2个逻辑核心使用)，如果在模拟的同时你还想干点别的，那么最好选取(核心数 - 1)或更低的值。在模拟时，一个线程的CPU占用率约等于让一个CPU逻辑核心满载的占用率。例如一枚i7处理器，具有4个物理核心，每个物理核心含有2个逻辑核心，即共8个逻辑核心，开启3个模拟线程时SimC的CPU占用率约为3 / 8 = 37.5%。线程数可以通过CLI配置为选项中未提供的3、5或其他数字，详见[i][color=blue]章节4.3.全局设定[/color][/i]。[/td][/tr][tr][td][b]Armory Region英雄榜区域。[/b][/td][td]这个选项控制导入英雄榜时的初始网页地址，[b]与模拟结果无关[/b]。[i]cn[/i]为国服；[i]us[/i]为美服；[i]eu[/i]为欧服；[i]tw[/i]为台服；[i]kr[/i]为韩服。[/td][/tr][tr][td][b]Armory Spec英雄榜专精。[/b][/td][td]这个选项控制导入英雄榜时选取的专精，[i]active[/i]为当前专精，[i]inacive[/i]为非当前专精。[/td][/tr][tr][td][b]Default Role默认职责。[/b][/td][td][i]auto[/i]为自动，将根据你的天赋自动判断职责。职责的选择会对生成的报告产生影响，例如戒律牧师的默认职责为治疗，生成的报告会针对其治疗量分析；若选为DPS，则将会针对其伤害量进行分析。[/td][/tr][tr][td][b]TMI Standard BossTMI标准Boss场景[/b][/td][td]TMI为Theck-Meloree Index，是一个坦克生命值平滑度的评分，这个评分在SimC-530-5被引入，关于此评分的文档请参阅[url]http://bbs.ngacn.cc/read.php?tid=6422084[/url]。[/td][/tr][tr][td][b]Actor-only TMI角色隔离TMI[/b][/td][td]在TMI计算过程中忽略所有来自其他玩家的治疗。关于此选项请参阅TMI标准文档。[/td][/tr][tr][td colspan=2][b][size=100%]Advanced Options (高级设置，右列)[/size][/b][color=red]如果你不能完全理解这一列的设置，请不要改动任何值。[/color][/td][/tr][tr][td][b]Aura Delay光环延迟。[/b][/td][td]出于服务器性能的考虑，在处理光环(Buff及Debuff)时服务器端的事件节流会导致光环的计算有一定延迟，这个延迟使得光环在玩家或NPC身上生效的时间被推迟一段很短的时间。这个值不受玩家影响，请不要随意修改[/td][/tr][tr][td][b]Generate Debug生成Debug报告。[/b][/td][td]开启这个选项，将在模拟时输出一份Debug报告，当这个选项不是[i]None[/i]时，模拟仅会产生一个样本，以供Debug分析用。[/td][/tr][tr][td][b]Report Pets Separately单独为宠物生成报告。[/b][/td][td]开启这个选项时，宠物将被作为一个玩家来生成报告。它们的伤害仍然会被计入主人的DPS中。[/td][/tr][tr][td][b]Report Print Style输出报告样式。[/b][/td][td]这个选项控制SimC生成的报告样式，由于样式由css控制，这个选项[del]只是卖萌[/del]不会对报告的结构产生影响，只会改变着色与风格。[/td][/tr][tr][td][b]Statistic Level统计数据收集级别。[/b][/td][td]这个选项控制SimC的统计模块收集统计数据的范围，在收集范围之内的数据，将记录和报告其样本数、平均值、数据区间、标准差、置信区间等数据。提高这个选项的值，会显著增加运算时的内存占用，也会使运算时间略微延长。[/td][/tr][tr][td][b]Deterministic RNG确定随机数种子。[/b][/td][td]随机数是蒙特卡洛法的基础，SimC使用的所有随机数都是一个伪随机数序列，由一个随机数种子进行变换得来。默认情况下，随机数种子使用的是系统时间。如果开启这个选项，随机数种子将使用一个固定值。对于两次模拟，即使其场景配置都完全一样，得到的结果也不会完全一样，因为模拟使用的随机数序列是不相同的。如果随机数序列也完全相同，SimC应当输出两份完全一样的结果。