Prozedurale Generierung mit reproduzierbaren Zufallsströmen

Ein Seed ist nur ein Teil des Rezepts

Ein Weltseed ist nur zusammen mit dem Algorithmus nützlich, der ihn verarbeitet. Eine einzige zusätzliche Zufallsziehung kann in einer gemeinsam genutzten Sequenz jedes spätere Ergebnis verändern. Reproduzierbare Generierung braucht deshalb klare Zuständigkeit für den Zufall, stabile Eingaben und eine Dokumentation der Generierungsregeln, nicht bloss einen Seed, der in einem Menü angezeigt wird.

Sequenzen bewusst trennen

PCG dokumentiert in seiner Schnittstelle für Zufallsgeneratoren eine wiederholbare Initialisierung und die Auswahl getrennter Sequenzen. [1] NumPy dokumentiert, wie sich Ströme aus Root-Seeds und deterministischen Bezeichnern ableiten lassen, einschliesslich der Einschränkungen bei der probabilistischen Unabhängigkeit. [2] Dafür ist die vom jeweiligen Generator unterstützte Methode für Ströme oder Seed-Ableitung zu verwenden; beliebige Arithmetik auf benachbarten Seeds ersetzt keine gezielt entworfene Konstruktion.

Durchgespieltes Beispiel

Eine beispielhafte Welt verwendet den Seed 9137 und die Region (4, -2). Für terrain, loot und decoration werden getrennte Stromidentitäten aus einem dokumentierten Tupel abgeleitet: (generator_version, world_seed, region_id, subsystem). Kodierung und Mischalgorithmus sind festzulegen, damit ein anderer Rechner dieselben Eingaben rekonstruiert.

Angenommen, ein Update der Dekoration fügt eine zusätzliche Ziehung für die Platzierung von Blumen hinzu. Bei einem einzigen globalen Generator würde diese zusätzliche Ziehung die nachfolgende Loot-Sequenz immer dann verschieben, wenn die Dekoration zuerst läuft. Bei getrennten Strömen ändert sie den Dekorationsstrom, ohne den Loot-Strom weiterzuschalten. Terrain und Loot bleiben reproduzierbar, solange ihre Algorithmen, Eingaben und Abhängigkeiten unverändert bleiben.

Anschliessend wird die Region (4, -2) einmal vor und einmal nach ihrer Nachbarregion generiert. Das beabsichtigte Ergebnis sollte in beiden Reihenfolgen übereinstimmen. Hängen gemeinsame Grenzen von der Ausgabe benachbarter Regionen ab, ist diese Abhängigkeit durch eine explizite Regel aufzulösen; unabhängige Zufallsströme allein machen eine abhängige Generierung nicht reihenfolgeunabhängig.

Ablauf der Umsetzung

Jeder Strom erhält genau einen Verantwortlichen, und die versehentliche Verwendung eines unbeteiligten globalen Generators innerhalb der Generierungsfunktionen wird unterbunden. Die Arbeit pro Region wird aus der stabilen Regionsidentität abgeleitet, nicht aus der Nummer des Worker-Threads oder der Reihenfolge, in der Jobs abgeschlossen werden. Seed, Generatorversion, Inhaltsversion und die relevanten Generierungseinstellungen werden persistiert.

Bei einer teilweise generierten Welt wird der nötige Generatorzustand oder werden die nötigen Zähler gespeichert, oder es wird eine reproduzierbare Neustartgrenze definiert. Bug-Reports sollten genug Kontext enthalten, um die betroffene Region neu zu generieren. Es sind Fixtures vorzuhalten, die das logische Ergebnis vergleichen statt störender Darstellungsdetails.

Grenzen und Überprüfung

Ein Update einer Bibliothek, ein geänderter Sampler für Verteilungen, ein umsortierter Inhaltskatalog oder eine andere Gleitkommaentscheidung können die Ergebnisse trotz unverändertem Seed verändern. Reproduzierbarkeit ist deshalb als versionierter Vertrag zu behandeln; ältere Generierungslogik oder bereits materialisierte Inhalte sind beizubehalten, wo bestehende Spielstände dies erfordern.

Getestet werden sollten Änderungen bei der Job-Planung, der Reihenfolge der Regionsdurchläufe und bei kosmetischen Einstellungen. Zu prüfen ist ausserdem, dass gewichtete Auswahlen die beabsichtigte Verteilung verwenden und nicht eine verzerrte, von Hand geschriebene Abbildung. Unabhängige Ströme verringern ungewollte Kopplungen; sie garantieren weder eine spielbare Welt noch ausgewogene Belohnungen noch die Geheimhaltung generierter Ergebnisse.

Quellen

[1] Using the minimal PCG implementation — Melissa E. O'Neill.

[2] Parallel random number generation — NumPy developers.