方舟稳定的aa服务器,明日方舟:考虑天赋时 黑与早露的平A秒伤(dps)数据对比

这篇博客通过详细计算分析了《明日方舟》中干员早露与黑的伤害输出能力,包括两者的天赋效果、攻击速度和覆盖率,并探讨了在不同敌人防御力条件下的抛光线与秒伤对比。结果显示,早露在面对防御力较高的重量大于等于3的敌人时,若能触发第一天赋,其DPS可能优于黑;而黑在持续接敌的情况下,平均削弱覆盖率约为59%,整体表现稳定。结论指出,早露的攻击范围和应用场景可能与黑有所不同,选择使用需根据实际情况判断。

作者:NGA-sevennight0925

a4e9e29993ce47afd5ff6c78ea421bda.png

早露优势目标秒伤表

c9abb0f2c4ec8c12927b100566402b08.png

重要前提

9f84c964f67586d3732b4356f8607418.png

黑的第一天赋削弱效果持续5.0s,如果触发第一天赋时距离上一次触发的时间小于5.0s(即上次削弱效果未失效),多余的削弱时间也不会叠加,削弱效果也不会叠加。而是将削弱效果持续时间重置为5.0s。

由此可知,持续接敌时,触发第一天赋的效果将对当前攻击和后三次攻击(4.8s)生效,持续接敌的前提下,程序计算可得黑的第一天赋的平均削弱覆盖率的估测值为59%

面板数据

黑与早露同取精二满级满信赖,无潜能。

黑的攻击为940,触发第二天赋时为1015,攻速为1.6s

早露的攻击为1142,触发第二天赋时为1233,攻速为2.4s

天赋数据

黑的第一天赋 破甲箭头

(精二)攻击时,20%几率当次攻击的攻击力提升至160%,并使命中目标的防御力下降20%,持续5秒

黑的第二天赋 交叉火力

(精二)场上存在黑和另外至少一名[狙击]干员时,所有[狙击]干员的攻击力+8%

早露的第一天赋 深入骨髓

(精二)攻击重量较重(重量等级大于等于3)的敌人时,无视其防御力的60%

早露的第二天赋 学生楷模

(精二)编入队伍时,所有[乌萨斯学生团]干员攻击力+8%

计算公式

以持续接敌计算。设我方攻击为a,敌人防御为d

黑的暴击概率为20%,非暴击削弱概率为39%,总削弱概率为59%,白值平A概率为41%黑的dps:

(0.41*MAX(a*0.05,a-d)+0.39*MAX(a*0.05,a-0.8*d)+0.2*MAX(a*1.6*0.05,1.6*a-0.8*d))/1.6

早露的dps:

对大于等于重力3的敌人:MAX(a*0.05,a-0.4*d)/2.4

对小于重力3的敌人:MAX(a*0.05,a-d)/2.4

抛光线上下限

黑的最低抛光线(不触发任何天赋):940*0.05>(940-d),即d>893

黑的最最高抛光线(触发所有天赋):1015*1.6*0.05>1.6*1015-0.8*d,即d>1928.5

早露的最低抛光线(对小于重力3敌人,仅触发第二天赋):1233*0.05>1233-d,即d>1171.35

早露的最低抛光线(对大于等于3敌人,且触发第二天赋):1233*0.05>1233-0.4*d,即d>2928.375

抛光秒伤

全部抛光时:

黑的dps:0.056a/1.6

不触发第二天赋时,该值为32.9

触发第二天赋时,该值为35.525

早露的dps:25.6875

不抛光时秒伤对比

当不考虑抛光时:

黑的dps:1.12a-0.882d

不触发第二天赋时,该值为(1052.8-0.882d)/1.6

触发第二天赋时,该值为(1136.8-0.882d)/1.6

早露的dps(计算第二天赋):

对大于等于重力3的敌人,该值为(1233-0.4*d)/2.4

对小于重力3的敌人,该值为(1233-d)/2.4

对大于等于重力3的敌人,早露(有第二天赋)优于黑(无第二天赋)的区间为:(1233-0.4*d)/2.4>(1052.8-0.882d)/1.6,即d>375.08

对大于等于重力3的敌人,早露(有第二天赋)优于黑(有第二天赋)的区间为:(1233-0.4*d)/2.4>(1136.8-0.882d)/1.6,即d>511.59

对小于重力3的敌人,早露(有第二天赋)优于黑(无第二天赋)的区间为:(1233-d)/2.4>(1052.8-0.882d)/1.6,即d>1071.83

对小于重力3的敌人,早露(有第二天赋)优于黑(有第二天赋)的区间为:(1233-d)/2.4>(1136.8-0.882d)/1.6,即d>1461.92

注意,以上算出的两个敌人防御分界线均接近或超过两位的抛光线,数据可能失真,可能不具备足够的参考意义。

黑的最低抛光线为893,可以确定小于重力3的敌人护甲在893以下时,黑的dps高于早露。893以上时不可确定。

简单的结论

经过粗略计算可得的简单的结论,因为仅考虑持续接敌的平A,所以实际意义有限,仅供参考。对重量大于等于3的敌人,可触发早露的第一天赋,如果敌人防御大致高于500,则早露的dps高于黑。

其他情况不如黑。早露特性自带索敌,在重量大于等于3的敌人不稀少的关卡,早露触发第一天赋的可能性较高。

重量大于等于3的敌人中,防御大于500的可能性较高(见表)。防御较高的敌人中,重量一般大于等于3(注意,此表无法体现),有少量例外,如狂徒500甲,重量2

防御低于500的一般是低甲BOSS或一些低甲精英敌人(穿刺手、恶怨者等)和一些低甲"重"装(屠夫伐木机碎岩者之流)