这个选项通常只在开发时使用。[/td][/tr][tr][td][b]Item Source Order物品数据来源。[/b][/td][td]这个列表控制SimC获取角色配置中的装备等物品的数据来源。[i]Local Item Database[/i]为SimC源代码中的物品数据。[i]Blizzard API[/i]为暴雪提供的API接口，从英雄榜服务器获取物品数据。[[/i]为wowhead数据库，世界最大最权威的魔兽世界数据库之一。[ (PTR)[/i]为wowhead的PTR数据库，包含wowhead从PTR客户端及服务器上挖掘出来的PTR数据。请确保[i]Local Item Database[/i]排在最前面，因为部分附魔、饰品、套装特效的描述由SimC源代码描述，使用其他数据库可能导致无法预测的结果。[/td][/tr][/table][h][size=110%][color=darkblue]3.1.2 Buffs/Debuffs (增益及减益)[/color][/size][/h][img]/179/1790816/month_1308/6ffd19a4fdf95d0182c01.jpg[/img]这一页的选项控制团队增益及减益。请注意，即使你在这里没有选择某些Buff/Debuff，如果模拟的角色会施放这些法术，那么相应的Buff/Debuff也会影响到模拟中的所有角色。[table][tr][td colspan=2][b]Buffs (增益，左列)[/b][/td][/tr][tr][td30][b]Toggle All Buffs启用所有团队Buff。[/b][/td][td]选择这个选项，将启用下列所有团队Buff。[/td][/tr][tr][td][b]Attack Power Multiplier攻击强度加成(10%)。[/b][/td][td]猎人：[spell=19506]强击光环[/spell]，死亡骑士：[spell=57330]寒冬号角[/spell]，战士：[spell=6673]战斗怒吼[/spell][/td][/tr][tr][td][b]Attack Speed攻击速度(10%)。[/b][/td][td]死亡骑士-邪恶/冰霜：[spell=55610]邪恶光环[/spell]，潜行者：[spell=113742]迅刃之黠[/spell]，萨满祭司-增强：[spell=30809]怒火释放[/spell]，土狼(猎人)：[spell=128432]尖声嚎叫[/spell]，眼镜蛇(猎人)：[spell=128433]蛇之迅捷[/spell][/td][/tr][tr][td][b]Spell Power Multiplier法术强度加成(10%)。[/b][/td][td]法师：[spell=1459]奥术光辉[/spell][spell=61316]达拉然光辉[/spell]，萨满祭司：[spell=77747]燃烧之怒[/spell]，术士：[spell=109773]黑暗意图[/spell]，水黾(猎人-野兽控制)：[spell=126309]静水[/spell][/td][/tr][tr][td][b]Spell Haste法术急速(5%)。[/b][/td][td]德鲁伊-平衡：[spell=24907]枭兽光环[/spell]，牧师-暗影：[spell=15473]暗影形态[/spell]，萨满祭司-元素：[spell=51470]元素之誓[/spell]，孢子蝠(猎人)：[spell=135678]充能孢子[/spell][/td][/tr][tr][td][b]Critical Strike暴击率(5%)。[/b][/td][td]德鲁伊-野性/守护：[spell=17007]兽群领袖[/spell]，法师：[spell=1459]奥术光辉[/spell][spell=61316]达拉然光辉[/spell]，武僧-踏风：[spell=116781]白虎传承[/spell]，九头蛇(猎人)：[spell=97229]低吼[/spell]，狼(猎人)：[spell=24604]狂怒之嚎[/spell]，魔暴龙(猎人-野兽控制)：[spell=90309]惊人咆哮[/spell]，魁麟(猎人-野兽控制)：[spell=126373]无畏之嚎[/spell]，水黾(猎人-野兽控制)：[spell=126309]静水[/spell][/td][/tr][tr][td][b]Mastery精通(3000点 @90级)。