Mario trifft Pareto: Mehrzieloptimierung für Mario-Kart-Builds

Die beste Kombination in Mario Kart 8 finden

• In Mario Kart 8 ist die Wahl von Fahrer, Kart-Karosserie, Reifen und Gleiter nicht nur eine Frage des Stils, sondern ein wichtiger Faktor, um Rennen zu gewinnen.
• Für jedes Element gibt es Dutzende von Optionen, und jede Option besitzt Werte, die die Leistung beeinflussen, etwa Geschwindigkeit und Beschleunigung.
• Selbst wenn man stilistische Optionen mit ähnlichen Werten ausklammert, ist es schwierig, unter Tausenden von Kombinationen die beste zu finden.

Pareto-Optimierung

• Den Fahrer mit der höchsten Geschwindigkeit zu finden, ist so einfach wie das Sortieren ihrer Geschwindigkeitswerte.
• Um jedoch die optimale Kombination zu finden, muss man nicht nur Geschwindigkeit, sondern auch das Gleichgewicht zwischen mehreren Werten wie Beschleunigung, Handling, Gewicht, Offroad und Mini-Turbo berücksichtigen.
• Einige Optionen werden immer von anderen Optionen dominiert; daher kann man diese ausschließen und die effizienten Fahrer identifizieren, die die Pareto-Front bilden.
• Pareto-Effizienz liefert ein objektives Kriterium, um nicht optimale Optionen auszusortieren, doch für die endgültige Entscheidung müssen weiterhin die Vorlieben und der Stil des Spielers berücksichtigt werden.

Optimierung im eigentlichen Spiel

• Im tatsächlichen Spiel muss man nicht nur den Fahrer, sondern das gesamte Set aus Karosserie, Rädern und Gleiter auswählen.
• Es gibt 585 Kombinationen mit einzigartigen Eigenschaften bei Geschwindigkeit und Beschleunigung, doch mit dem Pareto-Ansatz lässt sich das auf 14 effiziente Optionen eingrenzen.
• Fügt man Mini-Turbo als dritten wichtigen Wert hinzu, lässt sich das Konzept der Pareto-Front auf drei Dimensionen verallgemeinern.
• In mehreren Dimensionen wächst die Pareto-Front mit steigender Anzahl an Dimensionen exponentiell an, was die Auswahl noch schwieriger macht.
• Um die optimale Kombination zu finden, muss man die einzelnen Dimensionen gewichten; die von Top-Spielern bevorzugten Kombinationen liegen auf der Front, wenn Geschwindigkeit, Beschleunigung und Mini-Turbo optimiert werden.

Das Problem der Mehrzieloptimierung

• Ähnliche Trade-offs begegnen uns auch im Alltag häufig.
• Ob günstige und zugleich leckere Mahlzeiten, gut bezahlte sowie einfache und erfüllende Jobs, Portfolios mit geringem Risiko und hoher Rendite, Materialien, die flexibel, stark und leicht herzustellen sind, faire und effiziente Steuern oder LLMs, die hochwertig, schnell und kosteneffizient sind – in all diesen Fällen steht man vor einem Mehrzieloptimierungsproblem.
• Wenn man die genauen Gewichtungen kennt, kann man das Problem zu einer Einzieloptimierung vereinfachen; in Situationen, in denen die Utility-Funktion unsicher oder unbekannt ist, hilft die Pareto-Front jedoch dabei, nicht optimale Optionen objektiv zu eliminieren.

Danksagung

• In diesem Artikel wurden einige Annahmen vereinfacht, damit sie für ein breites Publikum leichter verständlich sind.
• Die tatsächlichen In-Game-Werte stehen nicht immer in einer linearen Beziehung zu den Basiswerten, und für alle Ausrüstungsgegenstände außer den Fahrern gibt es 4 Geschwindigkeitswerte und 4 Handling-Werte, doch hier wurde beschlossen, Durchschnittswerte zu verwenden.
• Auch die funktionale Form der Utility-Funktion spielt eine wichtige Rolle, wurde hier jedoch vollständig ausgeblendet.
• Wer die Hintergründe zu diesem Artikel oder weitere Informationen möchte, wird gebeten, eine Spende in Erwägung zu ziehen.

