Generación procedural con flujos aleatorios reproducibles

Una semilla es solo parte de la receta

Una semilla de mundo solo resulta útil junto con el algoritmo que la consume. Añadir una única extracción aleatoria puede cambiar todos los resultados posteriores de una secuencia compartida. Por eso, la generación reproducible exige definir quién controla la aleatoriedad, tener entradas estables y registrar las reglas de generación; no basta con mostrar una semilla en un menú.

Separar las secuencias de forma deliberada

PCG documenta, en la interfaz de su generador aleatorio, una inicialización repetible y la selección de secuencias distintas. [1] NumPy documenta cómo derivar flujos a partir de semillas raíz e identificadores deterministas, incluidas las salvedades sobre la independencia probabilística. [2] Usa el método de flujos o de derivación de semillas que admita el generador; aplicar aritmética arbitraria a semillas contiguas no sustituye a una construcción diseñada para ese fin.

Ejemplo práctico

Un mundo ilustrativo usa la semilla 9137 y la región (4, -2). Deriva identidades de flujo independientes para terrain, loot y decoration a partir de una tupla documentada: (generator_version, world_seed, region_id, subsystem). Especifica su codificación y su algoritmo de mezcla para que otra máquina reconstruya las mismas entradas.

Supón que una actualización de la decoración añade una extracción más para colocar flores. Con un único generador global, esa extracción adicional desplazaría la secuencia posterior del botín siempre que la decoración se ejecute primero. Con flujos separados, cambia el flujo de la decoración sin hacer avanzar el del botín. El terreno y el botín siguen siendo reproducibles mientras sus algoritmos, entradas y dependencias no cambien.

A continuación, genera la región (4, -2) antes y después de su vecina. El resultado previsto debería coincidir en ambos órdenes. Si los bordes compartidos dependen de lo que genere la región vecina, resuelve esa dependencia con una regla explícita: los flujos aleatorios independientes, por sí solos, no hacen que una generación dependiente deje de depender del orden.

Flujo de trabajo de implementación

Asigna un único responsable a cada flujo y prohíbe el uso accidental de un generador global ajeno dentro de las funciones de generación. Deriva el trabajo por regiones a partir de la identidad estable de la región, no del número de hilo de trabajo ni del orden en que terminen las tareas. Persiste la semilla, la versión del generador, la versión del contenido y los ajustes de generación relevantes.

Para un mundo generado solo parcialmente, guarda el estado o los contadores del generador que hagan falta, o define un punto de reanudación reproducible. Incluye en los informes de errores el contexto suficiente para regenerar la región afectada. Conserva casos de prueba que comparen la salida lógica y no el ruido de la presentación.

Límites y verificación

Una actualización de una biblioteca, un muestreador de distribuciones modificado, un catálogo de contenido reordenado o una decisión distinta con coma flotante pueden alterar los resultados aunque la semilla no cambie. Trata la reproducibilidad como un contrato versionado y conserva la lógica de generación antigua o el contenido ya materializado cuando las partidas guardadas existentes lo requieran.

Prueba los cambios en la planificación de tareas, en el recorrido de regiones y en los ajustes cosméticos. Comprueba que las elecciones ponderadas usen la distribución prevista y no una correspondencia escrita a mano que introduzca sesgo. Los flujos independientes reducen el acoplamiento accidental, pero no garantizan un mundo jugable, recompensas equilibradas ni el secreto de los resultados generados.

Fuentes

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

[2] Parallel random number generation — NumPy developers.