Pデビルマン疾風迅雷のオスイチボーダー

お世話になっております、スログラミングです。

Pデビルマン疾風迅雷ということで、ニューギンからの源さんタイプですね。
個人的には、キュインパトモードが気になります。
(RUSHが連荘するとコスチュームが変化していくらしい!!)

ということで、遊タイムを無視(天井を無視)したボーダー情報=オスイチボーダーを算出してみました。

目次

0. オスイチボーダーとは

オスイチボーダーとは、天井を無視(遊タイムを無視)した場合のボーダー

オスイチ:座って1回転目、または極めて少ない回転数で当たること
ボーダー:理論上の損益分岐点
から勝手に作成した造語。

オスイチを繰り返した場合、特別な場合を除いては遊タイムの恩恵にあずかれないことから。

ちなみに、この遊び方をする人は試行回数が少ない(週1で仕事帰りに1万勝負とか)と思われるので、この数値に収束することは滅多にないと思います。
あくまで気休め程度で参考にしてください。

1. Pデビルマン疾風迅雷のオスイチボーダー

オスイチボーダーは21くらいです。
月マイナス1万くらいを目指すなら、千円Sが16くらいの台を週1回1万勝負って感じですね。


2. 今回作成したコード

オスイチボーダー算出に使用したプログラムはこちら。

    # coding: UTF-8
    # 乱数作成用
    import random
    # ボーダー算出用
    import numpy as np
    # スランプグラフ描画用
    import pylab
    
    # 試行条件の設定---ここから----
    
    # 試行回数
    loop = 1000000
    # 千円Sの設定範囲
    千円S_最小 = 10
    千円S_最大 = 30
    # 右打ち中の1回転当りの玉減り()
    玉減り = 0.1
    # ラウンド間のこぼし玉
    こぼし玉 = 3
    
    # 大当たり確率の設定(左打ち)
    左5RRush = 319.69 / 0.50
    左2RRush = 319.69 / 0.10
    左5R通常 = 319.69 / 0.40
    
    # 乱数範囲の設定準備(左打ち)
    左5RRush範囲 = round(65536 / 左5RRush)
    左2RRush範囲 = round(65536 / 左2RRush)
    左5R通常範囲 = round(65536 / 左5R通常)
    
    # 乱数範囲の設定(左打ち)
    左5RRush範囲_下 = 1
    左5RRush範囲_上 = 左5RRush範囲_下 + 左5RRush範囲 - 1
    左2RRush範囲_下 = 左5RRush範囲_上 + 1
    左2RRush範囲_上 = 左2RRush範囲_下 + 左2RRush範囲 - 1
    左5R通常範囲_下 = 左2RRush範囲_上 + 1
    左5R通常範囲_上 = 左5R通常範囲_下 + 左5R通常範囲 - 1
    
    # 大当たり確率の設定(右打ち)
    右7RRush = 2.04 / 0.30
    右3RRush = 2.04 / 0.70
    
    # 乱数範囲の設定準備(右打ち)
    右7RRush範囲 = round(65536 / 右7RRush)
    右3RRush範囲 = round(65536 / 右3RRush)
    
    # 乱数範囲の設定(右打ち)
    右7RRush範囲_下 = 1
    右7RRush範囲_上 = 右7RRush範囲_下 + 右7RRush範囲 - 1
    右3RRush範囲_下 = 右7RRush範囲_上 + 1
    右3RRush範囲_上 = 右3RRush範囲_下 + 右3RRush範囲 - 1
    
    # 試行条件の設定---ここまで----
    
    # 1k当りの回転数vs出率のデータ作成---ここから----
    # 結果用の箱やカウンタの準備
    回転数リスト = []
    出率リスト = []
    
    # 1k当りの回転数を30まで変更しながらシミュレーション
    for 回転数 in range(千円S_最小, 千円S_最大 + 1):
    
        # トータルの差玉を入れる
        Total = 0
    
        # ループ処理(loopで設定した回数だけシミュレーションを行う。)
        for i in range(loop):
            # 乱数の取得
            rand = random.randint(1, 65536)
    
