Zenless Zone Zero のS級の期待値を求める

※ 公開している記事やツールは、手動で作成しています。誤字・脱字の指摘や正当性の確認にAIを使用しています。

Zenless Zone Zeroであるポリクロームがある時、凸できる期待値を計算する。

作ったものはガチャ計算ツールで公開している。

この記事では、以下をガチャの仕様とする。

  1. S級エージェントの基礎排出率は0.6%
  2. 90回以内にS級エージェントが必ず排出される
  3. S級が排出されると、天井カウントは0に戻る
  4. 1〜74回目のS級排出率は0.6%
  5. 75回目以降は、1回ごとにS級排出率が6%上昇すると仮定する
  6. 通常状態でS級が排出された場合、50%の確率で限定S級を獲得する
  7. 50%の抽選に外れた場合は恒常S級を獲得し、次のS級が限定確定になる
  8. 限定確定状態でS級が排出された場合、必ず限定S級を獲得する
  9. 限定S級を獲得すると、次のS級は通常の50%抽選に戻る

計算方法

動的計画法(DP)を用いて、限定S級の獲得数に関する確率分布を計算する。

状態 (s,f,c)(s,f,c) に存在する確率を、次のように定義する。

D(s,f,c)D(s,f,c)

各変数の意味は以下のとおりである。

  • s∈{0,1,…,99}s \in \{0,1,\ldots,99\}:限定S級エージェントの獲得数。入力できる目標数は1〜7体だが、実装では99体までの状態を用意している
  • f∈{0,1}f \in \{0,1\}:次のS級が限定確定かを表すフラグ
    • f=0f=0:限定確定ではない
    • f=1f=1:次のS級が限定確定
  • c∈{0,1,…,89}c \in \{0,1,\ldots,89\}:現在の天井カウント

S級排出率

kk回目の抽選におけるS級エージェントの排出率をp(k)p(k)とする。

p(k)={0.006(1≤k≤74),0.006+0.06×(k−74)(75≤k<90),1(k=90).p(k)= \begin{cases} 0.006 & (1 \le k \le 74), \\[4pt] 0.006 + 0.06 \times (k-74) & (75 \le k < 90), \\[4pt] 1 & (k=90). \end{cases}

更新式

以下の ←\leftarrow は代入を表す。更新先の現在の値に、各遷移の確率を加算する。

S級が排出されなかった場合

S級が排出されなかった場合、限定確定フラグと限定S級の獲得数は変化せず、天井カウントのみが1増加する。

D(s,f,k+1)←D(s,f,k+1)+D(s,f,k)×(1−p(k+1))D(s,f,k+1) \leftarrow D(s,f,k+1) + D(s,f,k) \times \bigl(1-p(k+1)\bigr)

S級が排出された場合

限定確定ではない状態、すなわちf=0f=0でS級が排出された場合、50%の確率で限定S級を獲得する。

D(s+1,0,0)←D(s+1,0,0)+D(s,0,k)×p(k+1)×12D(s+1,0,0) \leftarrow D(s+1,0,0) + D(s,0,k) \times p(k+1) \times \frac{1}{2}

残りの50%では恒常S級を獲得し、次のS級が限定確定になる。

D(s,1,0)←D(s,1,0)+D(s,0,k)×p(k+1)×12D(s,1,0) \leftarrow D(s,1,0) + D(s,0,k) \times p(k+1) \times \frac{1}{2}

限定確定状態、すなわちf=1f=1でS級が排出された場合は、必ず限定S級を獲得する。

D(s+1,0,0)←D(s+1,0,0)+D(s,1,k)×p(k+1)D(s+1,0,0) \leftarrow D(s+1,0,0) + D(s,1,k) \times p(k+1)

したがって、限定S級を獲得する遷移は次のようにまとめられる。

D(s+1,0,0)←D(s+1,0,0)+D(s,0,k)×p(k+1)×12+D(s,1,k)×p(k+1)D(s+1,0,0) \leftarrow D(s+1,0,0) + D(s,0,k) \times p(k+1) \times \frac{1}{2} + D(s,1,k) \times p(k+1)

コードに落とし込む

擬似コードっぽ書くと次のような感じ。 実装する際は、x体以上100体未満を獲得する確率を出力している

for i, j, k  {
  dp[i][j][k + 1] += dp[i][j][k] * (1 - p(k));
  dp[i + 1][0][0] += dp[i][j][k] * p(k) * (if j == 1 then 1 else 1/2);
  dp[i][1][0] += dp[i][j][k] * p(k) * 1/2;
}

dp[s + 1][1][c] = for k in 0.. 90 {
  dp[s][0][k] * p(k)
} + for k in 0.. 90 {
  dp[s][1][k] * p(k) * 1/2 + dp[s + 1][0][k] * p(k) * 1/2
} + for k in 0.. 90 {
  dp[s][0][k] * p(k) + dp[s][1][k] * p(k)
}  + for k in 0..90 {
  if k > 0  then dp[s + 1][1][k - 1]  * (1 - p(k)) else 0
}

他のガチャツールとの比較

こういうツールはすでにあるので、n番煎じではある。 ただ手を動かしてServer Action周りを理解したかったので作成してみた。 作成とテストする仮定で既存のツールと比較したので、参考として記録しておく。今回はポリクローム -> 獲得数だったが、獲得数 -> ポリクロームの逆版も作ろうかな。

  • GachaMath:ロジックはこちらと同じDP。確率が上がり始めるのは74回目からで、こちらは75回目っぽい。開始点だけ変えて再計算すると、天井カウント0・限定確定なし・余波補正なしの90連で1体以上引く確率は、こちらの59.04%に対して59.39%になる。こちらのほうが若干悲観的にでる。
  • ZZZ Gacha Simulator:DPと、乱数でガチャを繰り返すモンテカルロ法の両方に対応。同じ前提ならDPの結果は同じになるはず、試してはいない。乱数を使う側は試行回数によって結果がばらつく。こちらは乱数を使わない。