[/b][/td][td]圣骑士：[spell=19740]力量祝福[/spell]，萨满祭司：[spell=116956]风之优雅[/spell]，猫(猎人)：[spell=93435]勇气咆哮[/spell]，灵魂兽(猎人-野兽控制)：[spell=128997]灵魂兽祝福[/spell][/td][/tr][tr][td][b]Stamina耐力(10%)。[/b][/td][td]牧师：[spell=21562]真言术：韧[/spell]，术士：[spell=109773]黑暗意图[/spell]，战士：[spell=469]命令怒吼[/spell]，异种虫(猎人-野兽控制)：[spell=90364]其拉虫群坚韧[/spell][/td][/tr][tr][td][b]Strength, Agility, Intellect力量、敏捷、智力(5%)。[/b][/td][td]德鲁伊：[spell=1126]野性印记[/spell]，武僧：[spell=115921]帝王传承[/spell]，圣骑士：[spell=20217]王者祝福[/spell]，页岩蛛(猎人-野兽控制)：[spell=90363]页岩蛛之拥[/spell][/td][/tr][tr][td][b]Bloodlust英勇/嗜血。[/b][/td][td]法师：[spell=80353]时间扭曲[/spell]，萨满祭司(联盟)：[spell=32182]英勇[/spell]，萨满祭司(部落)：[spell=2825]嗜血[/spell]，熔岩犬(猎人-野兽控制)：[spell=90355]远古狂乱[/spell][/td][/tr][tr][td][b]Skull Banner颅骨战旗。[/b][/td][td]战士：[spell=114207]颅骨战旗[/spell][/td][/tr][tr][td][b]Stormlash Totem风暴之鞭图腾。[/b][/td][td]萨满祭司：[spell=120668]风暴之鞭图腾[/spell][/td][/tr][tr][td colspan=2][b]Debuffs (减益，右列)[/b][/td][/tr][tr][td30][b]Toggle All Debuff启用所有团队Debuff。[/b][/td][td]选择这个选项，将启用下列所有团队Debuff。[/td][/tr][tr][td][b]Bleeding流血。[/b][/td][td]德鲁伊-野性：[spell=1079]割裂[/spell]，潜行者：[spell=1943]割裂[/spell]，猎人-射击：[spell=53238]穿刺射击[/spell]注：这个选项似乎对DPS没有影响。[/td][/tr][tr][td][b]Physical Vulnerability物理易伤(4%)。[/b][/td][td]死亡骑士-冰霜：[spell=81328]刚冷之骨[/spell]，死亡骑士-邪恶：[spell=51160]黑色热疫使者[/spell]，圣骑士-惩戒：[spell=111529]勇者审判[/spell]，战士-武器/狂怒：[spell=86346]巨人打击[/spell]，野猪(猎人)：[spell=35290]撞击[/spell]，掠食者(猎人)：[spell=50518]毁灭[/spell]，犀牛(猎人-野兽控制)：[spell=57386]突奔[/spell]，蠕虫(猎人-野兽控制)：[spell=55749]酸液喷吐[/spell][/td][/tr][tr][td][b]Ranged Vulnerability远程易伤(5%)。[/b][/td][td]猎人：[spell=1130]猎人印记[/spell][/td][/tr][tr][td][b]Magic Vulnerability法术易伤(5%)。[/b][/td][td]潜行者：[spell=58410]奇毒[/spell]，术士：[spell=1490]元素诅咒[/spell]，龙鹰(猎人)：[spell=34889]火焰吐息[/spell]，风蛇(猎人)：[spell=24844]闪电吐息[/spell][/td][/tr][tr][td][b]Weakened Armor破甲(4% * 3 = 12%)。[/b][/td][td]德鲁伊：[spell=770]精灵之火[/spell]，潜行者：[spell=8647]破甲[/spell]，战士：[spell=7386]破甲攻击[/spell]，陆行鸟(猎人-野兽控制)：[spell=50285]尘雾[/spell]，迅猛龙(猎人)：[spell=50498]裂甲[/spell][/td][/tr][tr][td][b]Weakened Blows物理减伤(10%)。