والدین
والد A
والد B
محدودههای مجاز: سلامتی 15–30 HP، پرش 1.09–5.29 بلاک، سرعت 4.74–14.23 b/s. مقادیر خارج از این محدوده قبل از شبیهسازی به نزدیکترین مقدار مجاز محدود میشوند. برای جفتگیری در بازی، باید به هر دو والد یک Golden Apple یا Golden Carrot داده شود.
چشمانداز کرهاسب
پیشبینی بر اساس هر ویژگی
نحوه محاسبه
محدودههای واقعی ویژگیها (Java Edition)
| ویژگی | محدوده مجاز | نمایش داده شده به صورت |
|---|---|---|
| حداکثر سلامتی | 15 – 30 | HP (هر 2 HP معادل یک قلب) |
| قدرت پرش | 1.09 – 5.29 | بلاکهای ارتفاع پرش |
| سرعت حرکت | 4.74 – 14.23 | بلاک بر ثانیه |
قدرت پرش و سرعت حرکت در اینجا سادهسازی شدهاند. در بازی واقعی، آنها به عنوان یک صفت خام ذخیره میشوند (قدرت پرش 0.4–1.0، که از منحنی ارتفاع پرش عبور میکند height = -0.1817v³ + 3.689v² + 2.128v - 0.343, giving a real block-height floor of ~1.09 rather than 0; Speed 0.1125–0.3375 blocks-per-tick, roughly ×42.16 to convert to blocks/second at 20 ticks/second). This tool works directly in the intuitive blocks / blocks-per-second units, which is also how the numbers actually show up in-game and in most stat-display mods — close enough for breeding-outcome purposes.
فرمول فرزند
هر ویژگی کرهاسب — سلامتی، قدرت پرش و سرعت حرکت — به طور مستقل با استفاده از همان ساختار فرمول موجود در کدهای بازی تصادفی تعیین میشود AbstractHorse.createOffspringAttribute code (this also governs donkeys and mules):
midpoint = (parentA + parentB) / 2range = statMax - statMinfor that stat’s legal rangespread = |parentA - parentB| + 0.3 × rangeroll = (random() + random() + random()) / 3 - 0.5— three independent 0–1 rolls averaged together, then re-centered on zerofoalValue = midpoint + spread × roll- اگر نتیجه خارج از محدوده مجاز باشد، بازی واقعی آن را به داخل برمیگرداند؛ این ابزار برای سادهسازی، آن را به نزدیکترین مرز مجاز محدود میکند.
میانگینگیری از سه تاس تصادفی (مرحله ۴) به جای استفاده از یک تاس ساده، باعث میشود نتایج به جای توزیع یکنواخت، حول نقطه میانی متمرکز شوند — بیشتر کرهاسبها تا حد زیادی نزدیک به میانگین والدین خود هستند و به ندرت مواردی در دو سر طیف دیده میشوند.
از فرمول واقعی صفات فرزند در وانیلا (نقطه میانی والدین + پراکندگی مبتنی بر تفاوت، محاسبهشده از 3 مقدار تصادفی میانگینگیریشده) استفاده میکند که به صورت یک شبیهسازی مونتکارلو در سمت کاربر اجرا میشود — نتایج تخمینهای احتمالی حاصل از شبیهسازیهای متعدد هستند، نه یک پاسخ قطعی واحد، که دقیقاً مشابه عملکرد بازی واقعی است. قدرت پرش و سرعت به جای مقادیر خام صفت، در واحدهای ملموستر بلاک/بلاک بر ثانیه نمایش داده میشوند.