你把简单的问题复杂化了

11级的新萌好可怕。10级的我，完全不敢说话。

11级的新萌好可怕。10级的我，完全不敢说话。

啥玩意

直接测试一下不就行了

…喵呜萌新表示害怕

架设每个属性成长100级增加总值是300，每级增加范围(2,4)，然后记录每次的差值。
例如1级升级至2级，增加了2.7点属性，差值就是+0.3，然后下一级属性增加设置为(2+0.3,4+0.3)，继续记录差值，当差值大于+1.5（或者-1.5）点时，回归随机范围(2,4)，然后补正，假设5级内补完，每级额外增加(需要补正值/5)点属性，在此5级内需要重新定义一个差值记录值。

试了一下，有些偏差，但是整体还好

你的算法是从一开始就你从一开始就已经分配好了100级约等于一万的属性。失去了随机的意义。我们用饼干来举例子代替属性，每次升级有一包饼干，分给三个人，每包9块饼干，你的算法结果就是100级几乎每个人都接近300块饼干这样就失去了随机的意义。可能1楼表达得不清楚，其实想要的是每次预期

第一，WE不是MATLAB，WE的随机相当的伪随机，你如果全是随机数，偏差很大。
第二，我的随机是补差，修正，不是说整体已经固定好的。我是迭代随机，第一次随机(2,4)，随机数为X1，期望差Y1，修正值Z1，第二次随机数为(2+(3-X1),4)，随机数X2，期望差Y2，修正差Z2，第三次(2+(3-X2),4)，期望差Y3，修正差Z3，以此类推获得数据，然后修正差设立阈值，达到阈值开始修正，但是不影响随机数设定，因此总体上数值均值和期望值很接近，但是结果你也看到了，1000级的时候，偏差还是有的，大概在1%左右

我的随机可以这样赋予每个等级的成长，总值是9，随着等级增加可以变化分配。
提议更加突显属性对于英雄的作用。