[/b][/td][td]死亡骑士-鲜血：[spell=81132]血红热疫[/spell]，德鲁伊-野性：[spell=106830]痛击[/spell]，德鲁伊-守护：[spell=77758]痛击[/spell]，武僧-酒仙：[spell=121253]醉酿投[/spell]，圣骑士-防护/惩戒：[spell=53595]正义之锤[/spell]，萨满祭司：[spell=8042]大地震击[/spell]，术士：[spell=109466]虚弱诅咒[/spell]，战士：[spell=6343]雷霆一击[/spell]，熊(猎人)：[spell=50256]挫志咆哮[/spell]，食腐鸟(猎人)：[spell=24423]挫志尖啸[/spell]注：这个选项似乎会影响坦职业的复仇值，从而影响他们的DPS。[/td][/tr][/table][h][size=110%][color=darkblue]3.1.3 Scaling (属性缩放)[/color][/size][/h][img]/179/1790816/month_1308/aadc1e98ec1d0bdc6c568edc3f615249.jpg[/img]这一页的选项控制着属性缩放计算的参数，该页中每选择一项，所需计算时间将延长一倍。因为属性缩放的计算，基于一份基准DPS样本和一份相应变量变化[img]/png.latex?\Delta[/img]的DPS样本。如果你选择了这一页的任意一项，请确保Options(选项) - Globals(全局选项) - Iterations(迭代次数)不低于10000，因为属性缩放会导致误差被急剧放大，要使结果的误差在可接受范围内，需要更多的迭代次数。关于属性缩放的原理，请参阅[i][color=blue]章节1.3.2.属性缩放[/color][/i]。在这一页中选择任意一项或多项属性，则SimC将为每个角色生成一份属性缩放图表，其中包含选择的属性近似收益。[img]http://3.chart./chart?cht=bhg&chf=bg,s,333333&chtt=Scale%20Factors|Damage%20Per%20Second&chts=dddddd,18&chs=550x180&chd=t1:7.08,3.08,2.81,1.88|6.91,2.92,2.64,1.71|7.25,3.25,2.98,2.05&chco=ABD473&chm=E,FF,,1:20|t++++7.08++Agi,ABD473,0,0,15,0.1,e|t++++3.08++Haste,ABD473,0,1,15,0.1,e|t++++2.81++Crit,ABD473,0,2,15,0.1,e|t++++1.88++Mastery,ABD473,0,3,15,0.1,e&chds=-0.010,8.504&[/img]在输出的图表中，柱状图的长度和标注的数值为属性收益——即每点属性所能提高的DPS，红色的线为属性收益的置信区间。如果两个属性收益的置信区间，如上图中的Haste和Crit一样有所交叠，则意味着这两个属性的优先级不可信，你需要提高迭代次数，缩减置信区间的宽度，来将其分开。相对于其他工具，属性缩放所需要的运算量稍小，可以用来快速求出针对特定角色的参考结论。除非经过严谨的推导，属性缩放的结果不具有普遍的指导性。如果你的电脑运算能力够强，可以考虑属性收益图或重铸收益图来替代属性缩放。如果被缩放到属性在收益断点附近，则很可能得出错误的结果。属性缩放也很难准确分辨两个收益接近的属性。此时请考虑使用重铸收益图来进行装备优化。[table][tr][td30][b]Analyze All Stats分析所有属性。[/b][/td][td]选择这个选项，将为下列所有的角色属性进行缩放计算。[/td][/tr][tr][td][b]Use Positive Deltas Only仅使用正的Delta。[/b][/td][td]启用这个选项后，所有的属性缩放都将使用正的[img]/png.latex?\Delta[/img]值。这个选项可能会影响精准及命中的缩放，因为精准和命中默认使用负的Delta进行计算，即计算每降低1点命中或精准会降低多少DPS。使用正的[img]/png.latex?\Delta[/img]可能导致命中及精准溢出，从而得到不准确的结果。[/td][/tr][tr][td][b]Analyze ...