如何快速抓到 Pokémon GO 中的所有精灵

附 近有一个计算好的 Pokémon，这儿有一个 Poké Spikey，这下你就可以把它们全抓到！在这篇博文中，我将与您分享几条有关 Pokémon GO 的病毒性社交媒体现象的数据分析。首先，我们来熟悉下已经入侵我们现实世界的 151 个第一代 Pokémon，然后再告诉你如何找到去附近道馆的最短路径。

最初接触 Pokémon 是在 1999 年，我和我的双胞胎兄弟分别拿到了 Pokémon 蓝版和红版，还有下面显示的绿色和黄色的手持版 Game Boy Color。为了把它们都抓住，我们俩学会了一起合作。我们使用 Game Link Cable 来交换（后来是克隆） Pokémon，这样就可以用双倍的速度探索 Kanto 区域。毫无疑问，怀旧之情使得几百万人加入了 Pokémon GO 游戏的行列。

Pokémon GO 继承了蓝版和红版中的 Pokémon，但是游戏范围却大不相同。不能再坐在沙发上把它们都"抓住"，你得做些运动来帮助 Willow 博士研究这些生活在增强现实中的精灵。有三种方法可以得到新的品种：抓住它们，进化或使用孵蛋器孵化，这将要求你行走一定的公里数（为了纪念 Meter Man）。一旦把它们都抓住，Pokédex 看起来应该是这样的（完整列表查看：http://blog.wolfram.com/2016/08/12/finding-pokemon-gos-shortest-tour-to-compute-em-all/）：

这些只是第一代 Pokémon。将来发布的 Pokémon GO 会有不同类型的 Pokémon，并可以对 Pokémon 进行交易。为了帮你理解游戏中目前可用的所有不同类型的 Pokémon 之间的关系，我制作了一张图（边表示 Pokémon 类型之间的连接以及进化出的 Pokémon），大家可在 http://blog.wolfram.com/2016/08/12/finding-pokemon-gos-shortest-tour-to-compute-em-all/ 浏览大图：

蓝色的点是进化成第一代 Pokémon（目前已有）的较新一代的 Pokémon（在增强现实游戏中还没有）。我猜将来获得它们的可能方式是喂养它们的进化形式。下面是偷窥一下这些可爱精灵的方法：

我们同样可以看看长大的精灵的样子。一个特殊的例子是 Eevee，它将最终进化成八种不同类型的 Pokémon（现在只进化成 Vaporeon、Jolteon 或 Flareon）。

哎呀！还缺一种正在从 Eevee 进化的 Pokémon Sylveon：

把 Pokémon 数据内置于 Wolfram 语言所带来的好处是可以快速对这些虚拟精灵有更深的了解。例如，下面我利用 ListLogLogPlot 把它们的重量和高度都量化了：

为了把这些精灵融入现实世界中，Pokémon GO 使用了来自另一个增强现实游戏 Ingress 中由用户产生的数据，Ingress 也是 Niantic 出品的。他们提取了 Ingress 在公共场合的传送门（portal），如图书馆、雕像、教堂、奇怪的建筑、商店或其他 Ingress 玩家觉得有趣的地方，根据传送门的流行度把它们乔装成道馆（Pokémon Gym）或补给站（PokéStop）。补给站为查到它们的玩家提供经验值（XP 点）和道具（Pokéball、Potion 等等）。在装上诱捕模块的情况下，也可以用它们来吸引野外的 Pokémon。如果你生活在补给站较少的偏远地区，最好是到都市区玩这个游戏。（大多数野外的 Pokémon 并不生活在野外）比如，Pokémon GO 在像巴黎这样的城市可以稠密到这种程度：Applidium 成功地从位于巴黎中部的办公室提取了 Pokémon GO 应用程序响应中包含的所有坐标。我下载并把他们的 KML 文件导入了笔记本，制作了下面自定义的 GeoGraphics：

黑鸟表示当假玩家请求 Pokémon GO 服务器回应时在该地区产生的野生 Pokémon。这些 Pokémon 更容易聚集在被蓝色的 GeoMarker 包围的公园和花园中，这些都是转换成道馆和补给站的 Ingress 传送门（有趣的地方）。

Pokémon 道馆通常被放置在知名的在维基百科中有自己的地理位置条目的公共场所中。利用内置的 WikipediaData 函数，我获得了巴黎有维基百科条目的、可能是道馆的地方的 GeoPosition（根据 Pokémon GO 游戏中安排道馆位置的逻辑），然后我计算了 FindShortestTour 以便把每个地点都访问一遍。

简直是妙极了！利用这条路线，我孵化了三个蛋，控制了 65 +个道馆！我从来没有试过这样的策略。我还计划在巴塞罗那也这样做。在另一个帖子中，我谈及在一年中 Runkeeper 活动是怎样演化的。这是在 Pokémon GO 发布前。这些活动和几百万其他玩家的活动，包括奥林匹克奖牌获得者的活动都发生了剧烈的变化。

在 Pokémon 世界中有很多数据可以用 Wolfram 语言来计算。例如，Pokémon 有六个统计数据，构成了他们在战斗中的表现的基础：血量（hit point）、攻击能力（attack）、防御能力（defense）、特殊攻击能力（special attack）、特殊防御能力（special defense）和速度（speed）。与 Wolfram|Alpha 中的其他数值一样，你可以在方程中用名称来指代这些值、进行条件查询或按序数查询。暂且谈到这里，非常期待了解你在 Pokémon 世界中利用计算完成的惊险经历。