现在最火的一类游戏毫无疑问就是生存游戏，无论是曾经火过的H1ZI、，还是现在依旧火热的绝地求生、堡垒之夜，亦或是一直火热的我的世界，都是生存游戏的优秀代表。在生存游戏里面，玩家需要通过各种办法来让自己在不断变化的环境里面生存下去。这里没有友情没有规则，有的只是生存的渴求。这种突破现实世界的设定正好契合了很多玩家的品味。但是你真的是一个生存游戏的合格玩家么？那得看你有没有玩过这三款游戏了。第一件：衰变状态2衰变状态2是UNDEAD LABS公司设计的一款经典生存游戏，适用于电脑PC端与XB1.这款游戏虽然发行时间很早，但是画面设计精良，游戏自由度与可玩性很高。游戏的设定是玩家需要在不断变化的环境里面帮助自己的队友不断的通过，换句话说队友就是你的负担，你的一切行动都是为了你的队友能够生存下去。这听起来不符合一般生存游戏的宗旨，但是当你到你与你朋友们一同建立的王国时，所产生的自豪感与团队归属感会让你喜欢上这款游戏。第二件：漫漫长夜漫漫长夜有两种游戏模式，一个是传统的生存游戏，玩家在游戏里面不断的寻找资源来让自己活的长久。第二个模式是让玩家在如同闯关的剧情中冒险。这款游戏最大的卖点就是THE LONG DARK的艺术风格，能让人深深地沉浸在这个游戏画面之中。第三件：没有人的天空没有人的天空是非常经典的生存游戏，这款游戏操作简单，但是异常刺激。你所能控制的只是每一次升空，你能够探索一切，你却只能够旁观。你能够建造自己的家，但是你知道这一切的最终结果都是毁灭。在求生中给人无限的刺激，在绝望中给人快感，这就是生存游戏的奥义。
文章转载自网络，作者观点不代表本网站立场，如需处理请联系客服
电玩网游圈其它文章
绝地求生再次更新，新枪械纷纷上榜，唯有他仍受欢迎
电玩网游圈
从绝地求生大火开始，我们也是见证了他打破了一...
进水就无敌，刺激战场里的疑似BUG，真正的原因竟是这样！
电玩网游圈
最近这段时间，刺激战场可以说是借着吃...
王者荣耀：新版本杨玉环被疯狂削弱，这两个英雄选上就等着躺赢！
电玩网游圈
在任何一个Moba类游戏当中，中...
绝地求生僵尸模式遭嫌弃，已经不复往日光荣，原因让人哭笑不得！
电玩网游圈
打丧尸是所有玩第一人称射击游戏的...
王者荣耀：张飞项羽坦度在他面前不够看，他一个英雄顶三个！
电玩网游圈
在Moba类游戏当中，肉坦英雄是必不...
最厉害的几款生存游戏，第一款99％网友都没有玩过！
电玩网游圈
现在最火的一类游戏毫无疑问就是生存游戏，无...
王者荣耀：英雄容貌大变样，荆轲成女汉子，看到妲己变化我哭了！
电玩网游圈
王者荣耀这个游戏从推出开始，就一...
王者荣耀：残血不能追的几个英雄，妲己让你哭，最后一个秒杀猴子
电玩网游圈
打游戏的人都有一个非常大的错觉那...
王者荣耀土豪打造现实版“召唤师峡谷”，网友：贫穷限制现象力！
电玩网游圈
前段时间，英雄联盟的圈子里也是出...
控你控到死为止，王者荣耀中三大控制技能，后羿居然垫底
电玩网游圈
作为一个Moba类游戏，除了最简单的线上...
电玩网游圈曾经在DOS状态下玩过一款游戏，冒险闯关的，不知道叫什么名字哈_百度知道
曾经在DOS状态下玩过一款游戏，冒险闯关的，不知道叫什么名字哈
一个好像是什么的小子，可以发旋风腿，还可以发子弹每几关有一个boss，好像里面有一个糖果的logo的牌子，在第一关里面，特别像大大泡泡糖还是像那个真知棒的logo来着挺Q的，求下载链接...