分析...属性[/b][/td][td]为选定的属性计算属性缩放。列表中的属性分别为：[collapse]Strength 力量Agility 敏捷Stamina 耐力Intellect 智力Spirit 精神Spell Power 法术强度Attack Power 攻击强度Expertise Rating 精准等级Hit Rating 命中等级Crit Rating 暴击等级Haste Rating 急速等级Mastery Rating 精通等级Weapon DPS 武器DPSWeapon Speed 武器速度Off-hand Weapon DPS 副手武器DPSOff-hand Weapon Speed 副手武器速度Armor 护甲Dodge Rating 躲闪等级Parry Rating 招架等级Block Rating 格挡等级[/collapse][/td][/tr][tr][td][b]Analyze Latency分析延迟。[/b][/td][td]为世界延迟计算缩放。这个选项将把世界延迟作为一个变量，计算(延迟 - DPS)的收益。[/td][/tr][tr][td][b]Center Scale Delta将缩放Delta置中。[/b][/td][td]这个选项为[i]No[/i]时，属性缩放将在(属性 - DPS)曲线中选取2个点来计算斜率，一个点是DPS(当前属性)，也就是基准DPS，另一个点是DPS(当前属性 + [img]/png.latex?\Delta[/img])。这个选项为[i]Yes[/i]时，属性缩放将选用不同的点来计算斜率，第一个点是DPS(当前属性 - [img]/png.latex?\Delta[/img] / 2)，第二个点是DPS(当前属性 + [img]/png.latex?\Delta[/img] / 2)。此时所需运算时间将加倍，因为DPS(当前属性)作为基准DPS是首先被算出来的，在[img]/png.latex?\Delta[/img]不置中的时候可以重复使用，当[img]/png.latex?\Delta[/img]置中时将无法使用，必须重新计算。将[img]/png.latex?\Delta[/img]置中，对于线性收益的属性来说，意义并不大，却会需要接近两倍的运算时间。对于非线性收益，如果你的属性恰好在断点附近，置中与不置中的结果可能会有显著差异。如非必要，请不要更改这个选项。[/td][/tr][tr][td][b]Scale Over缩放参考值。[/b][/td][td]这个选项控制属性缩放的参考输出。例如你选了HPS，并在上面的选项选了分析急速，则将输出(急速 - HPS)的属性缩放值。[i]default[/i]为默认，SimC将根据角色的职责自动选择。对于所有伤害输出职业，都会自动选为DPS。[i]dps[/i]为Damage Per Second，每秒伤害。[i]hps[/i]为Heal Per Second，每秒治疗。[i]dtps[/i]为Damage Taken Per Second，每秒承受伤害。[i]htps[/i]为Healing Taken Per Second，每秒承受治疗。[i]raid_dps[/i]为团队DPS。[i]raid_hps[/i]为团队HPS。[i]tmi[/i]为Theck-Meloree Index，一个坦克生命值平滑度的评分，关于此评分的文档请参阅[url]http://bbs.ngacn.cc/read.php?tid=6422084[/url]。[/td][/tr][/table][h][size=110%][color=darkblue]3.1.4 Plots (属性收益图)[/color][/size][/h][img]/179/1790816/month_4347dacd.jpg[/img]这一页的选项控制着属性收益图的绘图参数。选择这一页中的任意一项或多项属性，SimC将对选中的属性在一定范围内进行改变，并进行模拟，生成属性收益图像。有关属性收益图像及其分析，请参阅[i][color=blue]章节1.3.1.属性收益分析[/color][/i]。属性收益通常计算属性对DPS的收益，如果你需要计算对hps或tmi等值的收益，请在Scaling(属性缩放)页中更改。在这一页中选择任意一项或多项属性，则SimC将会为你绘制出一个与下图类似的(属性 - DPS)收益图像，你可以从中直观的查看和比较各项属性的收益。