一些教练的定量分析

do_it_tomorrow · 2025-11-12 12:00:50 · 个人记录

退队

压力是一个介于 [0,100] 的整数。

如果学生的压力大于等于 95，那么立刻退出。

否则，如果学生压力大于等于 90，那么打上退队倾向 tag。

如果 tag 持续 1 周以上，那么有概率退队。

设当前压力为 p，那么概率为 P=0.22+0.02\times(p-90)，大约为 0.3 左右。

训练

对于训练：

压力过大指训练之后普通学生增加的压力大于等于 90。

压力尚可指训练之后学生的压力大于等于 70。

所以说，如果训练不显示压力过大，那么一般来说不会出发退队。

应用知识点增加受后面 4 个因素的影响：基础效率加成，图书馆加成，强度系数，生病惩罚。

如果生病，那么效果为 0.7，否则为 1。

对于图书馆等级，每个等级分别有 0.8,0.95,1.1,1.12,1.14 效果。

对于强度，分别有 0.7,1,1.3 的效果。

增加的值为显示的各项值，乘以上述效果的乘积。

对于思维与代码的提升，与学生自身能力，压力，题目难度，强度系数，计算机等级有关。

我们定义学生的能力为 0.5\times (coding+thinking)。

取学生的能力减去题目难度的值为 diff，那么我们设 w=1-0.03\times diff^2。

如果 w\notin[0.1,1]，那么对 0.1 取 \max，对 1 取 \min。

需要注意，掌握的程度越接近学生能力，增加的比例越高。

对于强度，影响与能力是相同的。

取学生的压力为 pressure，那么压力的效果为(1-\min(0.6,pressure/200)。

对于电脑等级，效果分别为 0.8,1,1.1,1.2,1.3。

将 w 乘以上面的三个效果。

思维能力的增加为 \operatorname{rnd}(0.6,1.5)\times w，代码能力增加 \operatorname{rnd}(1,2.5)\times w。

增加的压力有点复杂，先鸽了。

晋级

对于每一场比赛，存在一个晋级的比例。

取比赛总分，设置为 totalMax，晋级比例为 P。

对于非 NOI 的比赛，P\gets P\times \operatorname{rnd}(0.95,1.05)。

计算分数线 line=\lfloor totalMax\times P\rfloor，分数大于等于分数线的学生晋级。