Tools for Landscape Analysis of Optimisation Problems in Procedural Content Generation for Games

要約

Procedural Content Generation (PCG) という用語は、アルゴリズムによるゲーム コンテンツの (半) 自動生成を指し、その方法はゲーム指向の研究や業界でますます人気が高まっています。
検索ベースの PCG として一般に知られているこれらのメソッドの特別なクラスは、特定のタスクを最適化問題として扱います。
このような問題は、進化的アルゴリズムによって主に取り組まれています。
このホワイトペーパーでは、定義された最適化問題についてより多くの情報を取得することで、コンテンツの生成にアプローチする方法についての理解が大幅に向上することを示します。
そのために、3 つの効率的な分析ツール、つまり対角線ウォーク、高レベル プロパティの推定、および問題の類似性測定について説明します。
PCG のコンテキストで考慮される各方法の目的を説明し、受け取った結果の解釈のガイドラインを提供します。
このようにして、PCG アプローチの比較方法を提供し、最終的には業界で生成されたコンテンツの品質と実用性を高めることを目指しています。

要約(オリジナル)

The term Procedural Content Generation (PCG) refers to the (semi-)automatic generation of game content by algorithmic means, and its methods are becoming increasingly popular in game-oriented research and industry. A special class of these methods, which is commonly known as search-based PCG, treats the given task as an optimisation problem. Such problems are predominantly tackled by evolutionary algorithms. We will demonstrate in this paper that obtaining more information about the defined optimisation problem can substantially improve our understanding of how to approach the generation of content. To do so, we present and discuss three efficient analysis tools, namely diagonal walks, the estimation of high-level properties, as well as problem similarity measures. We discuss the purpose of each of the considered methods in the context of PCG and provide guidelines for the interpretation of the results received. This way we aim to provide methods for the comparison of PCG approaches and eventually, increase the quality and practicality of generated content in industry.

arxiv情報

提供元, 利用サービス

arxiv.jp, Google