一个好像是什么的小子，可以发旋风腿，还可以发子弹 每几关有一个boss，好像里面有一个糖果的logo的牌子，在第一关里面，特别像大大泡泡糖还是像那个真知棒的logo来着挺Q的，求下载链接和图片，
找回记忆……
非常感谢……
答题抽奖
首次认真答题后
即可获得3次抽奖机会，100%中奖。
yanglixigu
yanglixigu
获赞数：25
我也好想知道这个游戏的名字 好怀念···以前小学时 上电脑课的时候 玩过··画面很好看·好多糖果~~~~
采纳数：38
获赞数：186
貌似是超级玛丽。。。
为你推荐：
个人、企业类
违法有害信息,请在下方选择后提交
色情、暴力
我们会通过消息、邮箱等方式尽快将举报结果通知您。深度增强学习实践：让Python小程序玩一款游戏，来训练神经网络
深度增强学习实践：让Python小程序玩一款游戏，来训练神经网络
本文简要介绍了增强学习（RL），主要解释了其实现过程：讲述一些基本理论，然后走马观花地看一下为玩《战舰》游戏而训练神经网络的最小python程序。
我们这里要简要介绍一下增强学习（RL）——一种为了提高玩游戏效率的训练程序的通用技术。我们的目标是解释其实际实现：我们讲述一些基本理论，然后走马观花地看一下为玩《战舰》游戏而训练神经网络的最小python程序。
增强学习[RL]技术是一种可用于提高效玩游戏效率的学习算法。与督导机器学习[ML]方法一样，增强学习是从数据——这里是指过去玩游戏的数据——中进行学习。然而，尽管督导学习算法只是根据现有的数据进行训练，但RL还挑战如何在收集数据的过程中表现良好性能。具体地说，我们所追求的设计原则是
让程序从过去实例中识别好的战略,
通过连续地玩游戏快速地学习新的战略。
我们在这里特想让我们的算法快速学习的理由是在培训数据有限或者战略空间太大而难以进行穷尽搜索的情况下最富有成果地运用RL。正是在这种体制下督导技术面临困境而RL则闪耀着光芒。
我们在本贴中要回顾一般性的RL培训程序：策略梯度、深度学习方案。我们下一节要回顾一下这种办法背后的理论。随后，我们将粗略地演示一下培训神经网络来玩战舰游戏的 python 实现。
我们的python码可以从我们的github网页这里下载。它需要 jupyter, tensorflow, numpy, 和 matplotlib包。
策略梯度，深度RL
策略深度和深度RL有两个主要构件。下面我们要详述二者并描述它们是如何协作训练好的模型的。
一定深度RL算法的策略是一种神经网络，它将状态值ss映射为一定游戏行为 aa的概率。 换句话说，该网络的输入层接受环境的数字编码——游戏在特定时刻的状态。当输入通过网络馈送后，其输出层的值对应着我们现有每个行动可选的对数概率——我们可供选择的每个可能的行动都有一个输出节点。请注意如果我们肯定知道我们应采取的步骤，只有一个输出节点有一定的概率。但如果我们的网络不能肯定哪种行动最优时，那么就不只一个节点有一定的权值。
为了说明这一点，我们来图示一下下面“战舰”程序中所用的网络。（要回顾“战舰”的游戏规则请看注[1]）简明起见，我们只用一维战舰网格。我们然后对我们对手的每个网格位置用一个输入神经元将我们对目前的环境知识进行编码。具体地说，我们对于每个神经元/下标运用下列编码：
在下面例图中，我们有五个输入神经元，因此游戏盘的大小是五。前三个神经元的值是-1-1 表明我们尚未轰炸这些网格点。最后两个分别是+1+1 和 00, 意味着战舰位于第四而不是第五的位置。
需要注意的是，在所显示的策略网输出层中，前三项值标为对数概率。这些值对应着每个下标的下次轰炸的概率。我们不能再次轰炸第四和第五个网格点，所以，尽管网络可能对这些神经元输出一些值，我们会忽略它们。
需要注意的是，在所显示的策略网输出层中，前三项值标为对数概率。这些值对应着每个下标的下次轰炸的概率。我们不能再次轰炸第四和第五个网格点，所以，尽管网络可能对这些神经元输出一些值，我们会忽略它们。 在我们继续前，我们注意到我们对我们的策略运用神经网络的理由是进行有效地归纳：对于象围棋这样有大量状态值的游戏来说，收集每个可能的游戏盘位置的数据并不可行。这正是ML算法所擅长的场合——根据过去的观测进行归纳从而对新局面做出很好的预测。为了将注意力放在RL上，我们不想在本贴中回顾ML算法（但你可以看看我们的库中的入门章节）。我们只是提请注意——利用这些工具，我们通过只培训游戏中有代表性的子集就能获得良好的性能而不必研究会非常庞大的整个集合。
