用于生成具有局部变化的大规模游戏关卡图案的混合编码方法

生成对抗网络（GANs）是一种用于进化搜索的强大间接基因型到表型映射。许多先前将 GAN 应用于关卡生成的工作聚焦于固定大小的片段拼接成完整关卡，但单个片段可能不能连贯地契合在一起。相比之下，人工设计关卡中的片段常被重复、直接或带变化地组织成图案（如《塞尔达传说》第一关的对称鹰，或《超级马里奥兄弟》中重复的管道母题）。此类图案可用组合图案生成网络（CPPNs）产生。CPPNs 将潜在向量 GAN 输入定义为几何的函数，将由 GAN 输出的片段组织成完整关卡。然而，潜在向量集合也可被直接进化，产生更混乱的关卡。我们提出一种混合方法，先进化 CPPNs，但允许潜在向量随后进化，结合两种方法的优势。这些方法在《超级马里奥兄弟》和《塞尔达传说》中评估。我们先前通过质量-多样性（Quality-Diversity）算法证明 CPPNs 比直接进化的关卡更好地覆盖可能关卡的空间。此处我们展示混合方法（1）覆盖了其他两种方法均不能覆盖的区域，且（2）取得了可比或更优的 QD 分数。