lol如何查看团队指挥

⑴ 英雄联盟怎么做好团战指挥

首先你要做好自己的位置 一般团队指挥 不是打野就是辅助 因为这两个位置不需要补刀 所以又时间看仔细观察场上形势 当然也不是说指挥必须这两个位置 只是理论上讲这两个位置最合适 其实你负责的主要是控制场上节奏 攻守转换 你的头脑中不是人头的多少 补刀的优劣 二是整个战场的形势 敌我阵容的优劣 把整个地图作为一个打战场 你头脑清晰知道什么时候该做什么事 仔细留意地图上对方出现的点 判断敌方下一步动态 指挥我方躲避gank或者前压 这些都是你应该做的 把握好我方优势期 在这些宝贵的时间点果断组织团战 或者推塔 控制队员情绪 多鼓励 少责怪 在比赛时 最忌讳的是指挥责怪队友 你是中立的 必须团结每一个队友 这样大家才能赢得比赛 这是我所知道的 纯手打 一下细节是复制其他网友：
1.你要比所有人都冷静，因为进攻、防守、战术都需要指挥官决定。

2.在队友因为失利而互相谩骂、消极怠工的时候，你要去鼓舞士气，而不是参与其中。

3.在战斗不利、队友对你产生质疑的时候，你要有勇气相信自己，有能力让队友继续相信你。

4.做你的队友没有做、不愿意做的事情（插眼、反眼等）

5.时刻注意男爵和龙！男爵是我们的，龙也是我们的！

6.知道你的队友所扮演的角色（打野、辅助、T、DPS等···），让他们各司其职。

7.永远记得，推塔>杀人。

8.局势再不利，也不要把你的愤怒传播给队友，也不允许队友这么做。

9.永不放弃。这个游戏不存在“浪费时间”这一说，因为游戏本身就是浪费时间。

10.多表扬队友。

其实最主要还是看你能不能让你的队友听从你的命令，这个一方面取决于你的人格魅力，另一方面要看你队友的素质。遇到见了人头不要命、把lol当成传奇打、认为自己牛B就能拯救世界、认为团战显现不了自己的威猛的蠢货，你是亚历山大大帝再世也白搭。

⑵ LOL排位时候 有的玩家右上角有个给力的指挥标志 这是哪来的啊 如图一楼

现在这个版本你每次打完一局都会在结束界面的那里举报旁边有个绿色的大拇指，里面有3个选项中就有1个是团队指挥
乐于助人等
你被人赞到一定次数就会出现这个标志，也就是现在所谓的：“亲，好评哦”

⑶ LOL如何查询战队

LOL查询战队可以通过以下几个操作步骤来进行查询：
1.登录客户端进入到客户端的主界面
2.点击右上方“查看/编辑召唤师资料”
3.点击中上方游戏ID旁边的按钮进入战队系统
4.进入后在右上方的位置可以看到“寻找一支战队”点击输出想要查询的战队名称
5.输出想要查询战队名称后输出回车即可。
该方法可以查询该战队的队员ID，历史对战记录，统计数据记录。
目前英雄联盟只查询到登录大区的战队信息，所以想要查询哪个大区的战队就要选择登录哪个大区的帐号。

⑷ LOL打完了怎么才能知道是谁给我点赞了

这谁能知道啊，除非你在别人离开房间之前就问是谁给我点的赞，一般都是游戏结束，点完赞就离开房间，重开一局游戏或者下线，别管这个你给你觉得打的好的人点赞就完了。

⑸ LOL荣誉系统升级在哪里看进度

LOL新版的荣誉系统已经上线了有一段时间了，此次荣誉系统的宗旨就是“让战斗伴随荣誉”，很多玩家都不知道在哪里看自己的荣誉系统进度。那么，LOL荣誉系统升级在哪里看进度？下面就由铁骨网为大家带来lol荣誉系统数值查看方法。

在新版的荣誉系统当中，每局游戏结束后都会出现投票界面，每一个玩家都可以选择一位队友进行赞美，有三种不同的赞美方式。

心态良好：遭遇困难并不放弃，在逆境下不是选择投降而是带领队友翻盘。

团队指挥：让队伍保持时刻的专注，会记得对方的召唤师技能CD这样的信息，还会在游戏中做出正确决策的召唤师。

行为友善：态度友好配合默契，愿意为你闪现挡子弹，闪现给治疗术以及闪现套盾等等的召唤师，也可以是那些操作良好，秀翻全场的召唤师。

在你投票后，将会转至游戏结算画面。在这里你能看到队友们给予的荣誉评价。如果队伍中大多数玩家都投票给你，那么你的召唤师名称将获得特殊标识，并展示给友方和敌方所有玩家。