Meinung von GN⁺

• Pareto-Optimierung ist ein sehr nützliches Werkzeug, um unter vielen Optionen optimale Entscheidungen zu treffen. Das gilt nicht nur für Spiele, sondern auch für viele Entscheidungssituationen im realen Leben.
• Der Artikel bietet Leserinnen und Lesern eine interessante Lernerfahrung, indem er das Thema anhand des vertrauten Beispiels Mario Kart erklärt und so komplexe Optimierungsprobleme leichter verständlich macht.
• In der praktischen Anwendung müssen jedoch die Bedeutung der einzelnen Werte und die je nach Situation unterschiedlichen Gewichtungen berücksichtigt werden; diese können je nach persönlichen Vorlieben und Erfahrungen variieren.
• Bei Optimierungsproblemen ist es nicht nur wichtig, effiziente Optionen zu finden, sondern auch zu testen und zu erfahren, wie diese Optionen in realen Situationen tatsächlich funktionieren.
• Der Artikel erläutert das Thema mit einem vereinfachten Modell, doch in realen Anwendungen müssen möglicherweise komplexere Modelle oder zusätzliche Variablen berücksichtigt werden.

[GN⁺]

Hacker-News-Kommentare

• Wunderschöne Präsentation

  • Es ist großartig, wenn die Visualisierung dem Zweck dient. Selbst Tufte wäre stolz.

• Ein Webdesign-artiger Ansatz

  • Er hat starke Webdesign-Elemente und könnte für ein weniger technisches Publikum geeignet sein. Ich denke jedoch, dass der Originalartikel im Notebook-Format nützlichere Informationen liefert.

• Die kleinen roten Reifen in Mario Kart

  • Ich wusste schon immer, dass die kleinen roten Reifen die besten sind. Aber weil mir Stil und meine Liebe zu Zelda wichtig sind, bleibt mir persönlich nichts anderes übrig, als diese Information zu ignorieren.

• Beeindruckende Präsentation

  • Ich kannte das Konzept von Pareto-Effizienz/-Frontier bereits, aber jetzt werde ich es mit Mario Kart (und einem unterlegenen Bowser) im Kopf nicht mehr vergessen.

• Überlegungen zum Einsatz als Design-Werkzeug

  • Ich finde es interessant, beim Game-Design eine große Pareto-Frontier aus unterhaltsamen und praktikablen Builds in Betracht zu ziehen.

• Kombination mit Hallo Kart (2)

  • Man muss darüber nachdenken, wie sich die Pareto-Frontier berechnen lässt.

• Optimale Lösung mit genetischen Algorithmen

  • Präferenzen und Gewichtungen zu definieren und dann genetische Algorithmen zu verwenden, um eine optimale Lösung zu finden, erfordert weniger Nachdenken, als eine Scoring-Funktion zu definieren und eine zufällige API zu verwenden.

• Wichtige Punkte

  • 1. Können ist am wichtigsten, wichtiger als die Wahl des Karts usw. Wenn man Profis mit seltsamen Builds spielen sieht, erkennt man, dass sie trotz des Nachteils gut sind.
  • 2. In der Praxis muss man den Wert der versteckten Mini-Turbo-Statistik nicht kennen. Da hohe Beschleunigung hohen Mini-Turbo bedeutet, können die meisten Spieler Beschleunigung als Stellvertreter für Mini-Turbo verwenden.

• Mario-Kart-Wettkampf mit meinem 9-jährigen Kind

  • Mein 9-jähriges Kind ist in Mario Kart besser als ich, aber ich bin dankbar, dass dieses Wissen für mich einen Unterschied machen könnte.

• Unterschiedliche Builds der Profis je nach Strecke

  • Zum Beispiel die Frage, ob auf Strecken mit langen Geraden die Höchstgeschwindigkeit bevorzugt wird, während auf Strecken mit vielen engen Kurven eher Beschleunigung bevorzugt wird.