总起
最近入手一本神书——《人工智能与游戏》，它介绍了AI与游戏相辅相成的关系，并且梳理了整个游戏AI的知识脉络。它可以当成游戏AI目录书籍，薄薄的一本书引用了800多篇文献。
游戏中我们接触到的AI可能更多的是寻路算法（Navigation），而这个话题在这本书中属于玩游戏 -> AI可以怎样地玩游戏 -> 基于规划的方法 -> 传统的树搜索。不过介于市面上已经有很多关于寻路算法的书籍，如《游戏人工智能编程案例精粹》，所以它只是简单介绍了一下并没有展开说明。
接下来我通过这本书，了解到了一本在PCG（程序化内容生成）领域第一本教材书籍——《Procedural Content Generation in Games》。
本篇笔记主要目的是记录读书过程中的重点内容，方便以后查阅。本次内容来源于《PCG in Games》的第1章——PCG的介绍，辅助会参考《人工智能与游戏》的第4章——生成内容。
本人水平有限，如有错误的地方欢迎讨论和指正。
介绍
首先我们定义一下PCG：PCG是基于有限或间接的用户输入的游戏内容生成算法，换句话来说PCG可以自己创造内容，也可以和人类玩家或设计师共同创造。
第一个关键词“内容”，根据我们的定义内容主要包含：关卡、地图、游戏规则、纹理贴图、故事、物品、任务、音乐、武器、载具、角色等。而游戏引擎和NPC AI则不包含在其中。
另一个关键词“游戏”，游戏包含了主机游戏、电脑游戏、桌游、卡牌游戏、猜谜游戏等。
最后两个关键词“程序化”和“生成”，我们使用电脑程序和算法进行创造。
为了让我们讨论更加具体，我们来列举一下我们使用PCG想做的事情：
1. 为类《塞尔达传说游戏》生成一个关卡；
2. 在一个太空射击游戏中生成武器；
3. 生成一个完整的、可玩的、平衡的桌游；
4. 一个可以使用植物快速填满游戏世界的引擎中间件；
5. 在策略游戏中一个让玩家自定义地图生成的图形设计工具，并且对其平衡性和乐趣进行评估。
我们不考虑做以下事情：
1. 一个可以让用户*添加、删除物件的地图编辑器；
2. 桌游的AI玩家；
3. 一个可以自动生成植被的引擎（这边我的理解是地形自带的功能，而非使用空间算法之类进行生成）。
使用PCG的原因
1. 人类即是昂贵的又是迟缓的，使用PCG可以节约成本；
2. 让美术和策划从无聊的重复中解放出来，专注于必要的细节；
3. PCG方法能够实现全新的游戏类型；
4. 通过测量及使用神经网络对玩家进行建模，可以创建自适应玩家的游戏；
5. 使设计师更能理解设计并具有创造力，通过更好的PCG方法可以更好地理解设计过程，其反过来也能产生更好的PCG算法。
那些使用PCG的游戏
早期的《Elite》、《Rogue》等游戏使用PCG是为了克服存储容量的限制。Roguelike游戏可以自动生成复杂的游戏过程，但它们往往缺乏视觉吸引力。
PCG很快在商业化的游戏中受到越来越多的关注：
1. 《暗黑破坏神》，PCG用于生成地图、道具和怪物；
2. 《孢子》，程序化动画，玩家创建的生物用填充整个星系；
3. 《文明4》，随机地图；
4. 《我的世界》，生成整个世界和内容；
5. 《洞穴探险》，2D平台roguelike游戏；
6. 《翼飞冲天》，2D手游，生成地形和纹理。
（除了最后一个游戏，我基本都玩过。我们可以看到这些游戏使用PCG主要目的是生成关卡和地形，这是在PCG领域最重要的一个方向，当然最近几年其他方向也开始慢慢的受到重视）
PCG的愿景
PCG技术应用于发行的游戏中已经有30多年，而近几年该技术在学术界的关注迎来激增，结果产生了很多新的方法，以及跟旧方法改进和组合，其中有些方法在真正用于游戏之前还需要进一步研究和开发。
我们需要一些愿景来指明方向：
1. 基于PCG内容生成器，根据规定的游戏引擎和规则，能够产生高质量、自恰的游戏内容；
2. 基于PCG游戏设计，PCG作为gameplay的一部分，如果你将PCG生成的内容移除，那么游戏中将不具有任何的可辨识的游戏内容；
