Mario Bertemu Pareto: Optimisasi Multiobjektif untuk Build Mario Kart

Mencari Kombinasi Terbaik di Mario Kart 8

• Di Mario Kart 8, memilih driver, body kart, ban, dan glider bukan hanya soal gaya, tetapi juga faktor penting untuk memenangkan balapan.
• Setiap elemen memiliki puluhan opsi, dan masing-masing opsi memiliki statistik yang memengaruhi performa seperti kecepatan, akselerasi, dan lainnya.
• Bahkan jika mengabaikan pilihan kosmetik yang memiliki statistik mirip, tetap sulit menemukan kombinasi terbaik di antara ribuan kombinasi yang ada.

Optimisasi Pareto

• Menemukan driver dengan kecepatan terbaik semudah menyusun statistik kecepatannya berdasarkan peringkat.
• Namun, untuk menemukan kombinasi terbaik, kita perlu mempertimbangkan keseimbangan antara berbagai statistik seperti kecepatan, akselerasi, handling, bobot, off-road, dan mini-turbo, bukan hanya kecepatan saja.
• Beberapa opsi selalu didominasi oleh opsi lain, sehingga kita bisa menyingkirkannya dan mengidentifikasi driver efisien yang membentuk frontier Pareto.
• Efisiensi Pareto memberikan kriteria objektif untuk menyaring pilihan yang tidak optimal, tetapi untuk membuat keputusan akhir tetap perlu mempertimbangkan preferensi dan gaya pemain.

Optimisasi dalam Game Nyata

• Dalam permainan nyata, kita harus memilih satu set lengkap, bukan hanya driver, tetapi juga body, roda, dan glider.
• Ada 585 kombinasi dengan atribut kecepatan dan akselerasi unik, tetapi dengan menerapkan metode Pareto, jumlahnya bisa dipersempit menjadi 14 opsi efisien.
• Dengan menambahkan statistik penting ketiga, yaitu mini-turbo, konsep frontier Pareto dapat digeneralisasi ke tiga dimensi.
• Frontier Pareto dalam banyak dimensi membesar secara eksponensial seiring bertambahnya jumlah dimensi, sehingga membuat pemilihan menjadi lebih sulit.
• Untuk menemukan kombinasi optimal, kita harus memberi bobot pada setiap dimensi, dan kombinasi yang disukai pemain papan atas berada di frontier ketika kecepatan, akselerasi, dan mini-turbo dioptimalkan.

Masalah Optimisasi Multiobjektif

• Trade-off serupa juga sering ditemui dalam kehidupan sehari-hari.
• Makanan yang murah sekaligus enak, pekerjaan yang bergaji baik sekaligus mudah dan memuaskan, portofolio dengan risiko rendah dan keuntungan tinggi, material yang fleksibel tetapi kuat dan mudah diproduksi, pajak yang adil sekaligus efisien, hingga LLM yang berkualitas tinggi namun cepat dan hemat biaya, semuanya merupakan masalah optimisasi multiobjektif.
• Jika kita mengetahui bobot yang tepat, masalah ini bisa disederhanakan menjadi optimisasi tujuan tunggal, tetapi ketika fungsi utilitas tidak pasti atau tidak diketahui, frontier Pareto membantu secara objektif menghapus opsi yang tidak optimal.

Ucapan Terima Kasih

• Artikel ini menyederhanakan beberapa asumsi agar lebih mudah dipahami oleh pembaca umum.
• Statistik dalam game nyata tidak selalu memiliki hubungan linear dengan statistik dasar, dan meskipun ada 4 statistik kecepatan serta 4 statistik handling untuk semua perlengkapan selain driver, penulis memutuskan menggunakan nilai rata-rata.
• Bentuk fungsional dari fungsi utilitas juga memainkan peran penting, tetapi sengaja disembunyikan sepenuhnya.
• Jika ingin mengetahui cerita di balik artikel ini atau informasi lebih lanjut, ada ajakan untuk mempertimbangkan memberikan donasi.

