天天酷跑宠物哪个最好，论表现分中飞行金币占比

今天抽到一个3星宠物 晴空马仔，换掉之前常用的 冰河马仔 后，分数反而下降了，距离差不多，但是总分却下降许多。  

宠物名称	晴空马仔
宠物星级	★★★
宠物获得	金币购买或邀请好友
宠物增益	游戏金币加：12%  表现得分加：5%  冲刺时间加：1.2秒

 

宠物名称	冰河马仔
宠物星级	★★
宠物获得	金币购买或邀请好友
宠物增益	游戏金币加：10%  冲刺时间加：1秒  飞行金币加：300%

观察两个宠物的属性对比，可以看到，主要区别体现在：

晴空马仔 表现分数+5%（与其他的表现分数加成加性叠加）

冰河马仔 飞行金币*3，会变相增加表现分。（根据观察，飞行金币是指踩怪产生的金币，一般数值都比较大，为常规金币的十倍左右）。

 

那么至此，可以把 酷跑 中的金币产生来源分为两种：1.普通金币（直接可以吃到的金币） 2.飞行金币（踩怪产生）

相信这两种金币，酷跑策划已经做出大约的比例，然后通过这个比例我们就可以计算出事直接表现分划算还是飞行金币更好。踩怪得分暂时归类到普通金币中，本文目前主要分析飞行金币占比。

（测试中，暂且忽略道具持续时间带来的影响）

环境：35级刀锋+35级橙色之翼 表现+58% 金币+58%

各装备不同宠物玩了10盘，得到如下数据

编号	总表现加成	总金币加成	出场宠物	表现分	距离	奖励金币值	总分
5	58	68	冰河马仔	17783	1536	298	46541
9	58	68	冰河马仔	18820	2022	316	54011
1	58	68	冰河马仔	22436	2166	376	61452
3	58	68	冰河马仔	26986	2246	453	69601
10	58	68	冰河马仔	25383	2265	426	67297
4	58	68	冰河马仔	26909	2287	452	69972
8	58	68	冰河马仔	34286	3039	576	90651
6	58	68	冰河马仔	37447	3187	629	97410
7	58	68	冰河马仔	52456	3435	881	124100
2	58	68	冰河马仔	60371	4368	1014	147814
20	63	70	晴空马仔	12892	1521	219	39265
17	63	70	晴空马仔	19797	2257	336	59353
18	63	70	晴空马仔	20527	2284	348	60867
19	63	70	晴空马仔	25113	2610	426	72254
13	63	70	晴空马仔	29535	3172	502	86206
14	63	70	晴空马仔	42614	3776	724	114784
12	63	70	晴空马仔	43396	4028	737	119083
11	63	70	晴空马仔	43758	4046	743	119889
15	63	70	晴空马仔	49351	4342	838	132546
21	63	70	晴空马仔	47821	4360	812	130280
16	63	70	晴空马仔	46546	4595	791	131021

（一）奖励金币

首先将不同宠物下的金币取平均值，并关于金币加成单位化后，计算金币/表现分得到：

冰河马仔	0.009992
晴空马仔	0.00998

考虑到估计中必然存在的误差，我们可以得出：

金币=表现/100*(1+金币加成)

（二）表现分构成

根据前述，可以简单的估计表现分构成公式

表现分=(1+表现分加成）*（a*普通金币+b*飞行金币）

其中，距离因素由于与普通(飞行)金币之间存在想关性，因此不单独考虑，其影响会体现在a和b之中。

而将 a*普通金币/(表现分/(1+表现分加成)) 看成整体，为 普通占比；b*飞行金币/(表现分/(1+表现分加成)) 看成整体，为 飞行占比。即

1=普通占比+飞行占比

而在 冰河马仔 的飞行金币*3的buff下

表现分'/表现分=普通占比+飞行占比*3

然后从取数据表格中距离相近样本开始，求平均，规格化，然后方程组计算后，我们可以得到：

在不同距离段，飞行占比均约为15%，有一定的波动，分析波动产生是由于酷跑中金币分布非绝对均匀。

从这样的结果，也就可以很直观的判断出，冰河马仔的飞行金币*3将带来30%的实际表现加成，而晴空马仔的5%表现加成，只能带来5%/(1+当前表现加成)的加成，结果显而易见——冰河马仔更好。

（三）总分构成

起初以为总分也会和金币一样正比于表现分，于是相同的做了一次运算，发现冰河马仔和晴空马仔结果相差较大。

于是想到，游戏中统计数据分为表现分和距离，因此假设总分由两者线性叠加而成：

总分=a*表现分+b*距离

通过方程组求得

a=1.303；b=15.37

结果比较奇怪，但是由于缺乏更多的测试数据，就姑且这样断定吧。（若有更多数据，可以进行更多的分析）