- 博客(19)
- 收藏
- 关注
RSS订阅原创 游戏引擎分层架构与总体管线
Render Hardware Interface：重新定义图形api，封装硬件SDK。：不同资产有不同生命周期，有限的内存需要释放资源，垃圾回收和延迟加载时很严峻的特征。Resource 各种文件格式的资源 转换importing。STL在高频增删数据时，会出现大量空洞，以及内存不受管理。管理游戏引擎生态的资源池分配 每个资产的实时生命周期。外部编辑工具资产与引擎的编辑工具通过。引擎中最重要的是资产之间的。SSE CPU并行向量计算。：游戏资产的唯一识别号。允许别人创造游戏的内容。需要自己重写数据结构。
2025-01-28 16:08:02
1256
原创 游戏引擎介绍：Game Engine
定义：软件框架，一系列为开发游戏的工具的集合可协作创意生产工具，复杂性艺术，注重realtime实时所有现代游戏实际上是规则体系编程对元件进行逻辑编组至系统，并非特指计算机编程。
2025-01-27 21:42:38
2338
原创 C++ STL容器
为避免哈希冲突需要先定义结构体，重载（）运算符为确保哈希函数不被轻易破解，可在哈希函数中加入许多随机化函数// 针对 std::pair<int, int> 作为主键类型的哈希函数自定义完后，就可以在声明容器时传入哈希函数了。
2025-01-10 18:14:14
823
原创 快速排序，归并排序，二分
常用分界点左边界q[l]，中点q[(l+r)/2],右边界q[r]两者都基于分治思想，先递归分成几部分再逐一解决问题。区间符合某种规律，二分可以找到左半和右半的分界点。在取边界点时，部分情况会导致在边界内无限递归。快排通过分界点的值划分两个部分，归并通过中点。造成Segmentation Fault。使分界点左半部分<=x，右半部分>=x。区间是[l,mid][mid+1,r]区间是[l,mid-1][mid,r]由分界点分为两部分，再各自操作。check函数取决于具体问题。中点mid=（l+r）/2。
2025-01-10 00:58:46
291
原创 AI203：多智能体强化学习，多智能体深度确定性策略梯度(MADDPG)算法 MPE环境搭建
本文使用anaconda搭建MADDPG算法所需的MPE环境。
2025-01-05 21:16:24
524
原创 CS001:数据结构（C语言实现）
数据结构是前人发现的一种可以提高数据存储和操作效率的经验型产物，如今已经成为计算机科学的基础课，学好数据结构可以写出更好的程序，并为操作系统等课程打下基础具有相同数据类型的n个元素的有限序列，n为表长，当n等于零时，为空表表示为。
2024-12-31 21:04:03
890
原创 MATH101：线性代数 Linear Algebra
线性代数在计算机科学中有举足轻重的作用，作为计算机图形学和机器学习等等的数学基础，线性代数具有很强的工具性。这次主要介绍的为大学计算机专业下的线性代数主要内容有m行n列数表组成，记为。
2024-12-29 20:41:35
1630
原创 CG308:希区柯克变焦 Dolly Zoom
一.背景希区柯克变焦是导演希区柯克拍摄心理惊悚片《迷魂记》时，组里的一位摄影师为凸显主人公恐惧的心理尝试了希区柯克变焦的效果，希区柯克变焦又称滑动变焦（Dolly Zoom）二.目标camera向一个object移动时同时缩小相机比例，使object的物体大小看起来没有变化，但场景中其他物体会按照透视的规则改变，也就是突出了目标object三.原理一个恰好和视锥垂直高度一致的物体会在屏幕上占满视图的高度方向。不用管物体与相机的距离和相机的FOV，这一点都是成立的。比如可以将相机向目标
2024-12-29 12:20:13
490
原创 CG304:布料模拟 Cloth Simulation：粒子-弹簧系统，韦尔莱积分与雅克布森约束方法
描述物理世界的运动可以将物体看成质点，变换成笛卡尔坐标系上坐标的变化，这需要存储质点的坐标以及速度，于是模拟一个质点的运动就是依据他的速度大小改变他的坐标。假设现在有五个节点的绳索，在胡克定律下，顶点的移动只会带动第二个点的速度发生变化，并且在下一帧第二个节点的位置才会发生更新。通过对节点的状态进行离散化处理，更新其在每一时刻的位置。可以再进行一次分部积分，观察结果，发现对积分项的分部积分是可以无限迭代下去的。为形变量，弹簧产生的力的方向与发生形变的方向相反。时刻的速度已知的时候，可以通过积分。
2024-12-28 18:54:42
677
原创 AI203（六）：将经典Bandit算法转化为结构化Bandit场景的统一方法（A Unified Approach to Translate Classic Bandit Algorithms）
期望遗憾： 。关于奖励的均值依旧是一个未知量，随着时间的推移，目标将变成将这些奖励均值学习成一个上下文的函数，然后对每个上下文向量选择最大的。这里的算法是比经典场景（UCB，TS，KL-UCB，etc）更深入的MAB算法。已知，在每一轮，我们收到关于每一个行动的奖励的。这样就可以判定臂3不是竞争臂，从而关注臂1，2。
