ゲームのコンテンツの手続き型生成で進化的アルゴリズム（EA）または遺伝的プログラミング（GP）を使用している企業または論文の例はありますか？これは業界に存在しますか？
これは私が実際に見つけた唯一の場所です：http : //pcg.wikidot.com/pcg-algorithm :
automatic-game-design
私はこれらの質問もチェックしましたが、PCGの回避策を知ってい
ます。「手続き型生成」とは何ですか、どのように行われますか？
無限レベル
2d手続き型宇宙生成の手続き型生成
回答:
一般に、ほとんどのゲームは、AIをスクリプト化するはるかに簡単で予測可能な方法を選択するか、地形/コンテンツの生成にノイズを使用します。率直に言って、多くの場合、実装するにはコストがかかりすぎるか、ほとんどのプレーヤーが理解するにはランダムすぎるため、ほとんどのゲームは進化的/遺伝的プログラミングを避ける傾向があります。
Darwin's PondやCreaturesシリーズなど、ほとんどの実験的でニッチなゲーム以外では、EAやGPを使用するゲームは本当に考えられません。 黒と白は、信念、欲望、意図のモデルをCreature AIのベースとして使用しましたが、Creatureの動作はランダムに見えるため、ゲームは多くの否定的な応答を得ました。2番目の白黒ゲームでは、クリーチャーAIにスクリプトを使用した可能性があります。
セダイアンの答えは例を示しているので良い答えです。
これらのアプローチで見られる主な問題は、制御の問題だと思います。これらが最終的に依存するヒューリスティックに取り掛かると、目的の処理を実行するシステムを進化させることが非常に難しくなります。正直なところ、それはプロジェクトのコストとリスクの問題です。これらを使用せずに、またはより直接的な手続き型アプローチを使用せずに実装できるゲームのアイデアがある場合は、より適しています。
最も基本的なAIアプローチ（たとえば、A *パスファインディングを取る）でさえ問題は、最初に理解するのに少し時間がかかり、習得するのにかなり多くの時間がかかることです。これにより、よりシンプルで静的なアプローチに近づくことができると思います。イノベーションにはつながりませんが、投資の迅速な回収は無視するのが難しいものです。
そうは言っても、私は間違いなく「誰もそれを試さなければ私たちは決して知らない」という側にいます。しばらくの間、GPプロジェクトが私の頭の中で始まりました。
（調査したい別のアプローチはニューラルネットワークです。ニューラルネットワークは、除去を通じて自然な形の改善（この場合は学習）を模倣する機械プロセスとしてグループ化されることがよくあります。）
このタイプのプログラミングは、可能であれば、AIエージェントに「個性」を与えるために一般的に使用されます。利用可能なさまざまな値を使用して、エージェントが世界で存続し、繁栄するための「最良の」統計を試して繁殖させることができますが、ゲームプレイ中に非常に良い理由で積極的に行われるものではありません。そのゲーム。
プレイヤーを常に倒すことをコンピューターに学習させることができますが、負けることしかできないゲームを誰がプレイするのでしょうか。ポイントは課題を提示することであり、遺伝的アルゴリズムを使用して、AIの組み合わせを特定の方法で試し、見つけて、簡単、中程度、および難しい設定を表すことができます。または、たとえばRTSゲームでは、ラッシャーやタートルなどのスタイルをプレイします。
これらのアルゴリズムは、ローンチ後のゲームで積極的に使用されるのではなく、ゲームのチューニングを求める開発者に適用されます。ゲームプログラミングの宝石の本を読んだ場合、RTSゲームでAIのバランスをとるためにこれらがどのように使用されるかの例を示す記事を見つけることができます。