荣誉系统一共拥有6个等级，从0级到5级。

每名玩家的初始荣誉等级为2级，只要不被系统惩罚，所有玩家都会稳步提升自己的荣誉等级，当你被赞赏的越多只是会更快而已。

100个赞到3级，200个赞到4级，300个赞到5级！！！我想设计师之所以不弄个进度条这样的东西也是不想让玩家看着这缓慢的增长而失去耐心吧。

不过设计师也透露出会在之后加上通知系统。也就是说在你快要升级的时候会给你发通知，告诉你还差多少能够升级，然后就可以想办法去求赞了。

在这里需要注意的是，如果你和基友开黑互相点赞是无效的，必须有路人玩家给你点赞才算数，这是为了防止好友相互刷赞。不得不说拳头的设计师想的太周到了，玩家们真是哭晕在厕所啊。

奖励

荣誉系统的不断升级也可以获取不同的奖励哦，接下来我们就带大家看看不同等级会获取什么奖励。

不同等级的奖励

如果被系统惩罚至0级将无法拥有任何奖励，包括符石碎片。荣誉等级为1级时可以拥有少量的符石碎片掉落。

荣誉等级2级也就是大家的初始等级，会拥有正常的符石碎片掉落率，其他奖励暂时无法获得。

荣誉等级为3级时，会解锁荣誉赛季奖励、荣誉魔法引擎以及荣誉标识。

荣誉等级为4级时将会提升赛季奖励的物品，以及拥有更好看的荣誉标志。

荣誉等级为5级时将会再一步提升赛季奖励的物品，以及拥有顶级的荣誉标志。

奖励解读

免费的符石碎片现在只会通过荣誉系统掉落，你只需要开始游戏并让你的荣誉等级保持在2级（初始级别）或以上，你就能定期收到系统给予的符石碎片。另一方面，现在符石碎片会在游戏结束后或者登陆时掉落。由于新加入的投票环节，我们调整了奖励到来的时机——确保你能和往常一样快速开始下一场比赛。

当你的荣誉等级达到3级或更高，就有几率得到荣誉魔法引擎，而不是常见的符石碎片。荣誉魔法引擎不用符石就能直接打开。值得一提的是，荣誉魔法引擎有一定概率开出英雄碎片，并有小概率获得限定永久皮肤：都铎王朝图奇和暗影沃里克。

一旦你的荣誉等级达到3级或者更高，就能够获得载入界面的荣誉标志。当一局游戏结束后，只要你从开黑队友处获得两次荣誉投票，或从路人玩家处得到一次，那么在下一场比赛的载入界面，你就能在头像处展示荣誉标志。荣誉标志只持续一局比赛，如果你希望它一直出现，那么请尝试在每一场比赛中努力获得队友的认可。同时，荣誉标志会随荣誉等级提升而变得更加华丽。

⑹ 英雄联盟如何指挥团战

英雄联盟如何指挥团战？AI帮你做决策

英雄联盟是一个需要默契团队配合的多人对战游戏。在瞬息万变的战斗中，如何做出正确的决策非常重要。最近，数据分析师 Philip Osborne 提出了一种利用人工智能技术提升英雄联盟中团队决策水平的方法，并将其开源。该方法不仅参考了大量真实游戏的统计结果，也将当前玩家的偏好计算在内。

该项目由三部分组成，旨在将 MOBA 游戏《英雄联盟》的对战建模为马尔科夫决策过程，然后应用强化学习找到最佳决策，该决策还考虑到玩家的偏好，并超越了简单的“计分板”统计。

作者在 Kaggle 中上传了模型的每个部分，以便大家更好地理解数据的处理过程与模型结构：

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

目前这个项目还在进行当中，我们希望展示复杂的机器学习方法可以在游戏中做什么。该游戏的分数不只是简单的“计分板”统计结果，如下图所示：

动机和目标

英雄联盟是一款团队竞技电子游戏，每局游戏有两个团队（每队五人），为补兵与杀人展开竞争。获得优势会使玩家变得比对手更强大（获得更好的装备，升级更快），一方优势不断增加的话，获胜的几率也会变大。因此，后续的打法和游戏走向依赖于之前的打法和战况，最后一方将摧毁另一方的基地，从而赢得比赛。

像这种根据前情建模的情况并不新鲜；多年来，研究人员一直在考虑如何将这种方法应用于篮球等运动中（https://arxiv.org/pdf/1507.01816.pdf），在这些运动中，传球、运球、犯规等一系列动作会导致一方得分或失分。此类研究旨在提供比简单的得分统计（篮球中运动员得分或游戏里玩家获取人头）更加详细的情况，并考虑建模为时间上连续的一系列事件时，团队应该如何操作。