为了训练RL算法，我们必须反复地进行游戏/得分过程：我们根据当前的策略玩游戏，根据与该网络输出的概率成比例的频率做出移动选择。如果所采取的行动得到好的结果，我们就要在往后提高这些行动的概率。
收益函数是我们用于对我们以前游戏的结果进行正式打分的工具——我们将鼓励我们的算法在游戏期间努力将该量最大化。它其实是RL算法的超级参数：可以使用许多不同的函数，并每个都得出不同的学习特征。对于我们的战舰程序来说，我们用下列函数
只要游戏日志完备，该函数考查在时间t0时所采取的行动a并返回命中值h(t)的加权和，以及该游戏所有未来步骤。在这里，如果我们在步骤t时命中，h(t)则为1，否则为0。
在到达(2)时， 我们承认并不对所有可能的收益函数集合进行仔细搜索。但我们肯定这一选择会有很好的游戏效果，它们有良好的目的性：具体地说，我们注意到加权项(0.5)t-t0(0.5)t-t0 能强烈地激发当前步骤的命中率 （对于在t0时命中，我们得到的收益为11 ), 但在(t0+1)(t0+1)时命中的行为在 t0t0 时也有收益—— 其值为0.50.5。同样，在 (t0+2)(t0+2) 时命中收益为0.250.25, 依此类推。 (2)的这种超前加权起到了鼓励有效探索棋局的作用：它迫使程序顾及有利于未来命中的步骤。 (2) 中出现的其他要素是减去h(t)?????????h(t)?。 这是随机网络会获得的预期收益。通过将该项除去，我们的网络只有表现超过随机选择才有收益——该收益是这一学习过程的净加速。
为了训练我们的算法在游玩期间收益最大化，我们运用了递减法。为了表现这一点，我们设想让我们的网络参数 θθ 在游戏的某些特定步骤发生改变。对所有可能的步骤进行平均，于是有了预期收益的梯度公式，
这里， p(a)p(a) 的值是我们网络行动的概率输出。
不过，我们通常无法求得上述最后一行的值。但我们可以用抽样值进行迫近：我们只是用我们当前网络玩游戏，因此我们用在第 ii次移动时所获得的实际收益取代上述的预期收益，
这里aiai 是所采取的行动， r(ai)r(ai)是获得的收益，可以通过反向传播求该对数的导数（对于那些熟悉神经网络的人来说：这是叉熵损失函数的导数，当你处理类似督导学习训练事例的事件时，可以用所选择行动 aiai 做为标记以应用该函数)。函数g^ig^i 提供理想梯度的噪声估计，但步骤多了会导致“随机”递减，一般推动我们朝着正确的收益最大化前进。
训练过程总结
总之，RL训练是迭代进行：要起动迭代步骤，首先我们用我们当前的策略网络玩游戏，随机地根据网络输出选择移动步骤。在游戏结束后，我们通过计算每次移动所获得的收益来对结果打分，例如在战舰游戏中，我们用(22)。 一旦完成这一步，我们就用 (44)来估计收益函数的梯度。最后，我们用αα小步长步骤参数更新网络参数 θ→θ+α∑g^iθ→θ+α∑g^i,
接着，我们用经过更新的网络继续玩新的游戏，依此类推。
要明白这一过程实际上是鼓励在练习中产生良好结果的行动，注意 (44) 与在步骤 ii中所获收益成比例的。因此，我们在 (44)的方向上调整参数，我们极力鼓励那些产生很大收益结果的行动。另外，收益为负的步骤受到抑制。网络按这种方式经过一段时间后将学会考察这一系统并提出可能产生最佳结果的步骤。
这说的是深度策略梯度RL的基础。我们现在回到我们战舰python示例上来。
Python 代码流程 — 战舰 RL
加载所需的包。
定义我们的网络——一个全面相联的三层系统。下面代码基本上是 tensorflow 标准本，通过了其第一教程就可得出。有一项非同凡响的事是我们已将(26)集的学习速度定为占位符值 (9) 。这将让我们用下列所观察到的捕获收益改变我们的步长。
其次，我们定义了让我们用我们的网络玩游戏的方法。变量TRAINNING决定了我们是否采取理想步骤或选择随机步骤。请注意该方法返回一组记录游戏过程的日志集。这些是训练所需要的。
