我正在研究我的遥测数据,试图找出70%的永久死亡跑结束时间在第一个小时的原因。结果显示,我对“人狼叛魅”的GameplayKit的GKAgent的实现过于高效。 我使用了一致的栖群算法来模拟昆虫行为,但没有考虑到这些实体在上视角的 2D 网格上如何“风筝”式地飞行。
“凝聚力”和“分离力”权重被精心调音,以使群将玩家完全包围,彻底消除了玩家逃生的机会。 目前,我正在尝验一个“威胁缓慢增加”功能来调整这些权重基于玩家对“原始森林”的起始区的距离。 这是一个挑战型AI和数学上不可能性的微妙界限。
我正在研究我的遥测数据,试图找出70%的永久死亡跑结束时间在第一个小时的原因。结果显示,我对“人狼叛魅”的GameplayKit的GKAgent的实现过于高效。 我使用了一致的栖群算法来模拟昆虫行为,但没有考虑到这些实体在上视角的 2D 网格上如何“风筝”式地飞行。
“凝聚力”和“分离力”权重被精心调音,以使群将玩家完全包围,彻底消除了玩家逃生的机会。 目前,我正在尝验一个“威胁缓慢增加”功能来调整这些权重基于玩家对“原始森林”的起始区的距离。 这是一个挑战型AI和数学上不可能性的微妙界限。
评论 (0)