2024-12-26 20:12:13
682
原创 CS000:面向对象编程语言（C++）
最早的面向对象语言是Simula76，而被大家所熟知的面向对象语言有JavaC#Python等，还有Ruby，人工智能语言LISP，前端三剑客之一的JS，和脚本控制语言Lua，以及我们这次介绍面向对象语言使用的C++语言。
2024-12-25 22:04:45
722
原创 AI203:（五）：渐进最优上置信界算法，贝叶斯学习和汤普森采样（Asymplotically Optimal UCB,Beyesian Learning and Thompson Sampling）
利用顺序贝叶斯学习的内容，我们引入汤普森采样，主要思想是，从一个先验分布出发（比如每个臂的奖励均值），基于现有的奖励均值分布做出决策并获取新的数据，然后更新分布，得到新的后验分布。由图可知，在不同的环境下策略2始终不是最优的，而策略1，3，4在特定环境下是最优策略，所以策略1，3，4是允许的（帕累托最优）贝叶斯学习的主要思想是环境的不确定性是被先验概率分布表现的（映射我们对环境的信念），我们只要选择可以最小化期望遗憾的策略。由渐进最优UCB的步骤可以看出，这个算法的探索红利是。
2024-12-24 21:23:21
809
原创 AI203:多臂强盗算法（四）：上置信界算法（Upper Confidence Bound Algorithm）
ETC算法探索了每一只臂m次，然后在未来的所有轮次里再利用找到的拥有最大平均奖励的臂的意思是当足够大时，的增长速率与其渐进相等，意味的并不是数值相等，而是增长速率相等。实际情况选择，由此可见，选探索的次数依赖于总轮数时间步长，通常是已知的）和次优间隙，通常是未知的）
2024-12-24 13:59:48
620
原创 AI203:多臂强盗算法（三）：探索再利用（Explore-Then-Commit Algorithm）
在接下来的多臂强盗算法笔记里，所有的arm的奖励分布均为。轮，算法将选择有最大平均奖励的臂来在未来的轮次里进行利用。探索阶段：在k个臂都被选了m次之前，选择每一个臂。，找到探索阶段里奖励最大的臂，然后一直拉它。是期望为0，方差为1的高斯分布的拖尾。是有界的，那么可以自然的得到次高斯分布。，ETC使用每个固定的arm一定的次数。的值是随便取的，遗憾界应该长什么样呢？一样的想法，ETC算法有两个阶段。当奖励分布是1-次高斯分布时。如果现在有两个以上的臂，而且。所以ETC算法的遗憾是。很大的时候，可近似让。
2024-12-23 21:07:15
739
原创 CS006:Linux命令总结
ls -[a/l] 列出目录内容cd /destination 切换目录pwd 显示当前工作路径cp [-r] source_file destination_file 复制文件或目录mv file1 /detination 移动或重命名文件或目录rm file 删除文件rm -r dir 递归删除目录rm -f file 强制删除mkdir directory 创建目录mkdir -p /path/to/dir 递归创建目录rmdir 删除空目录。
2024-12-20 14:52:59
171
原创 AI203:多臂强盗算法（二）：随机平稳老虎机（1）（Stochastic Stationary Bandit，part 1）
因为reward是一个随机变量，所以Sn也是，需要设计一个检验Sn的分布多好的效用函数，大部分文献都用的是Sn的期望，去找谁的期望是最高的。相关老虎机（Correlated Bandit）：不同action的奖励分布是相关的。learner的目标是在没有任何对reward分布已知的先验知识最大化累积的奖励Sn。这样，目标就变成了最小化action的加权和，而权重等于次优化的差值。大多情况下，对数遗憾几乎是所有算法能达到的最好情况。也就是说，当每轮的算法做出的次优决策以。：包含的所有可能分布的集合。
2024-12-15 20:31:05
494
1
原创 AI203:多臂强盗算法（一）简介 Multi-armed Bandit Algorithm : Intro
多臂老虎机是一个在n轮里learner和environment交互的顺序游戏。learner每一次拉动k个臂的老虎机的臂被称作一个action，而每轮action∈At，活动的集合。每一次action会得到未知分布的reward ，reward ∈ Xt，奖励的集合。
2024-12-13 01:49:22
484
原创 一些人工智能常识与实用AI总结
人工智能在近些年持续霸占高科技的代名词，但似乎仍有许多人们只限于知道人工智能的存在，以及可以为完成工作提高效率，再配上科幻小说赋予的邪恶形象，这似乎就是大部分人对人工智能的全部印象，但未意识到人工智能已经开始深刻且持久的改变人类社会，对AI的使用方式也停留在低效与没有任何技巧的使用上，这篇文章只是我为解决身边同学，尤其是并非计算机相关专业同学的一些通俗问题写就。
2024-12-08 01:22:35
928
1
空空如也
空空如也
TA创建的收藏夹 TA关注的收藏夹
TA关注的人