3. 生成一个完整的游戏，但现阶段我们只能生成一些简单的游戏规则。
在开发生成器时我们定义一个更具体的愿景是非常值得的。
评估PCG方案
我们可以将PCG方法作为一种解决内容生成问题时的方案，针对不同的应用不同的方案有其所权衡点，比如速度和质量、多样的和可靠的。
几种评估PCG方案的属性：
1. 速度，主要依赖于是gameplay实时生成还是开发阶段进行生成；
2. 可靠性，生成内容可能需要满足某种条件；
3. 可控的，设计师或算法可以具体指定生成哪些内容；
4. 多样性的，从极端角度考虑生成的内容是固定的还是随机的；
5. 创造性和可信度，使内容看上去像是人类创造的。
PCG的分类标准
1. 动态生成和离线生成，动态生成可以生成无尽的变化，而离线生成更适用于生成复杂的环境和地图；
2. 必要内容和可选内容，必要内容必须保证其正确性；
3. 可控性，使用随机种子或一组参数，在《我的世界》中使用相同的种子将会生成完全相同的世界；
4. 体验无关的和体验驱动的，在学术界体验驱动的受到了越来越大的关注，但大部分商业游戏仍然以一种通用的、与体验无关的方式来处理PCG；
5. 随机的和确定的，随机性允许一个算法提供极大的差异，另一方面完全确定的PCG方法可以被视为某种形式的数据压缩；
6. 构造性的和先生成再测试，分型和元胞自动机生成关卡是构造性的，并且只生成一次，而基于搜索方法的则需要先生成再测试，需要迭代多次直到内容足够优秀；
7. 自主生成的和混合主导的，生成过程中是否需要人类设计师或玩家参与。
PCG的象征意义
Khaled提出使用PCG的四种象征意义：
1. 工具，仅作为辅助设计师的一种工具；
2. 材料，成为设计师新的一种材料，一个流行的商业例子是SpeedTree；
3. 设计师，成为游戏设计师本身，现在属于勘探阶段；
4. 领域专家，提供额外的知识，用来评价和提升设计。
本书大纲
第二章，基于搜索方法的PCG，其中来源于达尔文进化论的进化算法是用于寻找合适的游戏内容。
第三章，讨论了一个创建地牢的roguelike游戏，以及2D空间下的导航。一些方法来源于开发者社区，并广泛应用于如《暗黑破坏神》等游戏。其他的，如元胞自动机，起源于物理学。最后，我们也会讨论一下马里奥AI框架用于测试关卡生成算法。
第四章，将介绍来源于计算机图形学的算法研究，即简单分型算法和其他噪声算法，用于处理地形、景观、纹理和云。这些算法快速并且可靠，但缺乏可控性。因此提出其他两种生成景观的方法：基于搜索方法的和基于代理集合的。
第五章，语法，首先介绍了一个创建植物的例子。近年来许多3A游戏使用语法创建植被，当然语法也可以用于创建关卡，本章剩余的部分将介绍使用语法来生成《塞尔达传说》风格的动作冒险游戏的关卡和任务，以及如何进化语法生成《超级马里奥兄弟》的关卡。
第六章，创建游戏规则，从桌游到卡牌游戏和街机游戏，这些尝试有些是构造性的，但大多数都是基于搜索的，本章还将会讨论电子游戏描述语言，一种编码简单街机游戏规则的方法。
第七章，生成游戏叙事，几乎所有方法都来源于规划算法，规划算法是一种来源于控制机器人的经典AI方法，本章还会讨论游戏叙事如何与地图生成相结合。
第八章，ASP(Answer Set Programming)，答案集编程，在一种名为AnsProlog语言中指定内容生成方法和条件，求解器将生成满足指定条件的所有内容，用于猜谜游戏的关卡。
第九章，回到第二章基于搜索方法PCG的主题，本章示范了几种游戏内容表达形式的选择，表达形式很重要，因为其定义了搜索空间的形式及搜索的方式，本章将演示如何明智的选择表达形式以生成满足评估的内容。比如花被表示为神经网络，关卡生成器被表示为代理集合。
第十章，介绍经验驱动的PCG，对玩家进行建模。
第十一章，谈及PCG与人类设计师进行合作。
第十二章，讨论如何评价PCG生成内容的质量。
参考
《Procedural Content Generation in Games》
《人工智能与游戏》