Алгоритмы стратегии градостроительства

Question

Я ищу несколько статей по поиску стратегии развития инфраструктуры в таких играх, как Starcraft / Age of Empires. Основные факты, характеризующие эти игры:

1. непрерывное время (ну, это можно разбить на 10-секундные периоды или что-то в этом роде)
2. много переменных, описывающих рост (много ресурсов, уровни зданий и т. Д.)
3. много переменных, влияющих на рост (технологические улучшения, уровни и т. Д.)

Большинство из того, что я мог найти, в основном либо:

1. поиск по дереву, минимизирующий время для достижения заданного условия (здание / технология на уровне X)
2. максимальное значение поиска в дереве = каждая игровая переменная * смещение
3. генетические алгоритмы ... очевидное выполнение любого из вышеперечисленных

Есть ли лучшие алгоритмы, которые можно настроить для поиска идеального решения ранней фазы?

Answer 1

Вы можете найти информацию по одной или нескольким из этих книг: http://www.gamedev.net/columns/books/books.asp?CategoryID=7

Answer 2

Не существует «идеального решения» для ранней фазы (если ваша игра достаточно сложна). Если вы играли в эти игры онлайн, вы увидите, что игроки используют разные стратегии, и все они работают в зависимости от стратегии другого игрока. Некоторые пытаются атаковать очень рано, некоторые более оборонительны, некоторые предпочитают развиваться экономически, а не иметь много неподготовленных солдат.

Учитывая это, я полагаю, что вы должны попытаться найти функцию с хорошим значением, которая будет максимизирована.

Answer 3

Я не знаю ни одного конкретного алгоритма, но это похоже на проблему коммивояжера. Похоже, у вас есть базовые правила, поэтому вы уже в пути. Если вы знаете, какое конечное условие вы хотите достичь, тогда не составит труда построить эвристический алгоритм для вышеуказанных правил. Затем вы можете просто запустить симуляцию аутов сборки и затем сравнить их друг с другом. Каждый раз, когда вы делаете это, у вас будет лучшее представление о том, как добраться туда, куда вы хотите. Проверьте это , чтобы узнать об эвристических алгоритмах.