Mario Pareto ile Buluşuyor: Mario Kart Build’lerinin çok amaçlı optimizasyonu

Mario Kart 8 için en iyi kombinasyonu bulmak

• Mario Kart 8’de sürücü, kart gövdesi, lastikler ve planör seçmek yalnızca stil meselesi değil, yarışı kazanmak için de önemli bir unsur.
• Her öğe için onlarca seçenek var ve her seçenek hız, ivmelenme gibi performansı etkileyen istatistiklere sahip.
• Benzer istatistiklere sahip stil odaklı seçenekleri dışarıda bıraksanız bile, binlerce kombinasyon arasından en iyisini bulmak zor.

Pareto optimizasyonu

• En yüksek hıza sahip sürücüyü bulmak, hız istatistiklerini sıralamak kadar basit.
• Ancak en iyi kombinasyonu bulmak için yalnızca hız değil; ivmelenme, yol tutuş, ağırlık, off-road ve mini turbo gibi birçok istatistik arasındaki dengeyi de hesaba katmak gerekir.
• Bazı seçenekler her zaman başka seçenekler tarafından domine edildiği için, bunları eleyip Pareto cephesini oluşturan verimli sürücüleri belirlemek mümkün.
• Pareto verimliliği, en iyi olmayan seçimleri elemek için nesnel bir ölçüt sunar; ancak son kararı verirken yine de kullanıcının tercihleri ve oyun stili dikkate alınmalıdır.

Gerçek oyunda optimizasyon

• Gerçek oyunda yalnızca sürücüyü değil, gövde, tekerlek ve planörden oluşan tüm seti seçmek gerekir.
• Hız ve ivmelenme özellikleri bakımından 585 benzersiz kombinasyon vardır, ancak Pareto yaklaşımı uygulanarak bu sayı 14 verimli seçeneğe indirilebilir.
• Mini turbo adlı üçüncü önemli istatistik de eklenince, Pareto cephesi kavramı üç boyuta genellenebilir.
• Çok boyutlu Pareto cephesi, boyut sayısı arttıkça geometrik olarak büyür ve seçim yapmayı daha da zorlaştırır.
• En iyi kombinasyonu bulmak için her boyuta ağırlık vermek gerekir; üst düzey oyuncuların tercih ettiği kombinasyonlar da hız, ivmelenme ve mini turbo optimize edildiğinde bu cephenin üzerinde yer alır.

Çok amaçlı optimizasyon problemi

• Benzer ödünleşimler günlük hayatta da sıkça karşımıza çıkar.
• Ucuz ama lezzetli bir yemek, iyi maaşlı ama kolay ve tatmin edici bir iş, düşük riskli ve yüksek getirili bir portföy, esnek ama güçlü ve üretimi kolay bir malzeme, adil ama verimli bir vergi sistemi, yüksek kaliteli ama hızlı ve maliyet açısından verimli bir LLM — bunların hepsinde çok amaçlı optimizasyon problemiyle karşılaşırız.
• Eğer tam ağırlıkları biliyorsanız, problemi tek amaçlı bir optimizasyona indirgemek mümkündür; ancak fayda fonksiyonu belirsizse ya da bilinmiyorsa, Pareto cephesi en iyi olmayan seçenekleri nesnel biçimde elemede yardımcı olur.

Teşekkür

• Bu yazıda, genel okurun daha kolay anlayabilmesi için bazı varsayımlar basitleştirildi.
• Oyun içindeki gerçek istatistikler temel istatistiklerle her zaman doğrusal ilişki içinde değildir; ayrıca sürücü dışındaki tüm ekipmanlar için 4 hız istatistiği ve 4 yol tutuş istatistiği bulunmasına rağmen ortalama değerlerin kullanılması tercih edildi.
• Fayda fonksiyonunun işlevsel biçimi de önemli bir rol oynasa da burada tamamen gizlendi.
• Yazının arka planını ya da daha fazla bilgiyi merak edenler için, bağış yapmayı değerlendirme çağrısı da yer alıyor.