[img]http://8.chart./chart?cht=lc&chf=bg,s,333333&chtt=Stat%20Scaling|Damage%20Per%20Second&chts=dddddd,18&chs=550x300&chg=20,20&chxs=0,FFFFFF|1,FFFFFF&chd=t:,,,,,,431,202,962,795,29,,,,,,302,796,381,910,488&chds=&chxt=x,y&chxl=0:|-|0|%2b0|1:||108777&chxp=0,0,24.5,50,74.5,100|1,1,50,100&chdl=Agi|Haste&chdls=dddddd,12&chco=ABD473,0070DE&chg=5.,3&[/img]由于运算量较大，处理数据和得出结论需要一定分析，属性收益图常用在理论研究中计算和导出具有指导意义的精确结果。[table][tr][td30][b]Number of Plot Points作图的数据点数。[/b][/td][td]绘制属性收益图时，每个属性不同取值的数量。请注意，属性收益图的运算量比较大。如果只选择了一个属性，那么20个点意味着总运算时间将是基础运算时间的20倍；选择了3个属性和40个点，总运算时间将是120倍，请量力而行。[/td][/tr][tr][td][b]Plot Step Amount作图的属性变化步长。[/b][/td][td]属性收益图中属性取值的间隔。增加这个数值，可以在数据点数相同的情况下覆盖更大的属性变化范围。改变这个数值基本不会对运算时间造成影响。[/td][/tr][tr][td][b]Plot Scaling per ...为...绘制收益[/b][/td][td]为选定的属性计算属性缩放。列表中的属性分别为：[collapse]Strength 力量Agility 敏捷Stamina 耐力Intellect 智力Spirit 精神Spell Power 法术强度Attack Power 攻击强度Expertise Rating 精准等级Hit Rating 命中等级Crit Rating 暴击等级Haste Rating 急速等级Mastery Rating 精通等级Weapon DPS 武器DPSArmor 护甲Dodge Rating 躲闪等级Parry Rating 招架等级Block Rating 格挡等级[/collapse][/td][/tr][/table][h][size=110%][color=darkblue]3.1.5 Reforge Plots (重铸收益图)[/color][/size][/h][img]/179/1790816/month_f125ef0cbac9178.jpg[/img]这一页的选项控制着重铸收益图的参数。只可以选择2个或3个属性进行重铸收益计算。[color=red]选择3个属性重铸时，将对3个属性所有的分配组合都进行计算，运算量极大，请量力而行。[/color]选择3个属性时，SimC输出的图像并不是三维的，而是一个彩色的点阵图，你可能需要第三方工具来解读3属性重铸的结果。重铸收益图的运算量较大，结果也相当直观，如果你电脑的运算能力足够强，可以用重铸收益图来替代属性缩放进行装备优化。重铸收益图格外适用于比较两个收益接近的属性，和寻找收益的断点。[table][tr][td30][b]Reforge Amount重铸总数。[/b][/td][td]为每个属性重铸的最大数量。请注意，与属性收益图的选项不同，重铸收益图的范围限制以被重铸的属性总数为限。例如，选择总数为1000，则指定的属性将在-1000 ~ +1000的范围内变化。[/td][/tr][tr][td][b]Step Amount重铸步长。[/b][/td][td]每个属性在重铸时变化的间隔。如果选择较小的步长，在重铸总数不变的情况下，运算量将会提高，重铸图像在横轴的分辨率也会提高。例如，对于2个属性，选择重铸总数为1000，步长为100，则将对20个点进行重铸收益计算，其中10个点为-1000 ~ -100，另外10个点为+100 ~ +1000。[/td][/tr][tr][td][b]Secondary Stats副属性[/b][/td][td]为选定的属性计算重铸收益。列表中的属性分别为：[collapse]Spirit 精神Expertise Rating 精准等级Hit Rating 命中等级Crit Rating 暴击等级Haste Rating 急速等级Mastery Rating 精通等级Dodge Rating 躲闪等级Parry Rating 招架等级Block Rating 格挡等级[/collapse][/td][/tr][tr][td][b]Primary Stats主属性[/b][/td][td]为选定的属性计算重铸收益。