CodeForces & AtCoder rating 规则简述
rui_er
2020-11-02 21:56:50
**译者:rui\_er,转载请注明出处。**
(备份于[博客园](https://www.cnblogs.com/ruierqwq/p/17973570/cf-at-rating))
本博客为了方便自己查阅,同时也方便大家了解,但因为我英语很菜,所以难免有翻译错的地方,还请评论区纠正。
未注明资料来源的均为常识积累。
# 1 CodeForces rating 规则
## 1.1 CodeForces rating 与名字颜色换算
设 $r$ 表示 rating,则 CodeForces 的名字颜色有以下几等:(从低到高)
- 黑色不加粗(代码 `#000000`):Unrated,没有参加过比赛。
- 黑色(代码 `#000000`):Headquarters,管理员。
- 灰色(代码 `#808080`):Newbie,$r\lt 1200$。
- 绿色(代码 `#008000`):Pupil,$1200\le r\lt 1400$。
- 青色(代码 `#03a89e`):Specialist,$1400\le r\lt 1600$。
- 蓝色(代码 `#0000ff`):Expert,$1600\le r\lt 1900$。
- 紫色(代码 `#aa00aa`):Candidate Master,$1900\le r\lt 2100$。
- 橙色(代码 `#ff8c00`):Master,$2100\le r\lt 2300$。
- 橙色(代码 `#ff8c00`):International Master,$2300\le r\lt 2400$。
- 红色(代码 `#ff0000`):Grandmaster,$2400\le r\lt 2600$。
- 红色(代码 `#ff0000`):International Grandmaster,$2600\le r\lt 3000$。
- 首字母黑色+红色(代码 `#ff0000(:first-letter 伪类为 #000000)`):Legendary Grandmaster,$r\ge 3000$。
## 1.2 CodeForces rating 与是否计入比赛(及比赛赛制)
除非赛时因为 CodeForces 爆炸等原因 Unrated,否则比赛 rated 的范围如下:
- Div.4:$r\lt 1400$,exICPC 赛制。
- Div.3:$r\lt 1600$,exICPC 赛制。
- Div.2 Only:$r\lt 2100$,CF 赛制。
- Div.2:$r\lt 1900$,CF 赛制。
- Div.1:$r\ge 1900$,CF 赛制。
- Educational Round:$r\lt 2100$,exICPC 赛制。
- Global Round:$\rm{Rated\ for\ all}$,CF 赛制。
- 其他比赛:见赛前通知。
## 1.3 CodeForces rating 在 rated 比赛中的计算
此部分资料来源:翻译自 [Open Codeforces Rating System \[updated on October 2015\]](https://codeforces.com/blog/entry/20762)。
假设每一个人原来的 rating 为 $r_i$,则根据以下公式计算 $i$ 在比赛中得分高于 $j$ 的概率:
$$P_{i,j}=\frac{1}{1+10^{\frac{r_j-r_i}{400}}}$$
因此我们可以由两人的 rating 差值算出他们其中一个比另一个得分高的期望概率。例如,如果两个人的 rating 差为 $200$,则 rating 高的人赢过另一方的概率被认为是 $0.75$;若 rating 差为 $400$,则这一概率约为 $0.9$。
根据这一概率,我们可以得到每个选手赛后的期望排名:
$$seed_i=\sum_{{j=1}\atop{j\neq i}}^n{P_{j,i}+1}$$
例如,在 [Codeforces Round #318 \[RussianCodeCup Thanks-Round\] (Div. 1)](https://codeforces.com/contest/573) 以前,$\textsf{t\color{red}ourist}$ 的 rating 为 $3503$,因此期望排名约为 $1.7$;$\textsf{P\color{red}etr}$ 的 rating 为 $3029$,因此期望排名约为 $10.7$。
一般的想法就是,如果实际排名比 $seed_i$ 更靠前,增加 rating;反之减少。
这里计算出 $seed_i$ 与实际排名的几何平均数:
$$m_i=\sqrt{seed_i\times rank_i}$$
则我们二分查找出一个 $R_i$ 使得该用户计算出的 $seed_i=m_i$。显然 $r_i$ 应该像更靠近 $R_i$ 的方向变化。我们取 $d_i=\frac{R_i-r_i}{2}$ 作为该用户的 rating 变化值。
不过我们为了让 rating 的平均变化更接近 $0$,还需进行以下微调:
定义一个数 $inc$,让所有 $d_i$ 增加 $inc$。
第一次微调:
$$inc=\frac{-1-\sum{d_i}}{n}$$
保证所有人的平均变化接近 $0$ 但在 $0$ 以下。
第二次微调:
取前 $s=\min(n,4\sqrt{n})$ 高的人,取一个合理地 $inc$ 使得前 $s$ 人的平均变化为 $0$。但是 $inc$ 也不能太大,因此去 $inc=\min(\max(inc, -10), 0)$,用这个值进行第二次微调。
