3D编程与游戏设计作业五

C#打飞碟游戏设计
本文介绍了一个基于C#的简单鼠标打飞碟游戏的设计与实现过程。游戏包含多个回合,每回合有不同的规则和难度。通过鼠标点击击中不同颜色、大小的飞碟来获取分数。


1.编写一个简单的鼠标打飞碟(Hit UFO)游戏

要求

  1. 游戏有 n 个 round,每个 round 都包括10 次 trial;
  2. 每个 trial 的飞碟的色彩、大小、发射位置、速度、角度、同时出现的个数都可能不同。它们由该 round 的 ruler 控制;
  3. 每个 trial 的飞碟有随机性,总体难度随 round 上升;
  4. 鼠标点中得分,得分规则按色彩、大小、速度不同计算,规则可自由设定。

实现

所有C#文件:
在这里插入图片描述

FirstControllor是控制类,主要控制整个游戏的运行

Singleton的实现与模板完全相同:
在这里插入图片描述
在FirstControllor中,在start中就已经利用Singleton完成飞碟工厂的单例模式:
在这里插入图片描述
Singleton的实现与模板完全相同:
在这里插入图片描述
在update中,首先是检测是否有鼠标点击:
在这里插入图片描述
这里的hit是检测碰撞,即是否击中飞碟:
在这里插入图片描述
然后是根据round数随机生成飞碟:
在这里插入图片描述
其中的SendDisk是调用飞碟工厂类生成飞碟,并随机赋予速度、角度和位置:
在这里插入图片描述

SSAction是动作基类,DiskFlyAction是飞碟飞行的动作类。

DiskFlyAction继承了SSAction,并且通过传入角度、初速度完成飞行的行为:
在这里插入图片描述

DiskFactory类是飞碟工厂类,作用是在需要的时候“生产”和销毁不同的飞碟。

使用链表存放使用的和空闲的飞碟:
在这里插入图片描述

根据预设生成飞碟:
在这里插入图片描述
这里通过返回一个bool判断飞碟是否落到屏幕外来判断是否正确击中飞碟,从而实现打飞碟的hp系统。
在这里插入图片描述

ScoreRecorder计分类

这个类的实现比较简单,只需要在击中飞碟时加上相应分数即可:
在这里插入图片描述

interface是接口类,为其他类的调用提供接口:

在这里插入图片描述

Disk类是用于第二题的预设component,在稍后再介绍。UserGUI则是构建GUI的类,没啥好介绍的。

效果

最终实现了2round的飞碟游戏,在round1中最多可随机出现黄绿两种飞碟,其中黄2分,绿1分;在round2中最多可随机出现黄绿红三种飞碟,新增的红3分。
效果如下:
win:
在这里插入图片描述
lost:
在这里插入图片描述

源代码

GitHub
使用方法:
把asset文件夹拉入项目,新建emptyObject,将FirstControllor、DiskFactory和ScoreRecorder都拉入empty中。(不知道为什么只将FirstControllor拉入的话会报错找不到什么对象,将DiskFactory和ScoreRecorder加入后就正常了,而我找到的博客也没有说有遇到这个问题的。)
在这里插入图片描述

2.编写一个简单的自定义 Component

编写脚本Disk:

public class Disk : MonoBehaviour {
    public int type = 1;
    public int score = 1;                               
    public Color color = Color.green;
}

即可赋予飞碟type(类型)、score(打中获得的分数)、color(颜色)属性,并可以自由调整:
在这里插入图片描述

内容概要:本文介绍了一个基于冠豪猪优化算法(CPO)的无人机三维路径规划项目,利用Python实现了在复杂三维环境中为无人机规划安全、高效、低能耗飞行路径的完整解决方案。项目涵盖空间环境建模、无人机动力学约束、路径编码、多目标代价函数设计以及CPO算法的核心实现。通过体素网格建模、动态障碍物处理、路径平滑技术和多约束融合机制,系统能够在高维、密集障碍环境下快速搜索出满足飞行可行性、安全性能效最优的路径,并支持在线重规划以适应动态环境变化。文中还提供了关键模块的代码示例,包括环境建模、路径评估和CPO优化流程。; 适合人群:具备一定Python编程基础和优化算法基础知识,从事无人机、智能机器人、路径规划或智能优化算法研究的相关科研人员工程技术人员,尤其适合研究生及有一定工作经验的研发工程师。; 使用场景及目标:①应用于复杂三维环境下的无人机自主导航避障;②研究智能优化算法(如CPO)在路径规划中的实际部署性能优化;③实现多目标(路径最短、能耗最低、安全性最高)耦合条件下的工程化路径求解;④构建可扩展的智能无人系统决策框架。; 阅读建议:建议结合文中模型架构代码示例进行实践运行,重点关注目标函数设计、CPO算法改进策略约束处理机制,宜在仿真环境中测试不同场景以深入理解算法行为系统鲁棒性。
评论
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明:

1.余额是钱包充值的虚拟货币,按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载,可以购买VIP、付费专栏及课程。

余额充值