试一试Tyrant地牢生成算法

2023-11-06 19:50

本文主要是介绍试一试Tyrant地牢生成算法,希望对大家解决编程问题提供一定的参考价值,需要的开发者们随着小编来一起学习吧!

话题

我看到一篇文章讲了一种 Roguelike 地牢生成算法:一种 Roguelike 地牢生成算法 | indienova 独立游戏。这篇文章是翻译,原作者是一款名叫“Tyrant”游戏的作者,在讲自己制作这款游戏时用的地牢生成算法。可我没找到这款游戏的发行版,源代码倒是有:Tyrant - Java Roguelike download | SourceForge.net。可惜是Java工程,而我不会Java。
虽然没有工程源代码,但是有单独算法的C#代码:CSharp Example of a Dungeon-Building Algorithm - RogueBasin。我想那我就试一试跑起来它,并用Unity显示出来结果吧

实践

代码跑起来并不困难,主要就是补上了一些枚举类和结构体的声明,并修改一些小细节,算法本身没有任何改动。完整的Unity工程见:完整Unity工程。
生成的一些结果如下:
在这里插入图片描述
在这里插入图片描述
在这里插入图片描述
生成的速度很快(虽然目前元素还比较少)
在这里插入图片描述

分析

算法思路概括起来就是:
选一个元素,尝试修建,如果成功了就继续,失败的话就再来。
我觉得关键点在于元素的设计。我研究了这段算法中这部分代码:

// choose what to build now at our newly found place, and at what direction
int feature = this.GetRand(0, 100);
if (feature <= ChanceRoom)
{ // a new roomif (this.MakeRoom(newx + xmod, newy + ymod, 8, 6, validTile.Value)){currentFeatures++; // add to our quota// then we mark the wall opening with a doorthis.SetCell(newx, newy, Tile.Door);// clean up infront of the door so we can reach itthis.SetCell(newx + xmod, newy + ymod, Tile.DirtFloor);}
}
else if (feature >= ChanceRoom)
{ // new corridorif (this.MakeCorridor(newx + xmod, newy + ymod, 6, validTile.Value)){// same thing here, add to the quota and a doorcurrentFeatures++;this.SetCell(newx, newy, Tile.Door);}
}

发现它实际上只从“房间”和“过道”中选择。选择后调用 MakeRoom 或 MakeCorridor 进行建造并且放上门。
我查看了他游戏的Java源代码,发现实际他在游戏中设计了更多的元素:

// choose new feature to add
switch (c) {case 'c' :return makeCorridor(m,x, y, dx, dy);case 'o' :return makeOvalRoom(m,x, y, dx, dy);case 'z' :return makeMaze(m,x,y,dx,dy);case 'r' :return makeRoom(m,x,y,dx,dy);case 't' :return makeCorridorToRoom(m,x, y, dx, dy);case 'h' :return makeChamber(m,x, y, dx, dy);case 'n' :return makeTunnel(m,x, y, dx, dy);case 's' :return makeSquare(m,x, y, dx, dy);case 'k' :return makeLinkingCorridor(m,x, y, dx, dy);default:Game.warn("Dungeon extention '"+c+"' not recognised!");return false;
}

未来有机会可以尝试一下它的这些元素
不过,这种元素应该是因游戏而异的,如果想要用这种思路创建自己的地牢,应该设计自己游戏独特的元素

这篇关于试一试Tyrant地牢生成算法的文章就介绍到这儿,希望我们推荐的文章对编程师们有所帮助!



http://www.chinasem.cn/article/358712

相关文章

代码随想录算法训练营:12/60

非科班学习算法day12 | LeetCode150:逆波兰表达式 ,Leetcode239: 滑动窗口最大值  目录 介绍 一、基础概念补充: 1.c++字符串转为数字 1. std::stoi, std::stol, std::stoll, std::stoul, std::stoull(最常用) 2. std::stringstream 3. std::atoi, std

android 带与不带logo的二维码生成

该代码基于ZXing项目,这个网上能下载得到。 定义的控件以及属性: public static final int SCAN_CODE = 1;private ImageView iv;private EditText et;private Button qr_btn,add_logo;private Bitmap logo,bitmap,bmp; //logo图标private st

