使用MV制作最简单的游戏:我要做游戏(2)

本次更新继续探讨游戏开发中的物品兑换功能实现。通过使用条件分歧和数据输入处理,作者实现了更丰富的交互体验,包括兑换数量的选择及物品不足时的不同反馈。然而,在测试过程中发现了允许超额兑换的BUG,有待后续修复。

公众号原文

书接上回:我要做游戏(1)

上一回说到,核心功能还欠缺添加得失物品说明兑换数量的选择,以及物品缺少时的对话差异,这些个边角料。这一次就争取把它解决。

首先要用到的就是事件指令中的条件分歧


一步步的设置。需要勾选条件不满足时的分支,这样我们就可以做出拒绝的对话。

然后在分歧中在插入数据输入处理,这样就可以让玩家选择兑换多少个。


好了,完成后的大概效果就是这样的。


同理,可以做出肉汤NPC的分歧选项,不过需要加一个嵌套。


好了,再稍微修饰一下其他细节,效果如何呢。来看一看。

演示视频
咦,出现了一个BUG,输入数量超出所有量也可以兑换,这不是逆天了!不过算了,下次再解决,先到这里。

休息,休息一下。


不知道有没有看了这个系列准备自己做游戏的读者~

内容概要:本文系统介绍了算术优化算法(AOA)的基本原理、核心思想及Python实现方法,并通过图像分割的实际案例展示了其应用价值。AOA是一种基于种群的元启发式算法,其核心思想来源于四则运算,利用乘除运算进行全局勘探,加减运算进行局部开发,通过数学优化器加速函数(MOA)和数学优化概率(MOP)动态控制搜索过程,在全局探索与局部开发之间实现平衡。文章详细解析了算法的初始化、勘探与开发阶段的更新策略,并提供了完整的Python代码实现,结合Rastrigin函数进行测试验证。进一步地,以Flask框架搭建前后端分离系统,将AOA应用于图像分割任务,展示了其在实际工程中的可行性与高效性。最后,通过收敛速度、寻优精度等指标评估算法性能,并提出自适应参数调整、模型优化和并行计算等改进策略。; 适合人群:具备一定Python编程基础和优化算法基础知识的高校学生、科研人员及工程技术人员,尤其适合从事人工智能、图像处理、智能优化等领域的从业者;; 使用场景及目标:①理解元启发式算法的设计思想与实现机制;②掌握AOA在函数优化、图像分割等实际问题中的建模与求解方法;③学习如何将优化算法集成到Web系统中实现工程化应用;④为算法性能评估与改进提供实践参考; 阅读建议:建议读者结合代码逐行调试,深入理解算法流程中MOA与MOP的作用机制,尝试在不同测试函数上运行算法以观察性能差异,并可进一步扩展图像分割模块,引入更复杂的预处理或后处理技术以提升分割效果。
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