以这种方式建模对英雄联盟这类游戏来说更为重要，因为在该类游戏中，玩家补兵和杀人后可以获得装备并升级。例如，一个玩家拿到首杀就可以获取额外金币购买更强的装备。而有了这些装备之后，该玩家变得更加强大进而获取更多人头，如此循环，直到带领其队伍获取最后的胜利。这种领先优势被称为“滚雪球”，因为该玩家会不断积累优势，不过很多时候，该玩家在游戏中所在的队伍并不一定是优势方，野怪和团队合作更为重要。

该项目的目标很简单：我们是否可以根据游戏前情计算下一步最好的打法，然后根据真实比赛数据增加最终的胜率。

然而，一场游戏中影响玩家决策的因素有很多，没那么容易预测。不论收集多少数据，玩家获得的信息量始终多于任何一台计算机（至少目前如此！）。例如，在一场游戏中，玩家可能超水平发挥或发挥失常，或者偏好某种打法（通常根据他们选择的英雄来界定）。有些玩家自然而然地会变得更加好斗，喜欢杀戮，有些玩家则比较被动一直补兵发育。因此，我们进一步开发模型，允许玩家根据其偏好调整建议的打法。

让模型“人工智能化”

在第一部分中，我们进行了一些介绍性的统计分析。例如，假设队伍在比赛中补到第一个和第二个兵，我们能够计算出获胜的概率，如下图所示。

有两个组成部分，使我们的项目超越简单的统计的人工智能：

首先，在未预先设想游戏概念时，模型会学习哪些行动是最好的。第二，它试图了解玩家对影响模型输出的决策的偏好。

我们定义马尔可夫决策过程及收集玩家喜好的方式会决定模型学习和输出的内容。

根据匹配统计信息对马尔科夫决策过程进行预处理和创建

AI 模型 II：引入打钱效率

我从第一个模型的结果中意识到，我们没有考虑到负面和正面事件对未来都可能产生累积的影响。换句话说，无论在当时时间点之前还是之后，当前的MDP（马尔科夫决策过程）概率都有可能发生。在游戏中，这是不正确的。一旦落后，杀人、拿塔、补兵都会变得更难，我们需要考虑到这一点。所以，我们引入队伍间的打钱效率来重新定义状态。当前目标是建立一个定义状态的 MDP，这个状态可能是事件发生顺序，或者队伍是否落后或领先。我们将金币差值分为以下几类：

相等：0–999 金币差值（平均每个队员 0-200）略落后/领先：1,000–2,499（平均每个队员 200–500）落后/领先：2,500–4,999（平均每个队员 500–1,000）远远落后/遥遥领先：5,000（平均每个队员 1,000+）

我们也需要考虑没有任何事件发生的情况，并把其归为‘无’事件中，以保证每分钟都有事件发生。这个‘无’事件表示一个队伍决定拖延游戏，以将那些在早期游戏中更善于获得金币的队伍区分出来，而不需要杀死（或通过小兵杀死）他们。然而，这样做也会大大增加数据量。因为我们为匹配可用匹配项已经添加了 7 个类别，但如果我们能访问更常规的匹配项，那数据量就已足够了。如前所述，我们可以通过以下步骤来概述：

