サーモンランのWAVE内容を先読みする方法と解説

Contents

1 WAVE内容とは
- 1.1 サーモンラン通信プロトコル
2 各パラメータの計算アルゴリズム
3 未解決アルゴリズム
4 Ocean Calc
5 SeedHackとは

WAVE内容とは

サーモンランでは少なくとも以下の九つの内容がバイト開始時に決定されています。

各WAVEの潮位
各WAVEのイベント内容
各WAVEのシャケの湧き方向
各WAVEの出現するオオモノシャケの種類
キンシャケ探しイベントでのアタリ位置
霧イベントでのキンシャケのドロップ数
ラッシュイベントでの最初にヒカリバエがつくプレイヤー
ランダム時に支給されるブキ
支給されるスペシャルウェポン

これらの内容をWAVE中のプレイヤーの行動などで変化させることは絶対にできません。

ガーリッシュナンバー全話通し見ブルーレイ［Blu-ray］

千本木彩花, 本渡楓, 石川由依, 鈴木絵理, 大西沙織, 中井和哉, 梅原裕一郎, 江口拓也, 堀内賢雄

8,800円(02/27 20:23時点)

Amazon

サーモンラン通信プロトコル

サーモンランはバイト開始時にCnet::PacketSeqEventCoopSetting::PacketSeqEventCoopSetting()という関数が呼び出され、ホストが接続しているクライアントに対して設定されたパラメータを送信します。

送信される内容は以下の通り。

初期シード（サーモンランのゲームの全てを司る値）
インクの色（イカちゃんチームの色のみ変更可能）
BGMの種類（通常用とランダム用があるみたい）
遊ぶステージ（ナワバリのステージなどを選ぶとクラッシュする）

ここで大事になるのが初期シードであり、これが先程述べた九つのWAVE内容全てを決定する値になります。

各パラメータの計算アルゴリズム

アルゴリズム自体はC++, Python, Javascriptなどに移植しているのですが、今回は最もわかりやすいと思われるPythonのコードを紹介します。

初期シードから擬似乱数生成

class NSRandom:
    mSeed1 = 0x00000000
    mSeed2 = 0x00000000
    mSeed3 = 0x00000000
    mSeed4 = 0x00000000

    def __init__(self):
        pass

    def init(self, seed):
        self.mSeed1 = 0xFFFFFFFF &amp; (0x6C078965 * (seed ^ (seed >> 30)) + 1)
        self.mSeed2 = 0xFFFFFFFF &amp; (0x6C078965 * (self.mSeed1 ^ (self.mSeed1 >> 30)) + 2)
        self.mSeed3 = 0xFFFFFFFF &amp; (0x6C078965 * (self.mSeed2 ^ (self.mSeed2 >> 30)) + 3)
        self.mSeed4 = 0xFFFFFFFF &amp; (0x6C078965 * (self.mSeed3 ^ (self.mSeed3 >> 30)) + 4)

    def getU32(self):
        n = self.mSeed1 ^ (0xFFFFFFFF &amp; self.mSeed1 << 11)
        self.mSeed1 = self.mSeed2
        self.mSeed2 = self.mSeed3
        self.mSeed3 = self.mSeed4
        self.mSeed4 = (n ^ (n >> 8) ^ self.mSeed4 ^ (self.mSeed4 >> 19))
        
        return self.mSeed4

乱数生成器は初期シードで初期化され、その後getU32()を呼び出すことで乱数を生成します。

ここで大事なことは、初期シードさえわかればその後生成される全ての乱数は予測可能だということです。

潮位・イベント決定アルゴリズム

def getWaveInfo(self):
    mEventProb = [18, 1, 1, 1, 1, 1, 1]
    mTideProb = [1, 3, 1]
    self.rnd.init(self.mGameSeed)

    for wave in range(3):
        sum = 0
        for event in range(7):
            if (
                (wave > 0)
                and (self.mEvent[wave - 1] != 0)
                and (self.mEvent[wave - 1] == event)
            ):
                continue
            sum += mEventProb[event]
            if (self.rnd.getU32() * sum >> 0x20) < mEventProb[event]:
                self.mEvent[wave] = event
        sum = 0
        for tide in range(3):
            if tide == 0 and 1 <= self.mEvent[wave] and self.mEvent[wave] <= 3:
                continue
            sum += mTideProb[tide]
            if (self.rnd.getU32() * sum >> 0x20) < mTideProb[tide]:
                self.mTide[wave] = 0 if self.mEvent[wave] == 6 else tide

アルゴリズムではまず最初にイベントを決定します。

WAVE1のイベントは完全にランダムに選ばれますが、WAVE2以降は「一つ前のWAVEと同じイベントではない」「一つ前のWAVEはイベントなしではない」という条件が付きます。

