游戏编程初学者常见问题解答

本文针对游戏编程初学者提供了详细指导,包括语言选择、基础技能、开发环境、SDK、数学要求、源代码学习、软件工程知识等。同时,指出了成为VC高手和制作游戏时容易遇到的问题,并探讨了为什么不应使用C#做游戏的理由。
游戏编程初学者常见问题解答

这里首先假设你使用VC这种IDE来写游戏,平台为win32,如果用Delphi或者VB等其他语言,情况类似,把编成语言及IDE换成对应的即可。

如果你想编游戏,而又有很多不清楚的问题,那请看这个:
1 语言编程:c/c++
2 编程基础一定要好:数据结构,c/c++语言
2 IDE集中开发环境:visual studio .net 2003 or 2005(2005有个浮点数优化bug,建议慎重使用)
3 游戏开发SDK用DirectX9
4 Win32 api开始的时候不能学的太多
5 可以不用MFC(如果你c++基础好,MFC学起来很简单)
6 编网络游戏,使用winsock,通讯协议用TCP
7 多下载源代码,观看之
8 数学上的要求(其它基础文化课类似):不需要了解算法的来历、推导等,但一定要知道它们是干什么用的以及如何用
9 学习STL,必须C++要过关!否则会很难学。首先要学会如何用STL,再想深入的话,学习STL的内部代码。STL首先从list,vector学起。

这里有一些经典推荐书籍介绍:
《微型计算机原理及应用》(第三版) 编著:郑学坚 周斌 清华大学出版社
这是一本大学计算机基础教材,虽然内容不是很新鲜,但基础部分和汇编部分还是不错的,并且价格方面,嘿嘿,借也可以借到,拥有这本书的学生真是太多了。

《C程序设计》(第二版) 作者:谭浩强 清华大学出版社
这本书不用我说,大家也都知道,流传最广泛的C语言教材了。如果看好了此书,C的功底一定不错!

《数据结构(C语言版)》 编著:严蔚敏 吴伟民 清华大学出版社
又是一本大学经典教材,想对程序有深入了解,数据结构不可不看,学了他,你才能打开专业之门。

《C++编程思想》(第二版) 作者:Bruce Eckel 机械工业出版社
嘿嘿嘿,又是经典之作,想学C++和OO,看他,绝对没错,不用买别的C++入门书籍了!!!绝对经典。

《The C++ Standard Library--A Tutorial and Reference》 作者:Nicolai M. Josuttis
具有了一定的C++功底,该是看他的时候了,STL可是前人的思想精华。这本书主要讲述如何使用STL.(我只有这本书的电子版)

《设计模式》 作者:Erich Gamma等著 机械工业出版社

可能有些没有电子书,但可以买到或借到。


为什么你不能成为VC高手

近日在VC知识库中看到这样的帖子,后面的几句话是我自己写的。有感而发。

下述原因都有可能导致你不能学好VC
1) 不会C++语言或者学的不扎实
2) 不理解Windows系统基本工作原理和消息处理机制
3) 不了解IDE使用,特别不知道如何调试程序,这样出错[来源:GameRes.com]只能请教别人。问题无限,可请教的人有限。
4) 不了解任何数据结构知识
5) 没有软件工程知识,不知道怎么架构自己的软件
6) 过度急于求成,不打算认真改变上述原因,而只打算短期速成成为高手。

下述原因导致你不能学好制作游戏(假设使用VC制作游戏)
1 VC没有学好,就去写游戏
2 不懂得游戏编程的特点
3 不熟悉基本的游戏理论,比如动画理论,数学
4 急于求成,想做一个大游戏
5 不常来这个论坛进行交流(嘿嘿)

为什么不用c#来做游戏?
c#做游戏,还不算成熟,首先它的资料少,会让开发陷入缓慢之中;其次,和c++做游戏相比,并没有明显的优势,反而因为需要.net framework做底层,导致机器都必须有这个东西,很难作普及;再次是c#目标是跨平台的,而游戏则恰恰相反,对平台的依赖性较高,每一个平台,都需要不同的优化。导致c#的优越性根本体现不出来。
内容概要:本文介绍了ENVI Deep Learning V1.0的操作教程,重点讲解了如何利用ENVI软件进行深度学习模型的训练与应用,以实现遥感图像中特定目标(如集装箱)的自动提取。教程涵盖了从数据准备、标签图像创建、模型初始化与训练,到执行分类及结果优化的完整流程,并介绍了精度评价与通过ENVI Modeler实现一键化建模的方法。系统基于TensorFlow框架,采用ENVINet5(U-Net变体)架构,支持通过点、线、面ROI或分类图生成标签数据,适用于多/高光谱影像的单一类别特征提取。; 适合人群:具备遥感图像处理基础,熟悉ENVI软件操作,从事地理信息、测绘、环境监测等相关领域的技术人员或研究人员,尤其是希望将深度学习技术应用于遥感目标识别的初学者与实践者。; 使用场景及目标:①在遥感影像中自动识别和提取特定地物目标(如车辆、建筑、道路、集装箱等);②掌握ENVI环境下深度学习模型的训练流程与关键参数设置(如Patch Size、Epochs、Class Weight等);③通过模型调优与结果反馈提升分类精度,实现高效自动化信息提取。; 阅读建议:建议结合实际遥感项目边学边练,重点关注标签数据制作、模型参数配置与结果后处理环节,充分利用ENVI Modeler进行自动化建模与参数优化,同时注意软硬件环境(特别是NVIDIA GPU)的配置要求以保障训练效率。
内容概要:本文系统阐述了企业新闻发稿在生成式引擎优化(GEO)时代下的全渠道策略与效果评估体系,涵盖当前企业传播面临的预算、资源、内容与效果评估四大挑战,并深入分析2025年新闻发稿行业五大趋势,包括AI驱动的智能化转型、精准化传播、首发内容价值提升、内容资产化及数据可视化。文章重点解析央媒、地方官媒、综合门户和自媒体四类媒体资源的特性、传播优势与发稿策略,提出基于内容适配性、时间节奏、话题设计的策略制定方法,并构建涵盖品牌价值、销售转化与GEO优化的多维评估框架。此外,结合“传声港”工具实操指南,提供AI智能投放、效果监测、自媒体管理与舆情应对的全流程解决方案,并针对科技、消费、B2B、区域品牌四大行业推出定制化发稿方案。; 适合人群:企业市场/公关负责人、品牌传播管理者、数字营销从业者及中小企业决策者,具备一定媒体传播经验并希望提升发稿效率与ROI的专业人士。; 使用场景及目标:①制定科学的新闻发稿策略,实现从“流量思维”向“价值思维”转型;②构建央媒定调、门户扩散、自媒体互动的立体化传播矩阵;③利用AI工具实现精准投放与GEO优化,提升品牌在AI搜索中的权威性与可见性;④通过数据驱动评估体系量化品牌影响力与销售转化效果。; 阅读建议:建议结合文中提供的实操清单、案例分析与工具指南进行系统学习,重点关注媒体适配性策略与GEO评估指标,在实际发稿中分阶段试点“AI+全渠道”组合策略,并定期复盘优化,以实现品牌传播的长期复利效应。
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