リセマラにおける最適化モデル構築

 1回ログボ70枚でリセマラを行っているが果たしてどのやり方が安定して多くのメダルを稼げるのかを考える。現状、日によってブレがそれなりに大きいので、1日10000円は達成できるよう、およそ40000枚を安定して取りやすいBETの仕方を考えたい。

もちろん手作業ではなくPC複数台体制によるリセマラ。あれを手作業でやっていては1時間でおそらく8回程度で、期待値的に70*0.85*8=476枚なのでレート0.25と見積もっても119円。単純作業で場所を選ばずにだいたいできるとはいえ時給119円はあまりにも低すぎる。

さて、どのようなやり方をしたら40000枚は安定して稼げるようになるのかをいろんなモデルを作って考えてみる。プログラム自体は我お得意のmathematica。最近研究でpythonも扱うが、やはり慣れている時間の関係でこちらの方が扱いやすい。ウディタでも可能だがこの手の数学的処理にあまり向いてはいない。

ここでは経験上、以下を仮定する。

①アカウント作成をしてゲーム画面まで:6分

②ゲーム1回:2分

(すなわち1ゲームすれば6+2=8分、2ゲームすれば6+2+2=10分となる)

③1日の稼働時間は0~4時、メンテを除いて7~24時の合計21時間=1260分

④稼働台数はおおむね8台であるが、接続の問題などもあり実質7台分と仮定して1260*7=8820分とする

⑤ペイアウト率は85%

この仮定の下で各モデルに対して10000回試行し(これ以上になると数時間かかる見込みなので妥協。すなわち10000日分行うことを意味する)、その日ごとの合計枚数分布(1アカウントの保有枚数の分布ではないことに注意)と平均値、回転数等を比較する。

⑥最近の相場では10000枚未満は下落しているので、各アカウント10000枚以上となった時点でゲーム終了とする

⑦BETの仕方はすべて、現在の持ちメダルをすべて賭けるものとし、MAXBETは999とする

まず一般的なイメージとしては、ゲーム数を増やせば増やすほどメダル70枚の供給機会は減るため、何度継続してゲームをプレイしても期待値は減少することが推測される。しかしゲームを増やすということは比較的高確率で当たることを意味し、これは期待値は減るもののばらつきが少なくなることが期待される。40000枚以上になる確率は、期待値が減る要素により減るが、逆に分散については小さくなり、かつ平均値がそれより十分に高い場合、確率としては上昇する。その2つの要素がどちらがどれくらい強いかは直感的にわかりづらいため、モデルを導入して解析するのである。

そしてBETする倍率はある数値nに対して0.8nから1.2nの中からランダムに整数値が選ばれるとする(例えばn=20なら16,17,18,19,20,21,22,23,24のいずれかからオッズが選ばれる。ここは小数第1位まで表示されるG1とは異なるが重要な部分ではないので無視)

このnをn=5からn=100まで動かし、最適なnを算出するが、各nに対して行う処理を96回行うため処理時間が非常にかかるので、このnによる結果には連続性が容易に推測できるので各nに対しては少なめの100回で実施する。

結果↓

青が40000枚以上を得られる確率(*100000)、オレンジが1日での平均獲得枚数である。

各nに対して100回の試行なのでかなりのばらつきがあるが、おおよそのトレンドはつかみやすい。

やはり最短2回で到達するn=14付近と最短1回で到達するn=160付近で期待値が高くなっている。それ以外の場合は10000枚以上で終了、という目標を設けたため、n<13付近ではBET回数が増え(=ログボ70枚の回転効率が悪い)、n=70付近では10000枚に到達せずに無駄にそのまま浪費してしまい(=ログボ70枚の回転効率が悪い)、n>160付近ではあたりは大きくなっていくもののその分当たりにくくなるので確率や期待値が下がっていると言える。

そしてもちろん、最短1回勝負の方が回転効率が良いため期待値もn=14付近に比べて大きい。ただnが大きい場合、そんなに多く170倍などのオッズの高い馬が立て続けに来るとも言いづらいのであまり実際には適用しづらい。

そういうわけで14倍付近のオッズにBETする作戦で行く。