截图1:Ludum Dare 比赛的参赛作品。
Alex Champandard:您好,Phil,感谢您抽出时间来回答这些问题!您能否简要地介绍自己,以及关于成为游戏开发者的背景呢?
Phil Hassey:我自 10 岁以来就一直在制作游戏。我想大概是因为我没有其它事情可做 :),我最喜爱的语言是Python,所有的游戏都是用它开发的。当然我也用 C 写性能敏感的东西,也基于 PHP 来开发 Web 项目。我的游戏大部分都是开源的,我写了不少适用于游戏开发的开源工具/库。
Phil Hassey 开发的游戏:
- Imitation Pickles — Games
AC:Galcon 创意从何而来的呢?能否向不知道这个游戏的读者简单地介绍一下这个游戏?
PH:2006年4月有一个48小时的游戏开发竞赛称为Ludum Dare。比赛主题是群体,而且我一直希望再度缔造“银河征服”风格的游戏,所以我尝试实现飞船群。游戏的原型在48个小时内做出来并赢得了比赛。后来我接受了大家的鼓励,继续开发,然后就有了 GalCon。
Phil Hassey 的相关材料:
- The Glorious History of Galcon
AC :这些飞船是游戏的重要组成部分,我很好奇你如何实现它们的。是否基于 Craig Reynold 的操控行为理论?需要实现很多特定的算法吗?
PH:其实算法很简单-给所有的飞船指定目的地即可。然后执行碰撞检测,让它们腾出地方。
AC :模拟这么多的飞船,你遇到性能问题了吗?如果是遇到过,又是如何解决这些问题的呢?
PH:当然遇过。以前的版本一屏上最多能有 4096 个元素,而我用的又是蛮力碰撞检测。所以在某些情况下,速度就变得相当慢了。当前版本的最大值是2048,并且使用了网格细分屏幕的碰撞检测算法。在把飞船放到屏幕上的时候,我也用来些心思来初始化它们的显示,以避免太多的碰撞。在原始版本中我把它们都放在一个中心点(行星的圆心),然后让它们慢慢地扩散,这产生了非常昂贵的检测代价。
截图2:在 GalCon 的完整版本中可以选择多个 Missions 和多种 AI 机器人。
AC:请问你是如何实现机器的 AI 的?你是先构建了游戏的大部分,还是迭代改进的?
PH:在那 48 个小时里,我把大部分时间花在如何让数学和图形整合在一起的事情上。AI 是最后几个小时里实现的。
AC :在开发过程中,你觉得 AI 有用吗?例如,用来调整参数?
PH:并非如此。来自玩家真实体验的反馈更加有用。
AC :Galcon 的玩法看似相当简单,但要找到一个最佳的策略并不容易!在实现 AI 的时候你用到了哪些游戏理论?
“尝试实现神经网络有助于认清确定决策所需的信息。”
PH:制作最终版本的时候我在 AI 上花了相当长的时间。无数简单的更改自不待言,我甚至还花了一个星期来弄神经网络,但没有任何进展。不过尝试实现神经网络帮助我理清了实现 AI 决策的所需的信息。我在游戏中的机器人上使用了许多新学到的东西。我仍然在开发一些新的机器人,并发现阅读 Galcon 攻略极其有用。我已经实施了一些战略,也创造了一些非常具有挑战性的机器人。有些策略看上去似乎有反直觉,但他们的工作非常好。在某些场景中体验某种特定的 AI 非常有趣,比如多人游戏中加入一个新手级的机器人,这种机器人在公平的比赛中非常容易击败它,但如果给机器人 30 个星球,你只有 2 个,那么玩家就必须正视这个新手,才能赢取比赛。
相关的网页:
- Galcon’s Forum on Strategy
AC:我注意到这是个基于 pygame 编写的游戏。谈一下你使用这个框架的经验如何?有何特别之处?
PH:pygame 棒极了:)!我无需用到什么特别的东西,不过我想在以后使用 OpenGL。因为渲染这多么飞船耗费很多 CPU 资源。
截图3:Galcon 基于 pygame 开发。
AC:深入 mod 的脚本之后,我感叹 Galcon 的 API 竟然如此简洁和结构化。对想跟 AI 对阵的玩家,你有什么要说的?
PH:祝你玩得开心!
截图4:机器人战斗模式对测试 AI 非常有用。
相关材料:- An AI Bot to Colonize the Galaxy in 5 Minutes at AiGameDev.com
- Galcon Forum on Mods and Scripting