通过质量多样性进行程序化内容生成
神经与进化计算
2021-02-16 v1 人工智能
摘要
质量多样性（QD）算法搜索一组由行为度量定义的空间中覆盖该空间的优良解。这种对质量和多样性以及显式度量的同时关注，使 QD 算法区别于标准的单目标和多目标进化算法，也区别于如小生境之类的多样性保持方法。这些特性为游戏中人工智能开辟了新途径，特别是用于程序化内容生成。创建多个系统性变化的解，允许了创造性人-AI 交互以及自适应的新方法。在过去几年中，已提出了少数将 QD 应用于程序化内容生成和游戏玩的尝试；我们讨论了这些工作，并提出了未来工作的挑战。
引用
@article{arxiv.1907.04053,
title = {Procedural Content Generation through Quality Diversity},
author = {Daniele Gravina and Ahmed Khalifa and Antonios Liapis and Julian Togelius and Georgios N. Yannakakis},
journal= {arXiv preprint arXiv:1907.04053},
year = {2021}
}
备注
8 pages, Accepted and to appear in proceedings of the IEEE Conference on Games, 2019