README

另一个在 PHP 中的 Elo 实现！但这个引入了 可靠性 目的。

可靠性目的

历史：你有一个优秀的玩家 A，他玩了很多游戏，得分达到了 2100 Elo。一个新玩家 B 订阅了游戏网站，因此他的 Elo 得分初始化为 1500。但实际上，他是一名非常优秀的玩家，比 A 更优秀，并且像碾蚂蚁一样击败了他。

问题：新玩家 B 将会因为击败了一个 2100 Elo 的玩家而赢得很多 Elo。这没问题。但是玩家 A （2100 Elo）会因为输给一个 1500 Elo 的玩家而失去很多 Elo，但实际上他是最强的。

事实上，新玩家的 Elo 得分是不可靠的，因此它不应影响其他玩家的 Elo 得分。

解决方案：这个库。它为 Elo A 和 Elo B 引入了一个 可靠性系数（介于 0.0 和 1.0 之间的十进制数）。

Composer

通过 composer 安装

{
    "require": {
        "alcalyn/elo": "1.x"
    }
}

如果您不使用 composer，可以手动下载库。

使用方法

• 实例化一个标准 Elo 系统

use Alcalyn/Elo/EloSystem;

$eloSystem = new EloSystem();

• 从旧 Elo 计算更新后的 Elo 得分

/**
 * A player with 1650 Elo beat another with 1920
 */
$updatedElos = $eloSystem->calculate(1650, 1920, 1);

print_r($updatedElos);
/* Output:
    Array
    (
        [0] => 1663.2084157978
        [1] => 1906.7915842022
    )
*/

• 为 Elo 得分设置 可靠性 系数

/**
 * A player with 1907 Elo (1.0 reliability)
 * lose against a new player with 1500 (and reliability to 0.0)
 */
$updatedElos = $eloSystem->calculate(1907, 1500, 0, 1.0, 0.0);

print_r($updatedElos);
/* Output:
Array
(
    [0] => 1907
    [1] => 1514.5978664353
)
*/

• 使用方法别名进行赢、输或平局

/**
 * Method Aliases
 */
$elo->win(2100, 1500, 1.0, 0.0);
$elo->lose(2100, 1500, 1.0, 0.0);
$elo->draw(2100, 1500, 1.0, 0.0);

• 实例化一个具有不同 K 因子的系统（默认为 16）

/**
 * Use a different K factor in your Elo system
 */
$eloSystemK32 = new EloSystem(32);

详细示例

新玩家:

玩家 A 有 2100 Elo，可靠性 1.0
玩家 B 有 1500 Elo，可靠性 0.0

A 赢：预期结果，所以 B 会损失少量 Elo，而 A 则不赢。
B 赢：非预期结果，所以 B 会赢得大量 Elo，而 A 则不损失。

A 的 Elo 得分不会在和他打新玩家（具有不可靠 Elo 得分）的对战中更新。

(并且新玩家 B 应该在每场比赛后将其 Elo 可靠性提高大约 1/10，直到其可靠性达到 1)

$elo = new EloSystem();

/**
 * Result without reliability
 */
print_r($elo->lose(2100, 1500));

/* Output:
    Array
    (
        [0] => 2084.4904548805 // lose -16 Elo
        [1] => 1515.5095451195 // win  +16 Elo
    )
*/

/**
 * Result with reliability
 */
print_r($elo->lose(2100, 1500, 1.0, 0.0));

/* Output:
    Array
    (
        [0] => 2100 // don't lose Elo against new player
        [1] => 1515.5095451195 // win +16 Elo vs reliable Elo score
    )
*/

另一个示例：两名新手玩家:

玩家 A 有 1500 Elo，可靠性 0.0
玩家 B 有 1500 Elo，可靠性 0.0

有两个新玩家，因此他们的可靠性都是 0.0：算法会将他们视为可靠性都是 1.0。

如果玩家 A 的 Elo 可靠性等于 0.4，而玩家 B 等于 0.0，算法会将其相加 +0.6，以便其中一个可靠性达到 1.0。

许可证

本项目采用 MIT 许可证