GN⁺ görüşü

• Pareto optimizasyonu, çok sayıdaki seçenek arasından en iyi kararı vermede son derece kullanışlı bir araç. Bu yaklaşım yalnızca oyunlarda değil, gerçek hayattaki çeşitli karar verme durumlarında da uygulanabilir.
• Yazı, karmaşık optimizasyon problemlerini kolay anlaşılır hale getirmek için Mario Kart gibi tanıdık bir örnek kullanıyor ve bu sayede okura ilgi çekici bir öğrenme deneyimi sunuyor.
• Ancak gerçek uygulamalarda her istatistiğin önemi ya da duruma göre değişebilecek ağırlıklar da hesaba katılmalı; bu da kullanıcının kişisel tercihleri ve deneyimine bağlı olarak değişebilir.
• Optimizasyon problemlerinde sadece verimli seçenekleri bulmak değil, bu seçeneklerin gerçek koşullarda nasıl çalıştığını denemek ve deneyimlemek de önemlidir.
• Yazı açıklama için basitleştirilmiş bir model kullanıyor olsa da, gerçek uygulamalarda daha karmaşık modellerin ya da farklı değişkenlerin dikkate alınması gerekebilir.

[GN⁺]

Hacker News görüşleri

• Harika sunum

  • Görselleştirmenin amaca hizmet ettiği durumlar güzeldir. Tufte bile bununla gurur duyardı.

• Web tasarımı odaklı yaklaşım

  • Web tasarımı unsurları güçlü ve teknik olmayan bir kitle için uygun olabilir. Ancak orijinal yazının notebook biçiminde daha faydalı bilgiler sunduğunu düşünüyorum.

• Mario Kart'ın küçük kırmızı lastikleri

  • Küçük kırmızı lastiklerin en iyisi olduğunu hep biliyordum. Ama stil ve Zelda sevgisine önem verdiğim için bu bilgiyi kişisel olarak görmezden gelmek zorundayım.

• Etkileyici sunum

  • Pareto verimliliği/frontier kavramını zaten biliyordum, ama artık Mario Kart'ı (ve domine edilen Bowser'ı) düşünmeden bunu unutamam.

• Bir tasarım aracı olarak kullanım fikri

  • Oyun tasarlarken eğlenceli ve uygulanabilir build'lerden oluşan geniş bir Pareto frontier'i düşünmek ilgi çekici.

• Halo Kart (2) ile birleştirme

  • Pareto frontier'in nasıl hesaplanacağı üzerine düşünmek gerekiyor.

• Genetik algoritmalarla optimal çözüm

  • Tercihleri ve ağırlıkları tanımlayıp genetik algoritmalar kullanarak optimal çözümü bulmak, bir puanlama fonksiyonu tanımlayıp rastgele API kullanmaktan daha az düşünme gerektiriyor.

• Önemli noktalar

  • 1. En önemli şey beceri; seçtiğiniz kart vb.den daha önemli. Profesyonellerin tuhaf build'lerle oynadığını görünce, dezavantajlı olmalarına rağmen ne kadar iyi olduklarını anlayabiliyorsunuz.
  • 2. Pratikte gizli mini-turbo istatistiğinin değerini bilmeye gerek yok. Yüksek hızlanma, yüksek mini-turbo anlamına geldiği için çoğu oyuncu açısından hızlanma mini-turbo için bir vekil olarak kullanılabilir.

• 9 yaşındaki çocukla Mario Kart rekabeti

  • 9 yaşındaki bir çocuğun Mario Kart'ta benden daha iyi olması can sıkıcı ama bu bilginin bana fark yaratabilecek olmasına minnettarım.

• Profesyonellerin haritaya göre farklı build kullanması

  • Örneğin, uzun düzlükleri olan haritalarda en yüksek hızı, keskin virajların bol olduğu haritalarda ise hızlanmayı tercih edip etmedikleri sorusu.