人工智能机器学习算法总结神经网络算法(前向及反向传播)

1.定义,意义和优缺点 定义: 神经网络算法是一种模仿人类大脑神经元之间连接方式的机器学习算法。通过多层神经元的组合和激活函数的非线性转换,神经网络能够学习数据的特征和模式,实现对复杂数据的建模和预测。(我们可以借助人类的神经元模型来更好的帮助我们理解该算法的本质,不过这里需要说明的是,虽然名字是神经网络,并且结构等等也是借鉴了神经网络,但其原型以及算法本质上还和生物层面的神经网络运行原理存在

大林 PID 算法

Dahlin PID算法是一种用于控制和调节系统的比例积分延迟算法。以下是一个简单的C语言实现示例: #include <stdio.h>// DALIN PID 结构体定义typedef struct {float SetPoint; // 设定点float Proportion; // 比例float Integral; // 积分float Derivative; // 微分flo

FastAdmin/bootstrapTable 表格中生成的按钮设置成文字

公司有个系统后台框架用的是FastAdmin,后台表格的操作栏按钮只有图标,想要设置成文字。 查资料后发现其实很简单,主需要新增“text”属性即可,如下 buttons: [{name: 'acceptcompany',title: '复核企业',text:'复核企业',classname: 'btn btn-xs btn-primary btn-dialog',icon: 'fa fa-pe

LeetCode 算法:二叉树的中序遍历 c++

原题链接🔗:二叉树的中序遍历 难度:简单⭐️ 题目 给定一个二叉树的根节点 root ,返回 它的 中序 遍历 。 示例 1: 输入:root = [1,null,2,3] 输出:[1,3,2] 示例 2: 输入:root = [] 输出:[] 示例 3: 输入:root = [1] 输出:[1] 提示: 树中节点数目在范围 [0, 100] 内 -100 <= Node.

【Java算法】滑动窗口 下

​ ​    🔥个人主页: 中草药 🔥专栏:【算法工作坊】算法实战揭秘 🦌一.水果成篮 题目链接:904.水果成篮 ​ 算法原理 算法原理是使用“滑动窗口”(Sliding Window)策略,结合哈希表(Map)来高效地统计窗口内不同水果的种类数量。以下是详细分析: 初始化:创建一个空的哈希表 map 用来存储每种水果的数量,初始化左右指针 left

ROS2从入门到精通4-4:局部控制插件开发案例(以PID算法为例)

目录 0 专栏介绍1 控制插件编写模板1.1 构造控制插件类1.2 注册并导出插件1.3 编译与使用插件 2 基于PID的路径跟踪原理3 控制插件开发案例(PID算法)常见问题 0 专栏介绍 本专栏旨在通过对ROS2的系统学习,掌握ROS2底层基本分布式原理,并具有机器人建模和应用ROS2进行实际项目的开发和调试的工程能力。 🚀详情:《ROS2从入门到精通》 1 控制插

算法与数据结构面试宝典——回溯算法详解(C#,C++)

文章目录 1. 回溯算法的定义及应用场景2. 回溯算法的基本思想3. 递推关系式与回溯算法的建立4. 状态转移方法5. 边界条件与结束条件6. 算法的具体实现过程7. 回溯算法在C#,C++中的实际应用案例C#示例C++示例 8. 总结回溯算法的主要特点与应用价值 回溯算法是一种通过尝试各种可能的组合来找到所有解的算法。这种算法通常用于解决组合问题,如排列、组合、棋盘游

【图像识别系统】昆虫识别Python+卷积神经网络算法+人工智能+深度学习+机器学习+TensorFlow+ResNet50

一、介绍 昆虫识别系统,使用Python作为主要开发语言。通过TensorFlow搭建ResNet50卷积神经网络算法(CNN)模型。通过对10种常见的昆虫图片数据集(‘蜜蜂’, ‘甲虫’, ‘蝴蝶’, ‘蝉’, ‘蜻蜓’, ‘蚱蜢’, ‘蛾’, ‘蝎子’, ‘蜗牛’, ‘蜘蛛’)进行训练,得到一个识别精度较高的H5格式模型文件,然后使用Django搭建Web网页端可视化操作界面,实现用户上传一