CodeForces rating 计算的源码地址:[Link](https://codeforces.com/contest/1/submission/13861109)。
## 1.4 CodeForces rating 初始值
此部分资料来源:[Codeforces: Soon We Will Change the Rating Calculation for New Accounts](https://codeforces.com/blog/entry/77890)。
以前的初始值都是 $1500$ 分,但在 2020.(5~6) 前后,CodeForces 更改了 rating 规则。
新注册的号(或未打过比赛的号)的初始 rating 是 $0$ 而不是 $1500$。
对于比较新的号 rating 也会有不同的计算方式:
在第一场比赛中,将 rating 看作 $1400$ 来计算变化,然后计算后的 rating 会变成 $500+d_1$。
在第二场比赛中,将 rating 看作 $1400+d_1$ 来计算变化,然后计算后的 rating 会变成 $500+d_1+350+d_2$。
前六场比赛都是类似的方法,每次加的数是 $500,350,250,150,100,50$,总和为 $1400$。
以后的场按正常方式计算。
# 2 AtCoder 规则
## 2.1 AtCoder rating 与名字颜色换算
见 [这里](https://record.ak-ioi.cf/show.html)。
蓝及以下记 20\~1KYU,数字越小等级越高;黄及以上记 1\~10DAN,数字越大等级越高,再高就是 legend 和 king 之类的,这部分不太清楚。
## 2.2 AtCoder 可参加比赛的 rating
ABC、ARC、AGC 比赛界面可以查看。
一般地:
- ABC:$0\le r\lt 2000$。
- ARC:$0\le r\lt 2800$。
- AGC:$r\ge 1200$。
2021.2.25 更新:AHC 最新的一系列比赛,还没开始,暂时不详。
更新:AHC 计算 rating (β),不是一个体系,且与 OI 不太相关,因此不翻译。
## 2.3 AtCoder rating 在 rated 比赛中的计算
此部分资料来源:翻译自 [AtCoder Rating System ver. 1.00](https://www.dropbox.com/sh/zpgcogxmmu84rr8/AADcw6o7M9tJFDgtpqEQQ46Ua?dl=0&preview=rating.pdf)。
在每场比赛后,你都有一个 performance 值 $X$。如果算出的这个值稳定在 $X$,则你的 rating 会从 $X-1200$ 逐渐上升为 $X$。不用担心在第一场比赛中得到很低的 rating,你的真实水平可以在大于 $10$ 场比赛后大致看出。
你可以在 `https://atcoder.jp/users/{username}/history` 查看你每场比赛的 performance 被四舍五入后的值,下面是计算方法:
对于每个参赛者,我们求出平均 perf:(这里 $Perf_1\sim Perf_k$ 表示各场比赛获得的 perf,不四舍五入,时间从后向前)
$$APerf=\frac{\sum_{i=1}^kPerf_i\times 0.9^i}{\sum_{i=1}^k0.9^i}$$
对于没打过比赛的萌新来讲怎么办?我们设置 $Center$ 作为 $APerf$:
$$Center=\begin{cases}800,&ABC\\1000,&ARC\\1200,&AGC\end{cases}$$
令 $n$ 为参赛人数,$APerf_i$ 表示 $i$ 的 $APerf$ 值,则排名为 $r$ 的人的 perf 记为 $X$,为下面方程的解:
$$\sum_{i=1}^n\frac{1}{1+6.0^{\frac{X-APerf_i}{400.0}}}=r-0.5$$
对于并列的人,$r$ 取他们 rank 的平均值。
对于第一场比赛,进行特判:
$$Perf=(Perf-Center)\times 1.5+Center$$
最后,真实的 perf 计算如下:
$$RPerf=\min(Perf, \rm{RATEDBOUND}+400)$$
其中 $\rm{RATEDBOUND}$ 表示 rated 的最大范围,见上一条。
计算完了 perf,让我们一起计算一下 rating!
~~什么你跟我说前面算了这么多乱七八糟的都没算 rating?~~
~~是的就是这个意思。~~
定义以下函数:
$$F(n)=\frac{\sqrt{\sum_{i=1}^n0.81^i}}{\sum_{i=1}^n0.9^i}$$
$$f(n)=\frac{F(n)-F(\infty)}{F(1)-F(\infty)}\times 1200$$
$$g(x)=2^{\frac{x}{800}}$$
则:
$$Rating=g^{-1}\left(\frac{\sum_{i=1}^kg(RPerf_i-f(i))\times 0.9^i}{\sum_{i=1}^k0.9^i}\right)$$
注意到 $g$ 是一个指数函数,大概是说当你被降智时做出 $1$ 题和做出 $4$ 题差异不大,但是超常发挥时做出 $5$ 题和 $6$ 题的差异要大得多。
~~换句话说就是超常发挥是让你高兴很久,发挥失常时只用伤心一会(???~~