游戏人工智能开发之进阶版随机技术

原文地址：游戏人工智能开发之进阶版随机技术

又get3种新的rand方式,简单又实用

分别为高斯分布随机，过滤随机，和perlin随机，perlin老朋友了，主要说说前两种。

高斯分布随机（Gaussian Randomness）

高斯分布也叫正态分布（Normal distribution）或钟形曲线（bell curves），正态分布再熟悉不过了。它长这个样子：
 
为什么要根据高斯分布来产生随机呢，这里要提到一个名词“中心极限定理（central limit theorem）”。中心极限定理：在自然界与生产中，一些现象受到许多相互独立的随机因素的影响，如果每个因素所产生的影响都很微小时，总的影响可以看作是服从正态分布的。中心极限定理就是从数学上证明了这一现象 。简单来讲就是：在现实生活中的随机性概率加起来是符合正态分布的。这就是我们为什么使用高斯分布随机的原因，就是为了时产生的结果更真实。
基于高斯分布的这种随机可以用于：速度，人的特性，随即一片森林的树木高低，人的身高，发射子弹的偏差，等等自然界常见的事情。
Unity中的实现代码：
    

[csharp] view plaincopy

1. using UnityEngine;  
2. using System.Collections;  
3.   
4. public class Gaussian : MonoBehaviour  
5. {  
6.     public int seed = 61829450;  
7.     double sum = 0;  
8.     long r = 0;  
9.     // Use this for initialization  
10.     void Start()  
11.     {  
12.   
13.     }  
14.   
15.     // Update is called once per frame  
16.     void Update()  
17.     {  
18.         if (Time.frameCount % 7== 0)  
19.         {  
20.      //       seed = 61829450;  
21.             sum = 0;  
22.         for (int i = 0; i < 3; i++)  
23.         {  
24.             long holdseed = seed;  
25.             seed ^= seed << 13;  
26.             seed ^= seed >> 17;  
27.             seed ^= seed << 5;  
28.             r = holdseed + seed;  
29.             sum += (double)r * (1.0 / 0x7FFFFFFFFFFFFFFF);  
30.         }  
31.         print( sum); //returns [-3.0, 3.0] at (66.7%, 95.8%, 100%)  
32.         }  
33.     }  
34. }  

下图示普通伪随机和高斯随机分别模拟射子弹的偏差
 
高斯分布大部分的点都在中心，普通的伪随机分布的比较均匀，明显高斯分布更加真实。玩家当然也希望能射准，爆头率更高。
高斯分布的用途：
1.    速度
2.    加速度
3.    尺寸，宽度，高度，质量
4.    模拟视觉，反应时间
5.    子弹填充速度，开火速度
6.    刷新率，冷却率

过滤随机

过滤随机更讲求“公平”，也就是随的越乱就好。过滤是指，我们随机的数有时候太接近，或者差距太多的时候把这些数“过滤”掉，重新随机。
有证据证明，当随机的表现非常小的时候，人类并没有感觉这是随机的。
举个例子，很多人不相信掷硬币的结果是随机的，因为你掷出的结果可能是这样的：
 
有大量的重复00000或11111紧挨在一起。如果你把暴击设为随机产生，随机结果如上图，敌人可能连续发动四五个暴击直接把你连死，这不是玩家想要的结果。但这确实是随机产生的啊，所以有的时候玩家的乐趣比真实性更重要。

二进制过滤

挡在下面几种情况的时候发生过滤：
1.    如果新产生的数已经有四个了，重新随机一个新数
2.    如11001100，会被替换为11001101
3.    111000 或 000111，替换最后一个数

替换前替换后作对比：
 

过滤整数

1.    有两个重复的随机数，则重新随机新数
2.    隔了一个数的重复，如“8, 3, 8” 或 “6, 2, 6” 
3.    太多极限值出现，即太多大值和小值，如“6, 8, 7, 9, 8, 6, 9” 
4.    10个数以内出现两组重复数如“5, 7, 3, 1, 5, 7”
5.    连续上升，或连续下降，如“3, 4, 5, 6”
6.    10个数之内重复次数过多，如“9, 4, 5, 9, 7, 8, 9, 0, 2, 9”
替换前替换后作对比：
 

过滤浮点小数

0-1之间的浮点数
1.    两个连续数字相差小于0.02，如0.875 和0.856
2.    三个连续数字相差小于0.1，如0.345, 0.421, 和0.387.
3.    五个连续增加或连续下降，如0.342, 0.572, 0.619, 0.783, 和0.868.
4.    太多极限值出现，即太多大值和小值，0.325, 0.198, 0.056, 0.432, and 0.216.

总结

如果想要产生的结果更真实，就是用高斯分布随机。如果为了让玩家更开心，可以对产生的随机数进行过滤。

          ------by  wolf96    http://blog.csdn.net/wolf96

原文地址：游戏人工智能开发之进阶版随机技术