lol如何查看團隊指揮

⑴ 英雄聯盟怎麼做好團戰指揮

首先你要做好自己的位置 一般團隊指揮 不是打野就是輔助 因為這兩個位置不需要補刀 所以又時間看仔細觀察場上形勢 當然也不是說指揮必須這兩個位置 只是理論上講這兩個位置最合適 其實你負責的主要是控制場上節奏 攻守轉換 你的頭腦中不是人頭的多少 補刀的優劣 二是整個戰場的形勢 敵我陣容的優劣 把整個地圖作為一個打戰場 你頭腦清晰知道什麼時候該做什麼事 仔細留意地圖上對方出現的點 判斷敵方下一步動態 指揮我方躲避gank或者前壓 這些都是你應該做的 把握好我方優勢期 在這些寶貴的時間點果斷組織團戰 或者推塔 控制隊員情緒 多鼓勵 少責怪 在比賽時 最忌諱的是指揮責怪隊友 你是中立的 必須團結每一個隊友 這樣大家才能贏得比賽 這是我所知道的 純手打 一下細節是復制其他網友：
1.你要比所有人都冷靜，因為進攻、防守、戰術都需要指揮官決定。

2.在隊友因為失利而互相謾罵、消極怠工的時候，你要去鼓舞士氣，而不是參與其中。

3.在戰斗不利、隊友對你產生質疑的時候，你要有勇氣相信自己，有能力讓隊友繼續相信你。

4.做你的隊友沒有做、不願意做的事情（插眼、反眼等）

5.時刻注意男爵和龍！男爵是我們的，龍也是我們的！

6.知道你的隊友所扮演的角色（打野、輔助、T、DPS等···），讓他們各司其職。

7.永遠記得，推塔>殺人。

8.局勢再不利，也不要把你的憤怒傳播給隊友，也不允許隊友這么做。

9.永不放棄。這個游戲不存在「浪費時間」這一說，因為游戲本身就是浪費時間。

10.多表揚隊友。

其實最主要還是看你能不能讓你的隊友聽從你的命令，這個一方面取決於你的人格魅力，另一方面要看你隊友的素質。遇到見了人頭不要命、把lol當成傳奇打、認為自己牛B就能拯救世界、認為團戰顯現不了自己的威猛的蠢貨，你是亞歷山大大帝再世也白搭。

⑵ LOL排位時候 有的玩家右上角有個給力的指揮標志 這是哪來的啊 如圖一樓

現在這個版本你每次打完一局都會在結束界面的那裡舉報旁邊有個綠色的大拇指，裡面有3個選項中就有1個是團隊指揮
樂於助人等
你被人贊到一定次數就會出現這個標志，也就是現在所謂的：「親，好評哦」

⑶ LOL如何查詢戰隊

LOL查詢戰隊可以通過以下幾個操作步驟來進行查詢：
1.登錄客戶端進入到客戶端的主界面
2.點擊右上方「查看/編輯召喚師資料」
3.點擊中上方游戲ID旁邊的按鈕進入戰隊系統
4.進入後在右上方的位置可以看到「尋找一支戰隊」點擊輸出想要查詢的戰隊名稱
5.輸出想要查詢戰隊名稱後輸出回車即可。
該方法可以查詢該戰隊的隊員ID，歷史對戰記錄，統計數據記錄。
目前英雄聯盟只查詢到登錄大區的戰隊信息，所以想要查詢哪個大區的戰隊就要選擇登錄哪個大區的帳號。

⑷ LOL打完了怎麼才能知道是誰給我點贊了

這誰能知道啊，除非你在別人離開房間之前就問是誰給我點的贊，一般都是游戲結束，點完贊就離開房間，重開一局游戲或者下線，別管這個你給你覺得打的好的人點贊就完了。

⑸ LOL榮譽系統升級在哪裡看進度

LOL新版的榮譽系統已經上線了有一段時間了，此次榮譽系統的宗旨就是“讓戰斗伴隨榮譽”，很多玩家都不知道在哪裡看自己的榮譽系統進度。那麼，LOL榮譽系統升級在哪裡看進度？下面就由鐵骨網為大家帶來lol榮譽系統數值查看方法。