可认为早露攻击范围内含有重量大于等于3的敌人时,对其秒伤大于黑的可能性比较大。但两位的攻击范围和应用场景差别可能较大。此处仅从数据方面笼统比较。

举报/反馈

内容概要:本文是一份针对2025年中国企业品牌传播环境撰写的《全网媒体发稿白皮书》,聚焦企业媒体发稿的策略制定、渠道选择效果评估难题。通过分析当前企业面临的资源分散、内容同质、效果难量化等核心痛点,系统性地介绍了新闻媒体、央媒、地方官媒和自媒体四大渠道的特点适用场景,并深度融合“传声港”AI驱动的新媒体台能力,提出“策略+工具+落地”的一体化解决方案。白皮书详细阐述了传声港在资源整合、AI智能匹配、舆情监测、合规审核及全链路效果追踪方面的技术优势,构建了涵盖曝光、互动、转化品牌影响力的多维评估体系,并通过快消、科技、零售等行业的实战案例验证其有效性。最后,提出了按企业发展阶段和营销节点定制的媒体组合策略,强调本土化传播政府关系协同的重要性,助力企业实现品牌声量实际转化的双重增长。; 适合人群:企业市场部负责人、品牌方管理者、公关传播从业者及从事数字营销的相关人员,尤其适用于初创期至成熟期不同发展阶段的企业决策者。; 使用场景及目标:①帮助企业科学制定媒体发稿策略,优化预算分配;②解决渠道对接繁琐、投放不精准、效果不可衡量等问题;③指导企业在重大营销节点(如春节、双11)开展高效传播;④提升品牌权威性、区域渗透力危机应对能力; 阅读建议:建议结合自身企业所处阶段和发展目标,参考文中提供的“传声港服务组合”“预算分配建议”进行策略匹配,同重视AI工具在投放、监测优化中的实际应用,定期复盘数据以实现持续迭代。
先展示下效果 https://pan.quark.cn/s/987bb7a43dd9 VeighNa - By Traders, For Traders, AI-Powered. Want to read this in english ? Go here VeighNa是一套基于Python的开源量化交易系统开发框架,在开源社区持续不断的贡献下一步步成长为多功能量化交易台,自发布以来已经积累了众多来自金融机构或相关领域的用户,包括私募基金、证券公司、期货公司等。 在使用VeighNa进行二次开发(策略、模块等)的过程中有任何疑问,请查看VeighNa项目文档,如果无法解决请前往官方社区论坛的【提问求助】板块寻求帮助,也欢迎在【经验分享】板块分享你的使用心得! 想要获取更多关于VeighNa的资讯信息? 请扫描下方二维码添加小助手加入【VeighNa社区交流微信群】: AI-Powered VeighNa发布十周年之际正式推出4.0版本,重磅新增面向AI量化策略的vnpy.alpha模块,为专业量化交易员提供一站式多因子机器学习(ML)策略开发、投研和实盘交易解决方案: :bar_chart: dataset:因子特征工程 * 专为ML算法训练优化设计,支持高效批量特征计算处理 * 内置丰富的因子特征表达式计算引擎,实现快速一键生成训练数据 * Alpha 158:源于微软Qlib项目的股票市场特征集合,涵盖K线形态、价格趋势、序波动等多维度量化因子 :bulb: model:预测模型训练 * 提供标准化的ML模型开发模板,大幅简化模型构建训练流程 * 统一API接口设计,支持无缝切换不同算法进行性能对比测试 * 集成多种主流机器学习算法: * Lass...
【顶级EI完整复现】【DRCC】考虑N-1准则的分布鲁棒机会约束低碳经济调度(Matlab代码实现)内容概要:本文介绍了名为《【顶级EI完整复现】【DRCC】考虑N-1准则的分布鲁棒机会约束低碳经济调度(Matlab代码实现)》的技术文档,重点围绕电力系统中低碳经济调度问题展开,结合分布鲁棒优化(Distributionally Robust Optimization, DRO)机会约束规划(Chance-Constrained Programming, CCP),引入N-1安全准则以提升系统在元件故障情况下的可靠性。该方法在不确定性环境下(如风电出力波动)保障调度方案的可行性经济性,同降低碳排放。文档提供了完整的Matlab代码实现,便于科研人员复现实验结果,适用于高水学术研究工程应用验证。; 适合人群:具备电力系统优化、运筹学及不确定性建模背景的研究生、科研人员及电力行业工程师,熟悉Matlab编程优化工具箱(如YALMIP、CPLEX/Gurobi)者更佳;适合从事智能电网、低碳调度、鲁棒优化方向的研究者; 使用场景及目标:①复现顶级EI期刊论文中的分布鲁棒机会约束模型;②研究N-1安全准则在低碳经济调度中的集成方法;③掌握分布鲁棒优化在电力系统不确定性处理中的建模技巧;④为微电网、综合能源系统等场景下的可靠、低碳调度提供算法支撑; 阅读建议:建议结合文档中提供的网盘资源(含YALMIP-develop等工具包)进行代码调试实验验证,重点关注不确定性建模、机会约束转化、鲁棒优化求解流程,并可进一步扩展至多能源协同、需求响应等复杂场景。
评论
成就一亿技术人!
拼手气红包6.0元
还能输入1000个字符  | 博主筛选后可见
 
红包 添加红包
表情包 插入表情
 条评论被折叠 查看
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明:

1.余额是钱包充值的虚拟货币,按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载,可以购买VIP、付费专栏及课程。

余额充值