Pendapat GN⁺

• Optimisasi Pareto adalah alat yang sangat berguna untuk membuat keputusan terbaik di antara banyak pilihan. Ini dapat diterapkan bukan hanya pada game, tetapi juga pada berbagai situasi pengambilan keputusan di kehidupan nyata.
• Artikel ini memberikan pengalaman belajar yang menarik bagi pembaca dengan menggunakan contoh yang akrab, yaitu Mario Kart, untuk menjelaskan masalah optimisasi yang kompleks agar mudah dipahami.
• Namun, dalam penerapan nyata, perlu mempertimbangkan pentingnya tiap statistik atau bobot yang bisa berubah tergantung situasi, dan hal ini juga dapat berbeda sesuai preferensi serta pengalaman masing-masing pengguna.
• Dalam masalah optimisasi, yang penting bukan hanya menemukan opsi yang efisien, tetapi juga proses menguji dan mengalami bagaimana opsi tersebut benar-benar bekerja dalam situasi nyata.
• Artikel ini menjelaskan dengan model yang disederhanakan, tetapi dalam penerapan nyata mungkin perlu mempertimbangkan model yang lebih kompleks atau berbagai variabel tambahan.

[GN⁺]

Komentar Hacker News

• Presentasi yang indah

  • Bagus ketika visualisasi benar-benar melayani tujuan. Tufte pasti akan bangga.

• Pendekatan ala web design

  • Unsur web design-nya kuat dan mungkin cocok untuk audiens yang tidak terlalu teknis. Namun, saya merasa artikel aslinya memberikan informasi yang lebih berguna dalam format notebook.

• Ban merah kecil di Mario Kart

  • Saya selalu tahu ban merah kecil itu yang terbaik. Tetapi karena saya mementingkan gaya dan kecintaan pada Zelda, secara pribadi saya tidak punya pilihan selain mengabaikan informasi ini.

• Presentasi yang mengesankan

  • Saya sudah tahu tentang efisiensi/frontier Pareto, tetapi sekarang saya tidak akan bisa melupakannya karena akan selalu teringat Mario Kart (dan Bowser yang didominasi).

• Pertimbangan penggunaan sebagai alat desain

  • Menarik untuk memikirkan bagaimana mempertimbangkan frontier Pareto yang besar dari build yang menyenangkan dan layak saat mendesain game.

• Digabungkan dengan Halo Kart (2)

  • Perlu memikirkan cara menghitung frontier Pareto.

• Solusi optimal dengan algoritme genetika

  • Mendefinisikan preferensi dan bobot lalu menggunakan algoritme genetika untuk menemukan solusi optimal tampaknya membutuhkan lebih sedikit pemikiran dibanding mendefinisikan fungsi skor dan menggunakan API acak.

• Poin-poin penting

  • 1. Skill adalah yang paling penting, bahkan lebih penting daripada kart yang dipilih dan sebagainya. Jika melihat para ahli bermain dengan build yang aneh, terlihat bahwa mereka tetap bermain dengan baik meskipun dalam posisi yang kurang menguntungkan.
  • 2. Dalam praktiknya, tidak perlu mengetahui nilai statistik mini-turbo tersembunyi. Karena akselerasi tinggi berarti mini-turbo tinggi, bagi sebagian besar pemain akselerasi bisa digunakan sebagai proxy untuk mini-turbo.

• Bersaing Mario Kart dengan anak 9 tahun

  • Anak saya yang berusia 9 tahun lebih jago daripada saya di Mario Kart, tetapi saya bersyukur pengetahuan ini mungkin bisa memberi saya sedikit keunggulan.

• Para ahli menggunakan build berbeda per map

  • Misalnya, apakah mereka lebih menyukai kecepatan maksimum di map dengan lintasan lurus panjang, sementara di map dengan banyak tikungan tajam mereka lebih memilih akselerasi?