列表中的属性分别为：[collapse]Strength 力量Agility 敏捷Stamina 耐力Intellect 智力[/collapse]请注意，主属性的权重是副属性的两倍，也就是说，每获得1点主属性，就将失去2点副属性。[/td][/tr][/table][h][size=120%][color=darkblue]3.2 Import (导入)[/color][/size][/h][h][size=110%][color=darkblue]3.2.1 Battle.Net (战网)[/color][/size][/h][img]/179/1790816/month_1308/af34a01ac5dbc49b1c7812.jpg[/img]这一页提供了一个内嵌的浏览器，你可以通过这个浏览器访问官方英雄榜，并将英雄榜角色导入SimC。英雄榜的默认区域在Options(选项)页的Globals (全局设置)页选择Armory Region (英雄榜区域) 为你要导入的角色所在的区域。详情可参阅[i][color=blue]章节3.1.Options (设置)[/color][/i]。在SimC界面下方的地址栏中输入英雄榜地址，按回车也可直接打开指定的英雄榜页面。按界面右下方的[color=red][b]Import[/color]按钮，可将角色导入为SimC配置文件。注意，导入英雄榜时，在网页上选择专精不会影响被导入的专精，你需要在Options(选项)页的Globals (全局设置)页选择Armory Spec (英雄榜专精)，即active(当前专精)或inactive(非当前专精)。[h][size=110%][color=darkblue]3.2.2 CharDev[/color][/size][/h][img]/179/1790816/month_b52c78ba8c9d498afba6ee98352.jpg[/img]这一页提供了导入CharDev网站角色配置的功能，你可以通过内嵌浏览器访问CharDev，并导入在CharDev配置的角色。由于CharDev没有提供中文界面，目前也不支持装备升级，无法创建适用于国服的角色，对国内玩家相当不友好，并不建议使用。[h][size=110%][color=darkblue]3.2.3 Rawr[/color][/size][/h]Rawr是一个进行公式化建模的开源工具，目的也是针对全职业进行分析和建模。目前开发组并不活跃，这个页面的保留是出于WotLK年代的传统，目前鲜有人问津。在这个页面中，你可以导入Rawr生成的XML文件，或将Rawr的XML文件粘贴到文本框中导入。[h][size=110%][color=darkblue]3.2.4 Sample Profiles (模板配置文件)[/color][/size][/h][img]/179/1790816/month_1308/bd924b2c0e22be54b3d2e601b33d2bbf.jpg[/img]这个页面中收集了一系列当前大版本各个职业天赋在各个装等下的配置文件。双击即可导入选定的配置文件。这些配置文件中的角色，使用的均是对应版本的BiS装备，使用最优化的种族、天赋、宝石、附魔、重铸、雕文等配置，输出优先级也经过了仔细的优化。这些配置文件可以用来进行角色配置优化的研究，也可以用来与你自己的角色进行比较。配置文件按种族和版本分组，从文件名中即可看出角色配置。职业、天赋以及后缀大致如下：Deathknight_Frost 死亡骑士-冰霜Deathknight_Unholy 死亡骑士-邪恶Druid_Balance 德鲁伊-平衡Druid_Feral 德鲁伊-野性Druid_Feral_Adv_Rotation 德鲁伊-野性-高级输出循环(Advanced rotation)Hunter_BM 猎人-野兽控制Hunter_MM 猎人-射击Hunter_SV 猎人-生存Mage_Arcane 法师-奥术Mage_Fire 法师-火焰Mage_Frost 法师-冰霜Monk_Windwalker 武僧-踏风Paladin_Retribution 圣骑士-惩戒Paladin_Protection 圣骑士-防护Priest_Disc_Smite 牧师-戒律-惩击Priest_Holy 