仿arrow.io之地图

ArrowFighter

Arrow.io是一款射击类游戏,io系列新作。比球球和贪吃蛇的玩法又复杂了一个模式,加入了等级系统。每次升级可以获得技能三选一。金币可以购买进阶的人物。
玩了一下很快就上瘾了,进而有想自己用Unity实现一下这款游戏的想法。当然只是机制,玩法上的尽量还原,美术上就用简单的cube加一些简单的动画来用了,毕竟我只是个码农。不管还原度多少,先做吧。。下面我会把实现这款游戏的步骤和想法成文,记录下来。

地图

  • 地图的生成
    这个我认为arrow.io里面的地图不是随机生成的,而是预先做好了预制(可能有几套),然后加载进来就行。就像dota,lol的地图一样定死的。毕竟moba类地图的多样化不是很重要,反而是更加追求无变化地形,以方便玩家能方便地记住地形。
  • 经验食物和血量食物的生成
    先看看arrow.io里食物的分布:
     
    可以知道:
    • 食物是随机分布的
    • 食物不会生成在墙体里面
    • 食物之间不会重叠

看到第一第二点,可以知道地图的空闲区域(即是玩家可以行走区域的合集)在代码逻辑里应该是知道的。知道了空闲区域,就可以很容易地满足以上三点要求来随机生成食物。于是一个很老套的技术浮现出来就是刷格子。人为地把地图的空闲区域用一个一个的方形格子标记出来。说道刷格子,以前做页游的时候,真是累死人,淡淡(蛋蛋)的忧伤啊。好在这款游戏地形类型比较简单,就两种:能走和不能走。还是用Unity。所以刷格子也不会那么费时费力了。怎么不费时费力,且看下文:
主要步骤:
用四根射线组成一定size的方格从地图正上方同时向正下方打去,此时地图的地板和墙体的layer都已经分别设置成了GroundWall。规定如果有两根(包含)以上的射线打到了墙上则表示这个方块的区域不是空闲区域,标记为0;反则是空闲区域,标记为1。如此反复地从地图的左上角一直扫描至地图的右下角即可完成刷格子工作。标记好的格子存入到一个文件里,以便读取。如下图:
四根射线:
 
刷格子之前的地图:
 
刷格子之后的地图:
 
 
为了方便观察,我把空闲区域的格子都用一个球体占住了。可以看见地图里面的墙体都是空的(0),说明这招行得通。
把数据存入文件里即可。
 
其中前三个数据分别是地图的列数、行数、格子的size。数据之间用“|”隔开了。
好的,有了这些数据,就可以生成食物了。大体步骤:

  • 读取文件
  • 把地图的空闲区域提取至一个数组
  • 从这个数组中随机出一个元素,并根据地图数据的前三个数据得到这个元素的位置信息
  • 把上一步随出来的元素从数组中移除
  • 生成食物并把上一步的位置信息付给它

如下图:
 
其中绿色的是经验,红色的血,生成数量分别是300和100,数量是可以控制的。多了性能可能会急剧下降。
可以明显地看到食物的生成完全符合了以上三点。所以这是可以行的。
接下来我打算写一下人物的控制,这款只有两种控制,一个是控制行走,另外一个就是射击了。
先把标题打上吧。