预处理

1. 输入杀人数、塔数、野怪和金币差值的数据。

2. 将‘地址’转为 ID 特性。

3. 移除所有旧版本的游戏。

4. 从金币差值开始，按照事件的时间、匹配 ID 和与以前一致的团队进行合计。

5. 追加（助攻的）人头数、怪数和塔数到此末尾，为每个事件创建行并按发生的时间对事件进行排序（平均人头数）。

6. 添加“事件序号”特性，显示每次匹配中的事件顺序。

7. 为行上的每个事件创建一个统一的“事件”特性，包括人头、塔、怪或者‘无’事件。

8. 每次匹配时将其转化为行，现在是用列来表示每个事件。

9. 只考虑红队的视角，以便合并列，视蓝队增益为负红队增益。同时增加红队的游戏长度和结果。

10. 将所有空白值 (即在前面步骤中结束的游戏) 替换为匹配的游戏结果，以便所有行中的最后一个事件是匹配结果。

11. 转换为 MDP，其中 P（X_t | X_t-1）用于每个事件数和由金币差值定义的状态之间的所有事件类型。

马尔科夫决策过程输出

使用简易英语的模型 V6 伪代码

我们最终版本的模型简单总结如下：

1. 引入参数

2. 初始化启动状态、启动事件、启动操作

3. 根据 MDP 中定义的首次提供或基于其发生可能性的随机选择操作

4. 当行动赢或输时，结束

5. 跟踪事件中所采取的行动和最终结果（赢/输）

6. 根据最终结果所用的更新规则来更新操作

7. 重复 x 次上述步骤

引入奖励偏好

首先，我们调整模型代码，把奖励归入回报计算中。然后，当我们运行模型时，引入了对某些行为的偏置，现而不是简单地使奖励等于零。

在第一个例子中，我们显示了如果对一个动作进行积极的评价，会发生什么；在第二个例子中，显示对一个动作进行消极的评价，会发生什么。

如果我们积极评价动作‘+KILLS’的输出

如果我们消极评价动作‘+KILLS’的输出

更真实的玩家偏好

现在我们可以尝试近似模拟玩家的真实偏好。在这个案例中，我们随机化一些奖励以允许遵守以下两条规则：

玩家不想错过任何补兵玩家优先补兵而不是杀人

因此，我们对人头和补兵的奖励都是最小值-0.05，而其它行动的奖励都在-0.05 和 0.05 之间随机生成。

随机化玩家奖励后的输出。

随机化玩家所有动作的奖励后所获得的输出。

最终输出，显示给定当前金币差值状态和分钟的每个动作的值

总结及玩家对奖励的反馈

我过分简化了某些特征（如“kills”实际上并不代表人头的数量），数据也不太可能表示正常的匹配。然而，我希望本文能够清晰地展现一个有趣的概念，鼓励更多人讨论这一领域今后的走向。

首先，我将列出在实现之前需要作出的重要改进：

1. 使用更多能够代表整个玩家群体（而不只是竞争性比赛）的数据计算 MDP。

2. 提高模型效率，将其计算时间控制在更合理的范围。蒙特卡洛以耗时着称，因此我们将探索更高效的算法。

3. 采用更高级的参数优化以进一步改进结果。

4. 捕捉、映射原型玩家对更真实的奖励信号的反馈。

我们引入了针对影响模型输出而给予的奖励，但该如何获得奖励？我们可以考虑几种方法，但是根据我之前的研究，我认为最好的方法就是考虑一种既涉及到行动的个体质量又考虑到转变质量的奖励。

这变得越来越复杂，我不会在此文中展开，但简而言之，我们想为玩家匹配决策，其中下一个最佳决策取决于最新情况。比如，如果一队玩家将对方全部歼灭，他们可能会去拿大龙。我们的模型已经将一个序列中事件发生的概率考虑在内，因此，我们也应该用同样的方式思考玩家的决策。这一想法来自一篇论文《DJ-MC: A Reinforcement-Learning Agent for Music Playlist Recommendation》，该论文阐释了如何更加详细地将反馈映射出来。

反馈的收集方式决定了我们的模型能有多成功。依我之见，我们这么做的最终目标是为玩家的下一步决策提供最佳实时建议。如此一来，玩家就能从根据比赛数据算出的几条最佳决策（根据获胜情况排序）中做出选择。可以在多个游戏中跟踪该玩家的选择，以进一步了解和理解该玩家的偏好。这也意味着，我们不仅可以追踪决策的结果，还能预测该玩家的意图（例如，该玩家试图拆塔结果却被杀了），甚至还能为更高级的分析提供信息。

当然，这样的想法可能造成团队成员意见不符，也可能让游戏变得没那么令人兴奋。但我认为这样的想法可能对低水平或者常规水平的玩家有益，因为这种水平的游戏玩家难以清楚的沟通游戏决策。这也可能帮助识别“毒瘤”玩家，因为团队指望通过投票系统来统一意见，然后就能看出“毒瘤”玩家是不是一直不遵循团队计划，忽略队友。

实时游戏环境中的模型推荐投票系统示例

⑺ 如何查lol对战信息

可以用英雄联盟盒子登陆游戏后按照如下方式查看：
1、打开英雄联盟盒子并开启对阵信息功能；
2、使用英雄联盟盒子启动英雄联盟；
3、进入游戏对战后，点击快捷键”~“，即可查看双方对阵信息。
对阵信息：双方的游戏数据，包括各种胜率、常用英雄等。

⑻ lol指挥官在团队中有什么作用

LOL游戏没有指挥官这个角色，只能哪个角色更重要一点能带动全局的，通用情况：前期打野，中期中单，后期ADC。一般来说，一场游戏中发挥比较好，凯瑞的，队友信任度比较高，也会听他指挥。