海克斯大乱斗中爽局的重尾分布：赌狗行为与极端快乐态的形成机制研究

Abstract

随着“海克斯强化”机制在极地大乱斗（ARAM）模式中的引入，该系统的随机动力学特性发生了根本性相变。传统的ARAM对局通常被建模为基于属性线性叠加的加性高斯白噪声过程（Additive Gaussian Process），其游戏体验服从正态分布，表现为平庸且稳定的“互刷时长”特征。然而，本文通过建立随机微分方程模型证明，海克斯强化的引入将系统重构为具有高度不确定性的乘性随机过程（Multiplicative Stochastic Process）。 数学推导与100,000次蒙特卡洛仿真显示，该机制导致最终战斗强度收敛于具有显著右偏重尾特征的对数正态分布。这一分布结构解释了当前版本中“基尼系数”飙升的现象：极少数采取“赌狗策略”（如无脑叠加心之钢层数）的玩家能够触达理论上的“极乐长尾区”（God-Mode），而绝大多数中间态玩家则因方差过大而跌入“红温区”。本文的研究从数学上揭示了“为何输了比赛但赢了爽局”的心理机制，并指出在重尾分布下，追求高风险海克斯不仅是非理性的冲动，更是通往极端快乐态的唯一统计学路径。

Keywords