在新版的榮譽系統當中，每局游戲結束後都會出現投票界面，每一個玩家都可以選擇一位隊友進行贊美，有三種不同的贊美方式。

心態良好：遭遇困難並不放棄，在逆境下不是選擇投降而是帶領隊友翻盤。

團隊指揮：讓隊伍保持時刻的專注，會記得對方的召喚師技能CD這樣的信息，還會在游戲中做出正確決策的召喚師。

行為友善：態度友好配合默契，願意為你閃現擋子彈，閃現給治療術以及閃現套盾等等的召喚師，也可以是那些操作良好，秀翻全場的召喚師。

在你投票後，將會轉至游戲結算畫面。在這里你能看到隊友們給予的榮譽評價。如果隊伍中大多數玩家都投票給你，那麼你的召喚師名稱將獲得特殊標識，並展示給友方和敵方所有玩家。

榮譽系統一共擁有6個等級，從0級到5級。

每名玩家的初始榮譽等級為2級，只要不被系統懲罰，所有玩家都會穩步提升自己的榮譽等級，當你被贊賞的越多隻是會更快而已。

100個贊到3級，200個贊到4級，300個贊到5級！！！我想設計師之所以不弄個進度條這樣的東西也是不想讓玩家看著這緩慢的增長而失去耐心吧。

不過設計師也透露出會在之後加上通知系統。也就是說在你快要升級的時候會給你發通知，告訴你還差多少能夠升級，然後就可以想辦法去求贊了。

在這里需要注意的是，如果你和基友開黑互相點贊是無效的，必須有路人玩家給你點贊才算數，這是為了防止好友相互刷贊。不得不說拳頭的設計師想的太周到了，玩家們真是哭暈在廁所啊。

獎勵

榮譽系統的不斷升級也可以獲取不同的獎勵哦，接下來我們就帶大家看看不同等級會獲取什麼獎勵。

不同等級的獎勵

如果被系統懲罰至0級將無法擁有任何獎勵，包括符石碎片。榮譽等級為1級時可以擁有少量的符石碎片掉落。

榮譽等級2級也就是大家的初始等級，會擁有正常的符石碎片掉落率，其他獎勵暫時無法獲得。

榮譽等級為3級時，會解鎖榮譽賽季獎勵、榮譽魔法引擎以及榮譽標識。

榮譽等級為4級時將會提升賽季獎勵的物品，以及擁有更好看的榮譽標志。

榮譽等級為5級時將會再一步提升賽季獎勵的物品，以及擁有頂級的榮譽標志。

獎勵解讀

免費的符石碎片現在只會通過榮譽系統掉落，你只需要開始游戲並讓你的榮譽等級保持在2級（初始級別）或以上，你就能定期收到系統給予的符石碎片。另一方面，現在符石碎片會在游戲結束後或者登陸時掉落。由於新加入的投票環節，我們調整了獎勵到來的時機——確保你能和往常一樣快速開始下一場比賽。

當你的榮譽等級達到3級或更高，就有幾率得到榮譽魔法引擎，而不是常見的符石碎片。榮譽魔法引擎不用符石就能直接打開。值得一提的是，榮譽魔法引擎有一定概率開出英雄碎片，並有小概率獲得限定永久皮膚：都鐸王朝圖奇和暗影沃里克。

一旦你的榮譽等級達到3級或者更高，就能夠獲得載入界面的榮譽標志。當一局游戲結束後，只要你從開黑隊友處獲得兩次榮譽投票，或從路人玩家處得到一次，那麼在下一場比賽的載入界面，你就能在頭像處展示榮譽標志。榮譽標志只持續一局比賽，如果你希望它一直出現，那麼請嘗試在每一場比賽中努力獲得隊友的認可。同時，榮譽標志會隨榮譽等級提升而變得更加華麗。

