感谢 @知识库 的邀请。
先说一个冷知识，ELO不是一个缩写，而是命名于美国物理学教授Arpad ELO的姓，也就是ELO评分系统的创始人，ELO本质上是一个评分机制，这个机制的诞生也是为了如国际象棋这类零和博弈游戏。
ELO机制的前身是Harkness System，是由一个叫Kenneth Harkness的国际象棋组织者为了平衡比赛中选手水平差异而研发的一个系统，举个例子，一位得分为1600的玩家参加了11轮比赛，在平均得分为1850的比赛中得分为2½–8½（22.7％）。比50％低27.3％，因此他们的新得分为1850 −（10× 27.3）= 1577，而Harkness System也算是最早的ELO系统。
虽然说Harkness系统是相对公平的，但是在某些情况下会产生许多观察者认为不准确的评分，所以为了解决这个问题，Elo教授代表USCF设计了一个具有更完善统计基础的新系统。
Elo的系统用基于统计估计的系统代替了较早的竞争性奖励系统。根据某些成就的「伟大」的主观评价，对许多体育奖励积分的评分系统，就比如，赢得一个重要的高尔夫比赛可能是一个任意选择的，其价值是赢得一个较小的比赛的五倍。
Elo的主要假设是，每个游戏中每个玩家的象棋表现都是正态分布的随机变量。尽管一个玩家可能从一个游戏到另一个游戏的表现明显好于或差，但Elo认为任何给定玩家的表现平均值仅随时间缓慢变化。 Elo将一名玩家的真正技能视为该玩家表现随机变量的均值。
不过问题来了，不同比赛的输赢对于一个玩家的水平的体现终究还是会出现一定的偏差，其原因也是因为计算量过大的问题，为了进一步简化计算，Elo提出了一种简单的方法来估算其模型中的变量，也拒收每个玩家的真实技能。
根据玩家的评级与对手的评级比较，可以从表格中相对轻松地计算出预期将赢得多少游戏玩家，赢得比预期多的玩家的收视率将被调高，而赢得比预期少的玩家的收视率将被调低，此外，该调整应与玩家超出或低于预期数量的获胜次数成线性比例。
其实从现代的角度来说，这种简化在如今计算能力飞升的时代未免显得有些幼稚了，当然50年前的机制对应的计算水平，也确实是需要这种简化机制来更快速计算出每个选手的评分值的。
Elo评分系统的运用范围说起来也不是特别窄，传统1v1体育比赛、卡牌游戏、网络游戏、竞技游戏等都有ELO系统的身影，相比于最基本的单人竞技中的Elo分数，竞技游戏中组队的分数相对来说更加复杂。
先说最基本的单人Elo值是如何判定的，基本上用的是逻辑方程的公式，当A玩家（RA）和B玩家（RB）相遇时，两人博弈后最终的结果会大致为为（对应玩家 - 对应玩家）/ 400，而当比赛结束后，如果结局跟公式出现了明显的偏差，就比如对面瞬间被将死，5分钟被KO，那最终的Elo值就会被更正，也就是： 对应玩家' = 对应玩家 + 对局中最大的输赢值（对应玩家最终分数 - 对手玩家最分数） 。
再举个例子，就比如说王者荣耀，匹配机制先不谈，基本上来说当你最终的KDA值保持在一定水平线的时候，系统给你匹配的自然就会是对应你KDA值跟你相似的玩家，队友就不知道了， 但是这点几乎就是说你的对手大概率不会比你弱。
那利用这个特点，基本上就可以得出一个结论，那就是你的Elo值必须要比你真实水平要低，换句话说也就是需要让系统以为你是猪，其实你是在扮猪吃虎。
这是我这赛季排位的数据，综合得分也挺高的了，综合得分的组合基本就五个，KDA、生存、输出、发育、团战，KDA可以通过送泉降低，发育可以通过划水降低，团战可以通过单带降低，输出可以通过玩法师单纯只打关键性伤害降低，生存跟KDA相似，多死少扛伤降低。
基本上来说，只要你的平均分够低，你的胜率虽然可能不高，但是系统给你的对手一定不会厉害，而自身上分的速度也不会太快，所以其实最好规避Elo的方式，还是五排，毕竟这时候就没有匹配系统作妖了。
以上，我是狐久，欢迎留言评论。
