11、基于位置的游戏应用与游戏劳动

基于位置的游戏应用与游戏劳动

1. 引言

基于位置的游戏应用在应用生态系统中取得了一定的成功,吸引了数百万玩家,也为开发者带来了利润。然而,开发者往往遵循主流游戏行业的保守模式,生产标准化产品,且难以长期维持。本文将通过几个案例研究,探讨这些游戏的开发条件以及玩家的实际体验,分析应用生态系统对游戏设计、商业模式和玩家体验的影响。

2. 研究背景与案例选择

以往关于基于位置的游戏的民族志研究较少,智能手机的出现改变了这一状况,使基于位置的游戏应用更易于进行学术研究。本文不仅关注《精灵宝可梦Go》,还研究了《暗影城市》(2011 - 2013)和《生活就是魔法》(2013 - 2015),尽管后两款游戏已从应用商店下架,开发者也已解散,但它们是基于位置的游戏向应用生态系统过渡的重要案例。

3. 案例一:《暗影城市》(2011 - 2013)
  • 游戏概述
    • 游戏设定 :玩家在“动画师”和“建筑师”两个对立阵营中选择一方,目标是为所选阵营占领领土并防御敌方。游戏环境是基于玩家当前位置的类似谷歌地图的虚拟再现,包括街道、地标和建筑。玩家扮演法师,通过赚取经验点提升角色能力,学习更强的法术和技能,与敌人战斗。
    • 游戏玩法 :玩家从固定位置查看游戏地图,通过在触摸屏上绘制符号(如“Z”)来施放法术,以积累角色经验和属性。施放法术需要消耗“魔力”,魔力耗尽后需使用“药水”恢复或等待自然恢复。玩家还可以设置“统治者”来控制领土,设置“守护”来防御领土。
提供了基于BP(Back Propagation)神经网络结合PID(比例-积分-微分)控制策略的Simulink仿真模型。该模型旨在实现对杨艺所著论文《基于S函数的BP神经网络PID控制器及Simulink仿真》中的理论进行实践验证。在Matlab 2016b环境下开发,经过测试,确保能够正常运行,适合学习和研究神经网络在控制系统中的应用。 特点 集成BP神经网络:模型中集成了BP神经网络用于提升PID控制器的性能,使之能更好地适应复杂控制环境。 PID控制优化:利用神经网络的自学习能力,对传统的PID控制算法进行了智能调整,提高控制精度和稳定性。 S函数应用:展示了如何在Simulink中通过S函数嵌入MATLAB代码,实现BP神经网络的定制化逻辑。 兼容性说明:虽然开发于Matlab 2016b,但理论上兼容后续版本,可能会需要调整少量配置以适配不同版本的Matlab。 使用指南 环境要求:确保你的电脑上安装有Matlab 2016b或更高版本。 模型加载: 下载本仓库到本地。 在Matlab中打开.slx文件。 运行仿真: 调整模型参数前,请先熟悉各模块功能和输入输出设置。 运行整个模型,观察控制效果。 参数调整: 用户可以自由调节神经网络的层数、节点数以及PID控制器的参数,探索不同的控制性能。 学习和修改: 通过阅读模型中的注释和查阅相关文献,加深对BP神经网络PID控制结合的理解。 如需修改S函数内的MATLAB代码,建议有一定的MATLAB编程基础。
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