⑹ 英雄聯盟如何指揮團戰

英雄聯盟如何指揮團戰？AI幫你做決策

英雄聯盟是一個需要默契團隊配合的多人對戰游戲。在瞬息萬變的戰斗中，如何做出正確的決策非常重要。最近，數據分析師 Philip Osborne 提出了一種利用人工智慧技術提升英雄聯盟中團隊決策水平的方法，並將其開源。該方法不僅參考了大量真實游戲的統計結果，也將當前玩家的偏好計算在內。

該項目由三部分組成，旨在將 MOBA 游戲《英雄聯盟》的對戰建模為馬爾科夫決策過程，然後應用強化學習找到最佳決策，該決策還考慮到玩家的偏好，並超越了簡單的「計分板」統計。

作者在 Kaggle 中上傳了模型的每個部分，以便大家更好地理解數據的處理過程與模型結構：

第一部分：https://www.kaggle.com/osbornep/lol-ai-model-part-1-initial-eda-and-first-mdp第二部分：https://www.kaggle.com/osbornep/lol-ai-model-part-2-redesign-mdp-with-gold-diff第三部分：https://www.kaggle.com/osbornep/lol-ai-model-part-3-final-output

目前這個項目還在進行當中，我們希望展示復雜的機器學習方法可以在游戲中做什麼。該游戲的分數不只是簡單的「計分板」統計結果，如下圖所示：

動機和目標

英雄聯盟是一款團隊競技電子游戲，每局游戲有兩個團隊（每隊五人），為補兵與殺人展開競爭。獲得優勢會使玩家變得比對手更強大（獲得更好的裝備，升級更快），一方優勢不斷增加的話，獲勝的幾率也會變大。因此，後續的打法和游戲走向依賴於之前的打法和戰況，最後一方將摧毀另一方的基地，從而贏得比賽。

像這種根據前情建模的情況並不新鮮；多年來，研究人員一直在考慮如何將這種方法應用於籃球等運動中（https://arxiv.org/pdf/1507.01816.pdf），在這些運動中，傳球、運球、犯規等一系列動作會導致一方得分或失分。此類研究旨在提供比簡單的得分統計（籃球中運動員得分或游戲里玩家獲取人頭）更加詳細的情況，並考慮建模為時間上連續的一系列事件時，團隊應該如何操作。

以這種方式建模對英雄聯盟這類游戲來說更為重要，因為在該類游戲中，玩家補兵和殺人後可以獲得裝備並升級。例如，一個玩家拿到首殺就可以獲取額外金幣購買更強的裝備。而有了這些裝備之後，該玩家變得更加強大進而獲取更多人頭，如此循環，直到帶領其隊伍獲取最後的勝利。這種領先優勢被稱為「滾雪球」，因為該玩家會不斷積累優勢，不過很多時候，該玩家在游戲中所在的隊伍並不一定是優勢方，野怪和團隊合作更為重要。

該項目的目標很簡單：我們是否可以根據游戲前情計算下一步最好的打法，然後根據真實比賽數據增加最終的勝率。

然而，一場游戲中影響玩家決策的因素有很多，沒那麼容易預測。不論收集多少數據，玩家獲得的信息量始終多於任何一台計算機（至少目前如此！）。例如，在一場游戲中，玩家可能超水平發揮或發揮失常，或者偏好某種打法（通常根據他們選擇的英雄來界定）。有些玩家自然而然地會變得更加好鬥，喜歡殺戮，有些玩家則比較被動一直補兵發育。因此，我們進一步開發模型，允許玩家根據其偏好調整建議的打法。

