AiGameDev.com在这个周一的 pratical insights 是对Phil Hassey采访。
Phil 是一个独立游戏开发者，也是游戏产业社区的活跃分子。
他曾赢得2006年4月的 Ludum Dare 比赛（这个比赛关注群体行为），结果就是产生了名为 GalCon 的非常流行的游戏——上世纪 80 年代叫 Galactic Conquest 的游戏的复刻版。
我最近经常跟 Phil 通 email，问他很多关于 Galcon 的问题，比如人工智能、用 Python 开发游戏等。
你可以在访问他的网站或 GalCon 的网站找到关于他的项目的更多的信息。
此外，还可以下载游戏的demo 。
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：
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：
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：
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：
5240
被折叠的 条评论
为什么被折叠?
到【灌水乐园】发言
