MarkovJunior项目语法详解：从网格创建到规则应用

MarkovJunior项目语法详解：从网格创建到规则应用

MarkovJunior Probabilistic language based on pattern matching and constraint propagation, 153 examples 项目地址: https://gitcode.com/gh_mirrors/ma/MarkovJunior

概述

MarkovJunior是一个基于马尔可夫链的生成系统，通过定义网格、规则和节点来创建复杂的生成式内容。本文将深入解析该系统的核心语法元素，帮助开发者掌握其工作原理。

网格(Grid)系统

网格是MarkovJunior中最基础的构建块，所有生成操作都在网格上进行。网格创建有两种主要方式：

1. 根网格创建：作为整个生成过程的起点
2. 派生网格创建：通过wfc或map节点创建

网格属性详解

• values属性：定义网格可能包含的值集合。例如values="BRGUY"表示网格可以包含黑色(B)、红色(R)、绿色(G)、蓝色(U)和黄色(Y)值，初始值为黑色。

• folder属性：指定规则文件的查找目录。例如folder="DungeonGrowth"会从DungeonGrowth目录加载规则。

• origin属性（仅根网格）：布尔值属性，默认为False。当设置为True时，会在网格中心创建一个像素点，其值为values属性中的第二个值。例如values="YRBAN" origin="True"会创建一个黄色背景的网格，中心有一个红点。

对称性(Symmetry)控制

对称性是生成过程中的重要概念，可以显著影响最终结果的美观性和一致性。

• 默认行为：系统默认使用最大对称性组
• 自定义对称性：通过symmetry属性指定特定的对称模式。例如在花朵生成中，可以限制规则仅沿x轴镜像，确保花朵垂直生长而非侧向生长。

规则(Rules)系统

规则定义了网格状态如何转换，是生成过程的核心机制。

规则定义方式

1. 直接定义：

   • in="BBB/BWB"：定义规则的输入部分
   • out="RR DA FR"：定义规则的输出部分
   • 斜杠/分隔y轴，空格分隔z轴

2. 文件加载：

   • fin="filename"：从文件加载输入
   • fout="filename"：从文件加载输出
   • file="filename"：加载包含输入和输出的完整规则

规则属性

• p属性：规则应用概率，默认为1.0。例如可以设置只有25%的天花板位置会转换为光源。
• legend属性：当从文件加载规则时必须指定，按扫描线顺序列出使用的值。

规则节点(Rulenodes)类型

MarkovJunior提供三种主要规则节点，用于控制规则的执行方式：

1. one节点（存在节点）：

   • 只要存在匹配的规则就执行
   • 适用于"至少存在一个"的场景

2. all节点（全称节点）：

   • 对所有匹配的规则都执行
   • 适用于"全部应用"的场景

3. prl节点（并行节点）：

   • 类似all节点，但规则独立应用，不考虑重叠
   • 性能更高，在无冲突场景下结果与all节点相同

steps属性：限制节点执行步数，例如steps="60"限制最多执行60步。

联合(Unions)机制

联合允许将多个规则组合使用，创建更复杂的生成行为。典型应用包括：

• 组合不同生长方向的规则
• 创建多阶段生成过程
• 实现条件性规则应用

推理(Inference)系统

推理是MarkovJunior的高级功能，允许对生成过程施加约束。

观察元素(observe)

通过observe元素定义约束条件：

• value：当前值
• from：立即转换为什么值
• to：最终应该转换为什么值

例如：

• <observe value="W" to="BR"/>：白色方块最终应变为黑色或红色
• <observe value="I" from="B" to="W"/>：靛蓝方块先变黑，最终变白

搜索模式

• 贪婪模式(search=false)：按规则传播场贪婪执行
• 搜索模式(search=true)：使用规则传播场作为启发式搜索状态图

搜索参数：

• limit：限制搜索状态数
• depthCoefficient：在广度优先和深度优先搜索间插值
• temperature：控制目标跟随严格程度

特殊节点类型

映射(Map)节点

用于网格转换和映射操作，典型应用包括：

• 迷宫生成
• 几何变换
• 空间划分

路径(Path)节点

专为路径相关操作设计，可用于：

• 迷宫填充
• 电路生成
• 地下城布局

卷积(Convolution)节点

实现基于邻域的转换规则，常见用途：

• 细胞自动机(如生命游戏)
• 洞穴生成
• 连通区域处理

高级生成技术

波函数坍缩(WFC)

两种主要模式：

1. 平铺WFC：基于预定义平铺的生成
2. 重叠WFC：基于样本模式的生成

应用场景包括：

• 建筑生成
• 表面纹理
• 复杂结构创建

卷积链(ConvChain)

基于马尔可夫链的生成技术，适用于：

• 迷宫变体
• 有机结构
• 程序化内容混合

常见问题解答

Q：如何创建循环或重复序列？

A：将sequence节点嵌套在markov节点或其他sequence节点内。目前不支持计数器，替代方案是重复执行序列直到满足某个条件。

最佳实践建议

1. 渐进式开发：从简单规则开始，逐步增加复杂度
2. 对称性利用：合理使用对称性提高生成质量
3. 性能优化：在无冲突场景下优先使用prl节点
4. 约束设计：谨慎使用推理系统，避免过度约束
5. 模块化：将复杂规则分解为多个简单规则组合

通过掌握这些语法元素和概念，开发者可以充分利用MarkovJunior创建各种复杂的程序化生成内容。

MarkovJunior Probabilistic language based on pattern matching and constraint propagation, 153 examples 项目地址: https://gitcode.com/gh_mirrors/ma/MarkovJunior