讓模型「人工智慧化」

在第一部分中，我們進行了一些介紹性的統計分析。例如，假設隊伍在比賽中補到第一個和第二個兵，我們能夠計算出獲勝的概率，如下圖所示。

有兩個組成部分，使我們的項目超越簡單的統計的人工智慧：

首先，在未預先設想游戲概念時，模型會學習哪些行動是最好的。第二，它試圖了解玩家對影響模型輸出的決策的偏好。

我們定義馬爾可夫決策過程及收集玩家喜好的方式會決定模型學習和輸出的內容。

根據匹配統計信息對馬爾科夫決策過程進行預處理和創建

AI 模型 II：引入打錢效率

我從第一個模型的結果中意識到，我們沒有考慮到負面和正面事件對未來都可能產生累積的影響。換句話說，無論在當時時間點之前還是之後，當前的MDP（馬爾科夫決策過程）概率都有可能發生。在游戲中，這是不正確的。一旦落後，殺人、拿塔、補兵都會變得更難，我們需要考慮到這一點。所以，我們引入隊伍間的打錢效率來重新定義狀態。當前目標是建立一個定義狀態的 MDP，這個狀態可能是事件發生順序，或者隊伍是否落後或領先。我們將金幣差值分為以下幾類：

相等：0–999 金幣差值（平均每個隊員 0-200）略落後/領先：1,000–2,499（平均每個隊員 200–500）落後/領先：2,500–4,999（平均每個隊員 500–1,000）遠遠落後/遙遙領先：5,000（平均每個隊員 1,000+）

我們也需要考慮沒有任何事件發生的情況，並把其歸為『無』事件中，以保證每分鍾都有事件發生。這個『無』事件表示一個隊伍決定拖延游戲，以將那些在早期游戲中更善於獲得金幣的隊伍區分出來，而不需要殺死（或通過小兵殺死）他們。然而，這樣做也會大大增加數據量。因為我們為匹配可用匹配項已經添加了 7 個類別，但如果我們能訪問更常規的匹配項，那數據量就已足夠了。如前所述，我們可以通過以下步驟來概述：