牧师-神圣Priest_Shadow 牧师-暗影Rogue_Assassination 潜行者-刺杀Rogue_Combat 潜行者-战斗Rogue_Sublety 潜行者-敏锐Shaman_Elemental 萨满祭司-元素Shaman_Enhancement 萨满祭司-增强Warlock_Affliction 术士-痛苦Warlock_Demonology 术士-恶魔学识Warlock_Destruction 术士-毁灭Warrior_Arms 战士-武器Warrior_Fury 战士-狂怒Warrior_Protection 战士-防护1h 单手武器2h 双手武器[h][size=110%][color=darkblue]3.2.5 History (历史)[/color][/size][/h]这个页面收集了你的导入历史，双击即可跳转到曾访问过的英雄榜或Rawr页面。[h][size=120%][color=darkblue]3.3 Simulation (模拟)[/color][/size][/h][img]/179/1790816/month_4a81113efb56a3293e3dad1b998.jpg[/img]在上一章节的Import(导入)页面中，SimC将英雄榜转换成了另一种格式，即SimC的文本配置界面(TCI)，这段代码组成了一个角色配置文件。角色配置文件中包含了角色的定义、天赋、雕文、装备、宝石、附魔、重铸、输出优先级等信息，可以供SimC核心解码后模拟。在这个页面中，你可以在编辑和切换不同的角色配置文件。如果你不了解角色配置文件的意义，请不要改动文本框中的代码。关于TCI的格式与语法，请参阅[i][color=blue]章节4.命令行界面[/color][/i]。[color=red]点击[b]Simulate! [/b](模拟)按钮即可开始模拟当前配置文件。[/color]界面右下方的进度条会显示运算进度，当模拟完成后，将自动跳转到Results (结果)页面。[h][size=120%][color=darkblue]3.4 Results (结果)[/color][/size][/h][img]/179/1790816/month_bed73afca7bd61e8f1c046538f.jpg[/img]这个页面显示模拟的结果，呈现为一份网页报告。对于多次模拟的结果，也可以很方便的切换。[color=red]在关闭SimC之后，报告会丢失。[/color]如果你需要保存一份报告，在界面下方的地址栏中填入文件名，点击[b]Save! [/b](保存)。报告中包含各个角色的DPS/HPS、误差、伤害/治疗组成等大量细节。报告的解读，请参阅[i][color=blue]章节5.SimC报告[/color][/i]。[h][size=120%][color=darkblue]3.5 其他页面[/color][/size][/h][b]Overrides(覆盖)[/b]这个页面中可以写入全局的配置。这些配置具有最高的优先级，将无条件覆盖所有同类配置。大多数人不需要使用这个页面。配置文件使用TCI编写，关于TCI的格式与语法，请参阅[i][color=blue]章节4.命令行界面[/color][/i]。[b]Help (帮助)[/b]这个页面包含了一个内嵌浏览器，你可以通过它访问SimC的官方Wiki。[del]除了卖萌也没什么用。[/del][b]Log (日志)[/b]这个页面记录了SimC的模拟日志，模拟的一部分结果，以及报错都会被写入这个页面。[del]又是一个卖萌的。[/del][b]Site (网站)[/b]这个页面还是一个内嵌浏览器，你可以用它访问官方网站。[del]这跟Wiki有啥区别(摔)[/del]
[size=120%][color=blue]后续章节施工中。[/color][/size]
以前一直看不太懂英文，现在好多了
强力贴，顶赞！非常需要这方面的知识，感谢LZ！
之前不太懂scaling和plot差别在哪，现在明白了，多谢楼主的辛勤工作。这么好的帖子果断要顶啊。 [img]http://img.ngacn.cc/attachments/mon_/-bd27520ef.png[/img]
总有一天我要把这个楼主抱回家！ [s:27]
咱喜欢 好评
要是仔细看完了 估计天就亮了不错
=.=楼主好厉害，我顶
，好吧，楼主真香 [s:28]我把菊花编辑掉了
还是看不懂 我是英语白痴啊....
我们这些连大学是怎么度过的屌丝们完全看不明白这些符号！不过还是要赞一个。 [s:43]
太厉害。。。