基于神经进化与新颖性搜索的程序化内容生成用于多样化电子游戏关卡
神经与进化计算
2022-04-15 v1
摘要
程序化生成的电子游戏内容有潜力大幅降低游戏开发者和大型工作室的内容创作成本。然而，其应用受到生成速度慢、内容质量与多样性低等限制的阻碍。我们引入了一种基于进化搜索的方法，利用新颖性搜索（novelty search）进化关卡生成器，以实时程序化生成多样化关卡，无需训练数据或详细的领域特定知识。我们在两个领域上测试了我们的方法，结果表明与现有方法相比生成时间提速一个数量级，同时获得可比的指标分数。我们进一步展示了无需重新训练即可泛化到任意大小关卡的能力。
引用
@article{arxiv.2204.06934,
title = {Procedural Content Generation using Neuroevolution and Novelty Search for Diverse Video Game Levels},
author = {Michael Beukman and Christopher W Cleghorn and Steven James},
journal= {arXiv preprint arXiv:2204.06934},
year = {2022}
}
备注
Accepted to the Genetic and Evolutionary Computation Conference (GECCO '22), July 9--13, 2022, Boston, MA, USA. Code is located at https://github.com/Michael-Beukman/PCGNN