なので、連続して同じイベントが発生することは絶対にありません。

イベントが決まったあとに潮位を決定しますが、初期状態は通常潮位に設定されています。

ここで潮位を計算するのですが、潮位が干潮になった場合「イベントがキンシャケ探しかグリルかラッシュ」ならその計算をなかったことにします。そして、ドスコイ大量発生の場合はどんな潮位であっても強制的に干潮に変化します。

まあこれはコードを読んだ方がわかりやすいですね。

各WAVEシード生成アルゴリズム

サーモンランには最も基本となる初期シードの他に、WAVEごとの細かいパラメータを決定するWAVEシードがあります。WAVEは三つ存在するので、WAVEシードは三つあるわけです。

そして、大事なことは全てのWAVEシードは初期シードから生成されるということです。

なので、初期シードが決まった時点でWAVEシードも予測可能になります。

def setWaveMgr(self):
    self.rnd.init(self.mGameSeed)
    self.rnd.getU32()
    self.mWaveMgr = [
        WaveMgr(0, self.mGameSeed),
        WaveMgr(1, self.rnd.getU32()),
        WaveMgr(2, self.rnd.getU32()),
    ]

興味深いのはWAVE1のWAVEシードは初期シードであるということです。

そしてWAVE2は初期シードから二回目に生成された乱数が使われます。何故一回、乱数をむだうちしているのかはわかりません。

キンシャケ探しアタリ位置計算アルゴリズム

def getGeyserPos(self):
    self.rnd.init(self.mWaveSeed)
    mReuse = [False, False, False, False]
    mPos = ["D", "E", "F", "G"]
    mSucc = []
    
    for idx in range(15):
        for sel in range(len(mPos) - 1, 0, -1):
            index = (self.rnd.getU32() * (sel + 1)) >> 0x20
            mPos[sel], mPos[index] = mPos[index], mPos[sel]
            mReuse[sel], mReuse[index] = mReuse[index], mReuse[sel]
        mSucc += mPos[0]
        if mReuse[0]:
            self.rnd.getU32()
    return mSucc

キンシャケ探しのアタリ位置を計算するためには「キンシャケ探しのアタリ位置候補」と「乱数消費フラグ」の二つが必要になります。

今回は朽ちた方舟ポラリスの満潮時のアタリ位置を計算するコードをご紹介します。

乱数消費フラグがなんのためにあるかと言うと、アタリ位置に対してゴール候補が二箇所以上ある場合はどちらのゴールに向かうかを計算するために一回余計に乱数が消費されるためです。

満潮ポラリスは常にゴール候補が一つしかないので、全てのアタリ位置に対して乱数消費フラグはFalseになっています。

湧き方向計算アルゴリズム

def getEnemyAppearId(self, previousId):
    mArray = [1, 2, 3]
    mIndex = 0
    w6 = 3
    x6 = 3
    v5 = previousId
    w7 = mArray
    if not (id &amp; 0x80000000):
        w8 = w6 - 1
        while True:
            v17 = w8
            w9 = w7[mIndex]
            if w9 < id:
                break
            w6 -= w9 == id
            if w9 == id:
                break
            w8 = v17 - 1
            mIndex += 1
            if not v17:
                break

    mIndex = 0
    x7 = mArray
    x8 = 0xFFFFFFFF &amp; (self.rnd.getU32() * w6 >> 0x20) 

    while True:
        x9 = x7[mIndex]
        x10 = 0 if x8 == 0 else x8 - 1
        x11 = x9 if x8 == 0 else v5
        x12 = 5 if x9 == v5 else x8 == 0
        if x9 != v5:
            x8 = 0xFFFFFFFF &amp; x10
            id = x11
        if (x12 &amp; 7) != 5 and (x12 &amp; 7):
            break
        x6 -= 1
        mIndex += 1
        if not x6:
            return v5
    return id

Pythonではポインタが使えないため、アセンブラから上手く復元することができませんでした。

また、これらのコードは最適化できていないため読んでも意味のわからないものになっています。

ちなみに、previousIdは一つ前の湧き方向を意味します。何故かはわからないのですが、previousIdが1だと、この関数は殆どの場合（絶対かもしれない）1以外を返します。

出現オオモノ計算アルゴリズム

def getEnemyId(self):
    mRnd = NSRandom.NSRandom()
    mRnd.init(self.rnd.getU32())

    mRareId = 0
    for mProb in range(7):
        if not (mRnd.getU32() * (mProb + 1) >> 0x20):
            mRareId = mProb
    return mRareId

出現するオオモノは湧き方向に比べて簡単です。

オオモノが出現することが呼び出されるたびに新たに乱数生成器を乱数で初期化し、生成した乱数から計算します。計算方法も単純で、7で割ったあまりによって出現するオオモノが決まるだけです。