人物控制

内容概要:本文从关键概念、核心技巧、应用场景、代码案例分析及未来发展趋势五个维度探讨了Python编程语言的进阶之路。关键概念涵盖装饰器、生成器、上下文管理器、元类和异步编程,这些概念有助于开发者突破基础认知的核心壁垒。核心技巧方面,介绍了内存优化、性能加速、代码复用和异步处理的方法,例如使用生成器处理大数据流、numba库加速计算密集型任务等。应用场景展示了Python在大数据处理、Web开发、人工智能和自动化运维等多个领域的广泛运用,特别是在FastAPI框架中构建异步API服务的实战案例,详细分析了装饰器日志记录、异步数据库查询和性能优化技巧。最后展望了Python的未来发展趋势,包括异步编程的普及、类型提示的强化、AI框架的深度整合以及多语言协同。 适合人群:已经掌握Python基础语法,希望进一步提升编程技能的开发者,特别是有意向从事数据科学、Web开发或AI相关工作的技术人员。 使用场景及目标:①掌握Python进阶概念和技术,如装饰器、生成器、异步编程等,提升代码质量和效率;②学习如何在实际项目中应用这些技术,如通过FastAPI构建高效的异步API服务;③了解Python在未来编程领域的潜在发展方向,为职业规划提供参考。 阅读建议:本文不仅提供了理论知识,还包含了丰富的实战案例,建议读者在学习过程中结合实际项目进行练习,特别是尝试构建自己的异步API服务,并通过调试代码加深理解。同时关注Python社区的发展动态,及时掌握最新的技术和工具。
内容概要:本文档《Rust系统编程实战》详细介绍了Rust在系统编程领域的应用,强调了其内存安全、零成本抽象和高性能的特点。文档分为三个主要部分:核心实战方向、典型项目案例和技术关键点。在核心实战方向中,重点讲解了unsafe编程、FFI(外部函数接口)和底层API调用,涉及操作系统组件开发、网络编程、设备驱动开发、系统工具开发和嵌入式开发等多个领域,并列出了每个方向所需的技术栈和前置知识。典型项目案例部分以Linux字符设备驱动为例,详细描述了从环境搭建到核心代码实现的具体步骤,包括使用bindgen生成Linux内核API的Rust绑定,定义设备结构体,以及实现驱动核心函数。 适合人群:对系统编程有兴趣并有一定编程基础的开发者,尤其是那些希望深入了解操作系统底层机制、网络协议栈或嵌入式系统的工程师。 使用场景及目标:①掌握Rust在不同系统编程场景下的应用,如操作系统组件开发、网络编程、设备驱动开发等;②通过实际项目(如Linux字符设备驱动)的学习,理解Rust与操作系统内核的交互逻辑;③提高对unsafe编程、FFI和底层API调用的理解和运用能力。 阅读建议:由于文档内容较为深入且涉及多个复杂概念,建议读者在学习过程中结合实际操作进行练习,特别是在尝试实现Linux字符设备驱动时,务必按照文档提供的步骤逐步进行,并多加调试和测试。
内容概要:本文针对现有配电网灵活性评估方法对网络传输能力考虑不足的问题,提出了一种新的评估方法。该方法首先建立了配电网灵活性供需模型,分析了4种供需匹配情况,接着提出3类灵活性评估指标,构建了以运行成本最低为目标的优化调度模型。通过改进的IEEE33节点配电网仿真验证了方法的有效性。重点解决了高比例分布式电源接入带来的波动性问题,为配电网灵活性评估提供了新思路。文中还详细介绍了MATLAB代码实现,涵盖参数初始化、灵活性需求和供给计算、评估指标计算、优化调度模型及可视化结果等方面。此外,对灵活性供需匹配的4种情况进行深入分析,并扩展实现了完整的灵活性评估系统,增加了动态时间尺度、增强可视化和实用扩展等功能,提升了系统的可扩展性和实用性。; 适合人群:从事电力系统研究、配电网规划与运营的专业人士,特别是关注分布式电源接入和电网灵活性评估的研究人员和技术人员。; 使用场景及目标:①评估含高比例分布式电源的配电网灵活性,解决DG接入带来的波动性问题;②通过优化调度模型最小化运行成本,提高配电网的运行效率;③利用扩展实现的系统进行多时间尺度仿真和不同场景下的对比分析,支持实际工程应用。; 其他说明:此资源不仅提供了详细的理论分析和MATLAB代码实现,还通过模块化设计增强了代码的可扩展性和实用性。建议读者结合具体配电网参数调整设备容量约束,根据当地电价政策优化成本系数,并采用历史数据训练更精确的场景生成模型。同时,可以通过并行计算加速仿真过程,采用交叉验证和蒙特卡洛仿真验证结果的稳定性和鲁棒性。
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