預處理

1. 輸入殺人數、塔數、野怪和金幣差值的數據。

2. 將『地址』轉為 ID 特性。

3. 移除所有舊版本的游戲。

4. 從金幣差值開始，按照事件的時間、匹配 ID 和與以前一致的團隊進行合計。

5. 追加（助攻的）人頭數、怪數和塔數到此末尾，為每個事件創建行並按發生的時間對事件進行排序（平均人頭數）。

6. 添加「事件序號」特性，顯示每次匹配中的事件順序。

7. 為行上的每個事件創建一個統一的「事件」特性，包括人頭、塔、怪或者『無』事件。

8. 每次匹配時將其轉化為行，現在是用列來表示每個事件。

9. 只考慮紅隊的視角，以便合並列，視藍隊增益為負紅隊增益。同時增加紅隊的游戲長度和結果。

10. 將所有空白值 (即在前面步驟中結束的游戲) 替換為匹配的游戲結果，以便所有行中的最後一個事件是匹配結果。

11. 轉換為 MDP，其中 P（X_t | X_t-1）用於每個事件數和由金幣差值定義的狀態之間的所有事件類型。

馬爾科夫決策過程輸出

使用簡易英語的模型 V6 偽代碼

我們最終版本的模型簡單總結如下：

1. 引入參數

2. 初始化啟動狀態、啟動事件、啟動操作

3. 根據 MDP 中定義的首次提供或基於其發生可能性的隨機選擇操作

4. 當行動贏或輸時，結束

5. 跟蹤事件中所採取的行動和最終結果（贏/輸）

6. 根據最終結果所用的更新規則來更新操作

7. 重復 x 次上述步驟

引入獎勵偏好

首先，我們調整模型代碼，把獎勵歸入回報計算中。然後，當我們運行模型時，引入了對某些行為的偏置，現而不是簡單地使獎勵等於零。

在第一個例子中，我們顯示了如果對一個動作進行積極的評價，會發生什麼；在第二個例子中，顯示對一個動作進行消極的評價，會發生什麼。

如果我們積極評價動作『+KILLS』的輸出

如果我們消極評價動作『+KILLS』的輸出

更真實的玩家偏好

現在我們可以嘗試近似模擬玩家的真實偏好。在這個案例中，我們隨機化一些獎勵以允許遵守以下兩條規則：

玩家不想錯過任何補兵玩家優先補兵而不是殺人

因此，我們對人頭和補兵的獎勵都是最小值-0.05，而其它行動的獎勵都在-0.05 和 0.05 之間隨機生成。

隨機化玩家獎勵後的輸出。

隨機化玩家所有動作的獎勵後所獲得的輸出。

最終輸出，顯示給定當前金幣差值狀態和分鍾的每個動作的值

總結及玩家對獎勵的反饋

我過分簡化了某些特徵（如「kills」實際上並不代表人頭的數量），數據也不太可能表示正常的匹配。然而，我希望本文能夠清晰地展現一個有趣的概念，鼓勵更多人討論這一領域今後的走向。

首先，我將列出在實現之前需要作出的重要改進：

1. 使用更多能夠代表整個玩家群體（而不只是競爭性比賽）的數據計算 MDP。

2. 提高模型效率，將其計算時間控制在更合理的范圍。蒙特卡洛以耗時著稱，因此我們將探索更高效的演算法。

3. 採用更高級的參數優化以進一步改進結果。

4. 捕捉、映射原型玩家對更真實的獎勵信號的反饋。

我們引入了針對影響模型輸出而給予的獎勵，但該如何獲得獎勵？我們可以考慮幾種方法，但是根據我之前的研究，我認為最好的方法就是考慮一種既涉及到行動的個體質量又考慮到轉變質量的獎勵。

這變得越來越復雜，我不會在此文中展開，但簡而言之，我們想為玩家匹配決策，其中下一個最佳決策取決於最新情況。比如，如果一隊玩家將對方全部殲滅，他們可能會去拿大龍。我們的模型已經將一個序列中事件發生的概率考慮在內，因此，我們也應該用同樣的方式思考玩家的決策。這一想法來自一篇論文《DJ-MC: A Reinforcement-Learning Agent for Music Playlist Recommendation》，該論文闡釋了如何更加詳細地將反饋映射出來。

反饋的收集方式決定了我們的模型能有多成功。依我之見，我們這么做的最終目標是為玩家的下一步決策提供最佳實時建議。如此一來，玩家就能從根據比賽數據算出的幾條最佳決策（根據獲勝情況排序）中做出選擇。可以在多個游戲中跟蹤該玩家的選擇，以進一步了解和理解該玩家的偏好。這也意味著，我們不僅可以追蹤決策的結果，還能預測該玩家的意圖（例如，該玩家試圖拆塔結果卻被殺了），甚至還能為更高級的分析提供信息。

當然，這樣的想法可能造成團隊成員意見不符，也可能讓游戲變得沒那麼令人興奮。但我認為這樣的想法可能對低水平或者常規水平的玩家有益，因為這種水平的游戲玩家難以清楚的溝通游戲決策。這也可能幫助識別「毒瘤」玩家，因為團隊指望通過投票系統來統一意見，然後就能看出「毒瘤」玩家是不是一直不遵循團隊計劃，忽略隊友。

實時游戲環境中的模型推薦投票系統示例

⑺ 如何查lol對戰信息

可以用英雄聯盟盒子登陸游戲後按照如下方式查看：
1、打開英雄聯盟盒子並開啟對陣信息功能；
2、使用英雄聯盟盒子啟動英雄聯盟；
3、進入游戲對戰後，點擊快捷鍵」~「，即可查看雙方對陣信息。
對陣信息：雙方的游戲數據，包括各種勝率、常用英雄等。

⑻ lol指揮官在團隊中有什麼作用

LOL游戲沒有指揮官這個角色，只能哪個角色更重要一點能帶動全局的，通用情況：前期打野，中期中單，後期ADC。一般來說，一場游戲中發揮比較好，凱瑞的，隊友信任度比較高，也會聽他指揮。