我们收益函数的实现(2):
最后是我们的训练循环。我们反复地玩多次游戏，每次都记分，然后调整参数——用阿尔法乘以所获得收益得出学习速度。
运行上一单元，我们看到训练起作用了！下面例子通过将TRAINNING设为FALSE跟踪play_game()方法。这展示了一种智能步骤选择过程。
这里前五行是游戏盘编码——每一步都用(11)来填充网络。第二至最后一行是所选择的系列网络选择。最后一行是命中日志。请注意前两步很好地抽样了游戏盘不同地区。此后，所记录命中为 66。该算法然后智能地选择 77和 88，它能推断它们一定是战舰的最后位置。
下图进一步地描述了学习过程的特征。它将游戏平均长度（完全轰炸战舰所需步骤）与训练时间进行对照。该程序非常迅速地学到基础知识并随着时间推进而持续进步。
在本贴中，我们讲到RL的一种——即策略梯度、深度RL方案。该方法一般是当前最知名战略 ，偶尔也从其他方法中取样，最终实现策略的迭加改进。其两个主要成份是策略网络和收益函数。尽管网络结构设计通常是督导学习考虑得最多的地方，但在RL的情况下最费神的是收益函数。为了方便训练（依靠长远预测会放慢学习过程），好的选择应该是时间上尽可能地靠近。然而，收益函数常常也会损害到这一过程的最终目标（“赢”这场游戏——鼓励侧向追求，而一些侧向追求是不必要的，但如果不加注意会时常出现）。要在这两种互相竞争的要求间进行权衡并不容易。所以收益函数设计在某种程度上说是一种艺术。
我们这个简短的介绍只想说明RL实际上是如何实行的。更多细节，我们推荐两个来源：Sutton 和Barto的文本书[3]和最近John Schulman的谈话[4]。
注释和参考资料
[1]游戏规则：（常见的简单游戏：略）
[2] 我有位同事（HC）提出，该程序可能在某个点上开始拟合过度。但这种一维游戏战舰的位点太少，训练集分割似乎不太合适。不过，如果我们转移到更高维度并加入更多战舰时会管用。
[3] Sutton 和 Barto, (2016). 《增强学习引论》文本地址在 .
[4] John Schulman, (2016)，《弯区的深度学习学院》 Youtube 的谈话录音在 .
本文译者为：kundogma
原文来自：
用云栖社区APP，舒服~
【云栖快讯】Apache旗下顶级开源盛会 HBasecon Asia 2018将于8月17日在京举行，现场仅600席，免费赠票领取入口&&
说的很详细，谢谢普及……
阿里云机器学习是基于阿里云分布式计算引擎的一款机器学习算法平台。用户通过拖拉拽的方式可视化的...
以阿里云成熟的商业化云服务为基础，为游戏开发者、运营企业提供专属集群、尊享VIP服务、专项扶...
帮助您基于阿里云构建出一个隔离的网络环境。您可以完全掌控自己的虚拟网络，如选择自有 IP 地...
为您提供简单高效、处理能力可弹性伸缩的计算服务，帮助您快速构建更稳定、安全的应用，提升运维效...
数据库云大使前瞻·测评
2018绝地求生PGI直播地址分享
最好玩最简单的传奇版本
最新的传奇私服
经典传奇 强势回归
最新手游单机端
腾讯首款沙盒手游
单机原班人马打造的全新正版端游
解锁主线剧情第15~18章
整合所有的dlc 一次玩个够
新增多个车型mod
I社的捏脸游戏
1逆水寒OL2飙酷车神23侏罗纪世界：进化4黑暗之魂：重制版5武侠X6幻想三国志57寒霜朋克8孤岛惊魂59盗贼之海10战锤：末世鼠疫2
中文 32.30MB 角色扮演RPG
中文 24.54GB 赛车竞速RAC
中文 4.23GB 动作冒险AVG
中文 6.66GB 角色扮演RPG
中文 7.70GB 动作冒险AVG
中文 3.96GB 角色扮演RPG
中文 4.80GB 动作冒险AVG
中文 41.11GB 第一人称射击
中文 7.81GB 动作冒险AVG
中文 34.37GB 第一人称射击
单机小游戏
经典模拟器
手游电脑版
0.0分0.0分0.0分0.0分0.0分0.0分
类型：街机游戏
语言：其他
类型：街机游戏
语言：中文
安卓游戏|苹果游戏
《饥饿的鲨鱼：进化无限金币版(HungrySharkEvolution)》是一款………
大小：34.06MB
发布日期：08月03日
