跳到主要内容

肉鸽与程序生成:让随机内容满足约束

随机性必须服务于选择​

肉鸽常把程序关卡、随机奖励、局内构筑和失败重开组合起来,但这些特征可以独立存在。先明确当前项目需要的变化是什么:地图路线不同、敌人组合不同,还是升级选择促使玩家调整策略。完全随机不等于丰富;如果每次抽到的升级都只是伤害加一点,随机只改变数字顺序,没有改变决策。

程序生成可以分成布局与内容放置。研究中的两阶段地牢生成也采用先创建建筑结构,再放置起点、目标、挑战与奖励的思路。教学项目可先生成房间图,保证连通与关键路径,再为房间分配遭遇、商店和奖励。这样比先随机撒一堆对象、再试图修复所有约束更容易解释,也便于分别验证。

先定义硬约束和软目标。硬约束如起点可达终点、钥匙位于锁前、出生点不与敌人重叠、房门有足够宽度;软目标如分支数量、战斗密度、奖励间隔与路线长度分布。硬约束不满足就拒绝该结果,软目标用于评价与调参。不能用一个总评分掩盖不可通关的地图,因为其他分数再高也无法补偿硬约束失败。

种子只是复现的起点​

为了重放,除了种子,还需要生成器版本、配置版本、调用顺序与随机数状态。同一个种子在算法变更后不保证生成相同地图。把地图生成、奖励与表现随机拆成不同随机流,可以避免新增一个粒子随机颜色就改变下一关地形。序列化实际布局也有价值,尤其是长期存档需要跨版本恢复时。

// 教学用可重复伪随机;不用于密码、支付或可信抽奖。
function makeRng(seed: number) {
let state = seed >>> 0;
return () => {
state = (Math.imul(state, 1664525) + 1013904223) >>> 0;
return state / 4294967296;
};
}
type RunIdentity = {
seed: number;
generatorVersion: number;
configVersion: string;
};

调用随机函数也属于规则的一部分。候选被拒绝时是否消耗随机数、排序是否稳定、遍历集合的顺序,都可能改变结果。固定随机流之后,再固定房间与候选排序,日志中记录失败原因。重要的奖励结果不能依靠客户端可预测随机数防作弊;有可信价值的资产必须放到服务端授权和审计范围内。

生成后执行验证与有限修复​

房间图生成后,先从起点遍历可达集合,检查终点与必经房间;再把房间连接落实到实际格子地图,考虑角色半径验证通路。图连通不代表门口没有被装饰物堵住。钥匙门需要在扩展状态中携带已获得钥匙;单纯把所有门都当作可走,会把不可解地图误判为可解。

生成失败必须有次数上限。可以重试少量不同候选,仍失败则使用经过验证的保底地图,并记录种子、版本和拒绝原因。保底不是掩盖缺陷:应统计触发频率,频繁回退说明约束或生成算法需要调整。不要在主线程无限重抽,也不要因为一次失败就放宽关键安全约束,导致偶发出生即死亡。

奖励生成同样需要约束。三选一要避免重复、无效项和已经满级的能力;某些能力只有在前置能力存在时才有意义。权重抽样需验证权重非负且总和大于零,候选不足时给明确替代。保底机制、去重和权重变化都属于概率规则,应可说明和复现;不能把“随机”当作不解释异常的理由。

构筑需要组合边界​

能力协同可通过标签表达,如投射物、火焰、持续伤害、近战,但不要让每个能力知道所有其他能力。基础属性修饰可以规定顺序:基础值加平值,再乘同组增益,最后应用全局倍率;效果触发应有次数与递归深度限制,避免“命中生成子弹、子弹命中再生成子弹”的无限链。日志记录触发来源,才能解释异常爆发。

局内成长与跨局成长分开。局内能力随失败清空,跨局解锁保留哪些内容需要明确。若跨局永久数值增长太强,玩家的局内选择可能被压成单纯刷次数;是否符合目标要通过体验验证。收费或广告复活还会改变风险结构,应提供透明条件与次数上限,不把“失败可重来”偷偷变成必须付费才能继续。

在 Cocos 中呈现生成结果​

Creator 3.8.8 组件消费已生成的布局,把地形、房门与遭遇创建为节点。生成逻辑不需要依赖当前相机与场景遍历,才能在无画面环境批量检查。资源尚未准备好时可以先生成模型并展示加载状态,等关键资源齐备再允许输入;不能让敌人先运行、玩家却仍看加载界面。每个生成对象保留稳定编号,便于对照文本地图与画面。

常见错误包括仅保存初始种子却无法恢复中途随机流、升级候选全部满级时卡死、保底地图未使用同一套验证器、地图视觉可走但碰撞不可走,以及配置更新破坏旧存档。定位时先恢复实际布局与构筑,再比较随机调用日志;直接重新随机一局只会丢失问题证据。

评价生成器的输出分布​

抽查几张漂亮地图不足以说明生成质量。可以批量统计主路径长度、死路数量、分支深度和奖励距离,再查看极端样本。分布过窄说明随机变化可能只是装饰,极端尾部过长则可能产生异常耗时或资源不足。指标要服务于体验目标,不是越多越好;把地图特征与实际试玩观察联系起来,才能决定应收紧哪个约束。保留最差样本和回退样本,比只保存成功截图更能推动生成器改进。

给 AI 的任务与验收​

任务示例:“生成八至十二个房间的连通图,固定起点和终点,先不做钥匙门。布局与遭遇使用独立种子流,最多重试二十次,失败用固定保底。输出文本地图、约束报告和版本,三选一排除满级项。所有数量仅为本次教学参数。”要求 AI 先实现验证器,再连接场景视图。

验收对一组固定种子检查终点可达、出生安全、无重复编号、奖励可用与重试有界;同一版本种子生成完全一致的模型。人为制造候选不足、无合法落点和旧版本存档,确认能够明确回退或拒绝。批量通过说明约束筛查有效,不代表地图质量、商业表现或真机性能已被证明。

来源与核查范围​