            # 当り判定+連荘処理
            # Rush付きの大当たりを引いた時の処理
            if 左5RRush範囲_下 <= rand <= 左5RRush範囲_上 or 左2RRush範囲_下 <= rand <= 左2RRush範囲_上:
                if 左5RRush範囲_下 <= rand <= 左5RRush範囲_上:
                    # 大当たりで獲得した玉数を加算(アタッカーに入れた玉数は減算する)
                    Total = Total + 550 - 5 * (10 + こぼし玉)
                elif 左2RRush範囲_下 <= rand <= 左2RRush範囲_上:
                    # 大当たりで獲得した玉数を加算(アタッカーに入れた玉数は減算する)
                    Total = Total + 220 - 2 * (10 + こぼし玉)
    
                # Rush中の処理
                # Rush中のゲーム数をカウント
                ゲーム数_Rush = 1
    
                # Rush回数までループする処理
                while ゲーム数_Rush <= 4:
                    # 乱数の取得
                    rand2 = random.randint(1, 65536)
    
                    # RUSH中の玉減り分を減らす
                    Total = Total - 玉減り
    
                    # 7Rの振り分けだったとき
                    if 右7RRush範囲_下 <= rand2 <= 右7RRush範囲_上:
                        Total = Total + 770 - 7 * (10 + こぼし玉)
                        ゲーム数_Rush = 1
                    # 3Rの振り分けだったとき
                    elif 右3RRush範囲_下 <= rand2 <= 右3RRush範囲_上:
                        Total = Total + 330 - 3 * (10 + こぼし玉)
                        ゲーム数_Rush = 1
                    # はずれのとき
                    else:
                        ゲーム数_Rush = ゲーム数_Rush + 1
    
            # 通常当たりを引いた時の処理
            elif 左5R通常範囲_下 <= rand <= 左5R通常範囲_上:
                # 大当たりで獲得した玉数を加算(アタッカーに入れた玉数は減算する)
                Total = Total + 550 - 5 * (10 + こぼし玉)
    
        # 1k当りの回転数ごとの出率を格納
        回転数リスト.append(回転数)
        出率リスト.append(Total / ((250 / 回転数) * loop) * 100)
    
    # 1k当りの回転数vs出率のデータ作成---ここまで----
    
    # ボーダー算出---ここから----
    # 1k当りの回転数vs出率数を一次近似
    近似 = np.polyfit(回転数リスト, 出率リスト, 1)
    
    # 一次方程式から出率が100%になる回転数を算出
    border = (100 - 近似[1]) / 近似[0]
    # ボーダー算出---ここまで----
    
    # グラフの描画(ボーダー情報)
    pylab.figure(figsize=(6, 7))
    pylab.subplot(2, 1, 1)
    pylab.scatter(回転数リスト, 出率リスト, label="シミュ値")  # 生データ
    
    近似線 = np.poly1d(近似)(回転数リスト)  # 近似式から近似線を計算
    pylab.plot(回転数リスト, 近似線, label="近似線")  # 一次近似したデータ
    
    pylab.scatter(border, 100, label="ボーダー:" + str(round(border, 1)) + "[回/k]")  # ボーダー値
    
    pylab.title("デビルマンのオスイチボーダー" + "\n" + "(右打ちの玉減り:" + str(玉減り) + "[玉/回], ラウンド間のこぼし玉:" + str(こぼし玉) + "[個])", fontname="MS Gothic")
    pylab.xlabel("回転数[回/1k]", fontname="MS Gothic")
    pylab.ylabel("出率[%]", fontname="MS Gothic")
    pylab.legend(prop={"family": "MS Gothic"})
    pylab.grid()
    
    # 期待収支の計算
    期待収支 = []
    for i, j in zip(回転数リスト, 近似線):
        期待収支.append((2500 * j / 100 - 2500) * 4)
    
    # グラフの描画(期待収支)
    pylab.subplot(2, 1, 2)
    pylab.plot(回転数リスト, 期待収支)  # 期待収支のデータ
    pylab.title("1万円期待収支", fontname="MS Gothic")
    pylab.xlabel("回転数[回/1k]", fontname="MS Gothic")
    pylab.ylabel("1万収支[円]", fontname="MS Gothic")
    pylab.grid()
    
    pylab.tight_layout()
    pylab.show()


コメント

このブログの人気の投稿

【WEBアプリ】Sキングハナハナ-30のベル確率予想&ベル確率逆算ツール&設定判別ツール

【WEBアプリ】ハナハナホウオウ天翔のベル確率を差枚数から逆算するツール

【WEBアプリ】6号機ジャグラーのぶどう確率逆算ツール&設定判別ツール