大小：39.97MB
发布日期：08月03日
大小：400.5MB
发布日期：08月03日
大小：7.87MB
发布日期：08月03日
大小：79.14MB
发布日期：08月03日
大小：58.51MB
发布日期：08月03日
大小：33.44MB
发布日期：08月03日
大小：755.30MB
发布日期：08月03日
大小：881.36MB
发布日期：08月03日
大小：28.43MB
发布日期：08月03日
大小：47.94MB
发布日期：08月03日
《下跪天堂》是一款超恶搞的游戏。玩家扮演游戏中一个日本的苦逼屌丝，面对各种各样的………
大小：304MB
发布日期：08月02日
大小：28.10MB
发布日期：08月02日
大小：465.70MB
发布日期：08月02日
大小：133.79MB
发布日期：08月02日
大小：332.10MB
发布日期：08月02日
大小：265.60MB
发布日期：08月02日
大小：70.29MB
发布日期：08月02日
大小：128.5MB
发布日期：08月02日
大小：145.70MB
发布日期：08月02日
大小：266.30MB
发布日期：08月02日
大小：295.10MB
发布日期：08月02日
火影忍者手游在这次夏日祭推出了许多活动等待玩家去完成领取奖励，接下来为大家带来火影忍者手游步步为营欢乐夏日活动的介绍~~……
在逆水寒网游中有着许多的称号待玩家去探索领取，那么傲视群雄这个额一听就十分霸气的称号到哪里能获取呢？下面就让小编来为大家……
第一人射击
支持手机端体验的移动版本
口袋新世代作品
支持mega进化
超高仿官方梦幻西游
随心所欲获得各种神器
最经典口袋妖怪改版作
建造一个不一样的机械世界
内购破解 免费获得元宝
原作者的收官之作
为你的恋爱插上翅膀
全新的阿拉德大陆行的挑战
腾讯首款沙盒手游
基于1.8制作的口袋mod
支持手机端操作的版本
角色扮演排行榜
10.0分20.0分39.9分49.9分56.4分69.9分71.0分89.9分98.1分100.0分118.8分129.9分
全新足球经营类游戏
控制美国职业摔角选手进行战斗
亲身体验到最逼真的运动感觉
真爷们的激情对决
体验精彩刺激的中超赛场
全新的FIFA，带给全新的你
支持安卓设备体验
继NBALive2006又一经典大作
NBA系列又一经典篮球游戏
经典SPG体育运动游戏
有关篮球的体育竟技游戏
经典的模拟经营类游戏
著名足球游戏系列最新作
一款超级经典的足球游戏
体育竞技排行榜
17.4分28.8分38.8分49.9分57.5分69.3分79.9分88.5分99.1分107.8分118.3分128.7分
探索未知的神秘世界
逆天级画质的荒岛求生
生化危机系列经典之作
一起走进恐龙的世界
黑暗时代的生存游戏
在游戏中获得知识
扮演青蛙探索大千世界
策略类型的游戏
少年与他的奇思妙想
完整汉化版 一起来体验生存的奥秘
《饥荒》制作组制作的太空科幻生存游戏
蜗牛自研作品
一个怪力山羊在一个平静的小镇
恐怖生存游戏
动作冒险排行榜
18.7分28.0分39.0分48.9分58.6分68.6分79.5分88.4分98.7分108.5分117.8分120.0分
真正的官方三国游戏
你好啊,亲爱的邻居
金庸版本大合集 让你一次玩个够
国产战争策略页游
系列终结篇章
让你更好的进行游戏
平衡性调整和更多内容
见证司马懿传奇的一生
经典战略游戏最新作
高端洋气的国际版本
玩家自制的第六代太阁传
最新三国单机 不可错过
破解官版 免费得橙卡
加入部分强力朝代
策略战棋排行榜
14.8分28.1分39.2分49.1分59.9分61.0分75.5分88.9分97.0分104.9分110.0分129.0分
两大版本的经典结合作品
土豪砸死僵尸大战一触即发
即时战略TD类小游戏
沙盒生存RPG多元素游戏
独特的城市生存冒险
欢乐爆笑的大富翁新作
一款重温经典的游戏
单机免费版本 最原始的打僵尸
创意新颖的建造类游戏
简单易玩射击游戏
最经典版植物大战僵尸
重返PVZ宇宙
由植物大战僵尸改编而来的一款经典休闲游戏
随时随地畅玩打僵尸
休闲益智排行榜
