47、促进本科生实验游戏设计:与天籁和谐的试点研究

促进本科生实验游戏设计:与天籁和谐的试点研究

1. 课程背景

在当今的教育环境中,鼓励本科生和其他初学者参与实验性游戏设计,不仅有助于培养他们的创新思维,还能提高他们的实际动手能力。我们所在的大学开设了一门毕业设计游戏设计工作坊课程,学生以六到二十人的团队形式合作,用一个学期的时间创建一个功能齐全的电子游戏。传统上,这门课程从文档作业开始,逐步开发技术原型,最终实现包括编程和艺术在内的完整游戏。然而,在2017年秋季,我们尝试了一种新的方法论,旨在通过创建一个安全的实验空间,鼓励学生进行更深层次的实验性设计。

2. 实验性设计

为了推动学生超越已知的游戏类型和机制,我们引入了实验性设计的概念。实验性设计不仅仅是对现有游戏的简单修改,而是要求学生探索全新的游戏体验。为了实现这一点,我们提出了两个设计指导方针:

  1. 游戏必须依赖特定控制器 :游戏需要设计成不使用指定控制器就无法玩,控制器应当是游戏设计的重要组成部分。例如,游戏不能仅仅是用钢琴键盘代替计算机键盘的无尽跑酷游戏。
  2. 游戏不应仅限于弹钢琴 :虽然钢琴应该融入游戏,但游戏不应只是关于弹钢琴,例如它不应该是摇滚乐队的钢琴版本。

这些指导方针迫使学生跳出传统思维,探索新的游戏机制和体验。例如,学生设计了一款名为《天籁和谐》的实验性音乐游戏,该游戏使用带有 MIDI 输出的钢琴键盘作为控制器,计算机将键盘的输出解释为游戏指令。

3. 游戏设计

《天籁和谐》是一款旨在训练玩家音高识别能力的音乐游戏。游戏背景设定在一个被巫师诅咒

MATLAB代码实现了一个基于多种智能优化算法优化RBF神经网络的回归预测模型,其核心是通过智能优化算法自动寻找最优的RBF扩展参数(spread),以提升预测精度。 1.主要功能 多算法优化RBF网络:使用多种智能优化算法优化RBF神经网络的核心参数spread。 回归预测:对输入特征进行回归预测,适用于连续值输出问题。 性能对比:对比不同优化算法在训练集和测试集上的预测性能,绘制适应度曲线、预测对比图、误差指标柱状图等。 2.算法步骤 数据准备:导入数据,随机打乱,划分训练集和测试集(默认7:3)。 数据归一化:使用mapminmax将输入和输出归一化到[0,1]区间。 标准RBF建模:使用固定spread=100建立基准RBF模型。 智能优化循环: 调用优化算法(从指定文件夹中读取算法文件)优化spread参数。 使用优化后的spread重新训练RBF网络。 评估预测结果,保存性能指标。 结果可视化: 绘制适应度曲线、训练集/测试集预测对比图。 绘制误差指标(MAE、RMSE、MAPE、MBE)柱状图。 十种智能优化算法分别是: GWO:灰狼算法 HBA:蜜獾算法 IAO:改进天鹰优化算法,改进①:Tent混沌映射种群初始化,改进②:自适应权重 MFO:飞蛾扑火算法 MPA:海洋捕食者算法 NGO:北方苍鹰算法 OOA:鱼鹰优化算法 RTH:红尾鹰算法 WOA:鲸鱼算法 ZOA:斑马算法
评论
成就一亿技术人!
拼手气红包6.0元
还能输入1000个字符  | 博主筛选后可见
 
红包 添加红包
表情包 插入表情
 条评论被折叠 查看
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