基于搜索的程序化内容生成与蒙特卡洛树搜索的实时策略游戏单位生成
人工智能
2022-12-08 v1
摘要
实时策略（RTS）游戏单位生成是程序化内容生成（PCG）研究中一个尚未探索的领域，这导致如何自动生成有趣且平衡的单位这一问题尚未得到解答。在设计RTS游戏时，即使是对于人类而言，创造独特且平衡的单位也是一项困难的任务。拥有一种自动设计单位的方法可以帮助开发者加快创作过程并发现新的想法。在这项工作中，我们提出了一种生成平衡且有用的RTS单位的方法。我们借助基于搜索的PCG以及基于蒙特卡洛树搜索（MCTS）的适应度函数。我们展示了由我们的系统生成的十个单位，旨在用于microRTS游戏，以及结果表明这些单位独特、有用且平衡。
引用
@article{arxiv.2212.03387,
title = {Generating Real-Time Strategy Game Units Using Search-Based Procedural Content Generation and Monte Carlo Tree Search},
author = {Kynan Sorochan and Matthew Guzdial},
journal= {arXiv preprint arXiv:2212.03387},
year = {2022}
}
备注
7 pages, 3 figures, Experimental AI in Games Workshop