18.4分29.3分30.0分48.0分50.0分68.4分78.4分87.6分99.9分105.5分119.1分126.1分
官方内购破解 免费体验
一款大型东欧时期罗马帝国战争游戏
支持更高的分辨率 平衡英雄属性
见证各国的高科技对决
经典网游改编而来
原生支持16：9宽屏
完美破解单机版本
征服世界的道路
暴雪公司的成名作RPG游戏
无限点券 无限英雄
加入中国阵营 完善内容
无限点卷 满足你的愿望
万众期待的魔兽争霸续作
支持手机端体验红警
即时战略排行榜
19.2分27.3分38.7分46.1分58.7分67.5分75.5分85.7分97.8分108.8分110.0分128.6分
奥特曼强势归来 一起打败怪兽
割草游戏史诗巨作
最经典的奥特曼格斗游戏
假面骑士的格斗大集合
内置全部隐藏人物
在乱世之中上演着三国间的骑砍
次世代割草先行者强势来袭
自带简体中文补丁
奥特曼与怪兽的对决
最逼真的奥特玛打怪兽游戏
王者归来的尼禄
让SKT全队沦陷的游戏
驯养史上最可爱的史莱姆 每天与小可爱们打交道
穿越三国建立万世基业
动作游戏排行榜
18.8分28.6分39.9分40.0分58.5分68.8分70.0分86.3分99.3分108.2分119.3分129.0分
中国第一款抢滩模式的抗日游戏
超棒画面，超好玩游戏
最高仿的版本
回到石器时代
次世代科幻游戏，人类与怪兽大战
穿越火线手游高清重制版本
最经典的老版本号 免费畅玩
异形铁血人类大混战
晴空组织成员揭晓一切秘密
新的冲突新的任务更多战斗
海量道具免费获得
国产吃鸡页游
新的风暴已经出现
生化危机版的枪战游戏
第一人称射击排行榜
18.5分25.5分38.9分40.0分50.0分60.0分78.0分80.0分99.0分109.9分118.0分120.0分
刺激、疯狂、极速飚车
刺激、疯狂、极速奔驰冲刺飚车
一个开放的、更具竞争性的赛车世界
全新升级版本等你来挑战
刺激的狂野系列
旋转钢铁痛揍坏人
驾驶最硬汉的卡车
展现祖国山河的驾驶游戏
越野赛车的刺激
疯狂带点刺激
摩托赛车游戏
骑着摩托战斗
超级盗车、能盗坦克警车
好玩的模拟类单机游戏
赛车竞速排行榜
18.1分28.1分38.1分48.9分55.9分68.6分79.9分89.0分93.7分108.9分119.9分128.7分
微信扫描关注公众号
Www.Wanyx.Com. Some rights reserved
湘ICP备号-3
苏网文〔-015号
湘公网安备20最近想玩一款游戏，看到九城的《神仙传》，感觉还不错，有没有人玩过，介绍一下这款游戏，我想知道的如下：_百度知道
最近想玩一款游戏，看到九城的《神仙传》，感觉还不错，有没有人玩过，介绍一下这款游戏，我想知道的如下：
1、该游戏与其他游戏的的不同点在哪，吸引人的地方在哪呢？2、玩此游戏需要花费的地方在哪呢？为什么必须得花钱？看官网根本看不出所以然来，所以请教有经验的玩家解答，最近想和一帮...
1、该游戏与其他游戏的的不同点在哪，吸引人的地方在哪呢？2、玩此游戏需要花费的地方在哪呢？为什么必须得花钱？看官网根本看不出所以然来，所以请教有经验的玩家解答，最近想和一帮兄弟一起转战《神仙传》了，花钱无可厚非，主要是能吸引到人的地方。
答题抽奖
首次认真答题后
即可获得3次抽奖机会，100%中奖。
采纳数：474
获赞数：1073
不要玩。。游戏本身还行。。但运营商很坑人。。相当的坑人。。。你不花钱，玩到65级，估计想走了。。你花几百块钱，玩到70来级，估计想走了。。你花几K钱。。玩到70级末，估计想走了。。你花几W钱。。。你是S-B啊？？里面你打不过的全是托。你还准备继续冲钱么？当初要不是冲着送QQ会员，谁会去玩。。结果去玩了。原来是个大骗局。。玩到60级。。是人都送一个月会员。。。靠。。官网可是说有五年会员，原来那是要练到85级。。开服到现在，有几个85级，有85级的人估计花下去的钱都可以买50年会员了。。游戏迟早关门。。前一个月开新区火爆，现在开区一个星期里面人毛没几根。。快走光了。更别提老区。
为你推荐：
其他类似问题
您可能关注的内容
个人、企业类
违法有害信息,请在下方选择后提交
色情、暴力
我们会通过消息、邮箱等方式尽快将举报结果通知您。