An Introduksjon til GameplayKit: Del 3
18
Del
5
Del
Dette Cyber ​​mandag Envato Tuts + kurs vil bli redusert til bare $ 3. Ikke gå glipp av
Dette innlegget er en del av en serie som heter An Introduction to GameplayKit.An Introduksjon til GameplayKit. Del 2

Dette er den tredje delen av An Introduction to GameplayKit. Hvis du ennå ikke har gått gjennom den første delen og den andre delen, så anbefaler jeg å lese disse tutorials først før du fortsetter med denne.

Innledning

I denne tredje og siste tutorial, jeg kommer til å lære deg om to flere funksjoner du kan bruke i dine egne spill:

tilfeldig verdi generatorer

regelsystemer

I denne opplæringen, vil vi først bruke en av GameplayKit er tilfeldig verdi generatorer for å optimalisere vår første fiende gyting algoritme. Vi vil deretter gjennomføre en grunnleggende regel system i kombinasjon med en annen tilfeldig fordeling til å håndtere restartet oppførsel av fiender.

For denne opplæringen, kan du bruke ditt eksemplar av det ferdige prosjektet fra andre tutorial eller laste ned en ny kopi av kildekoden fra GitHub.

1. Random Verdi Generatorer

Tilfeldige verdier kan genereres i GameplayKit ved hjelp av noen klasse som samsvarer med GKRandom protokollen. GameplayKit gir fem klasser som samsvarer med denne protokollen. Disse klassene inneholder tre tilfeldige kilder og to tilfeldige utdelinger. Den største forskjellen mellom tilfeldige kilder og tilfeldige utdelinger er at distribusjoner bruker en tilfeldig kilde til å produsere verdier innenfor et bestemt område, og kan manipulere tilfeldig verdi utgang på ulike andre måter.

De nevnte klasser er levert av rammen så at du kan finne den rette balansen mellom ytelse og tilfeldig for spillet ditt. Noen tilfeldig verdi generer algoritmer er mer komplekse enn andre og dermed påvirker resultatene.

For eksempel, hvis du trenger et tilfeldig tall genereres hver ramme (seksti ganger per sekund), så det ville være best å bruke en av de raskere algoritmer. I kontrast, hvis du bare sjelden genererer en tilfeldig verdi, kan du bruke en mer kompleks algoritme for å gi bedre resultater.

De tre tilfeldige kilde klasser tilbys av GameplayKit rammeverket er GKARC4RandomSource, GKLinearCongruentialRandomSource, og GKMersenneTwisterRandomSource .

GKARC4RandomSource

Denne klassen bruker ARC4 algoritme og er egnet for de fleste formål. Denne algoritmen virker ved å frembringe en rekke tilfeldige tall basert på et frø. Du kan initialisere en GKARC4RandomSource med en bestemt frø hvis du trenger å replikere tilfeldig oppførsel fra en annen del av spillet. En eksisterende kilde sæd kan hentes fra sine frø beskyttet eiendom.

GKLinearCongruentialRandomSource

Dette tilfeldig kilde klassen bruker den grunnleggende lineær kongruentrekursjonssekvens generator algoritme. Denne algoritmen er mer effektiv og gir bedre resultater enn den ARC4 algoritmen, men det frembringer også verdier som er mindre tilfeldig. Du kan hente en GKLinearCongruentialRandomSource objektets frø og lage en ny kilde med det på samme måte som en GKARC4RandomSource objekt.

GKMersenneTwisterRandomSource

Denne klassen bruker Mersenne Twister algoritme og genererer mest tilfeldige resultater, men det er også den minst effektive. Akkurat som de andre to tilfeldige kilde klasser, kan du hente en GKMersenneTwisterRandomSource objektets frø og bruke den til å lage en ny kilde.

De to tilfeldige distribusjons klasser i GameplayKit er GKGaussianDistribution og GKShuffledDistribution.
< h3> GKGaussianDistribution

sikrer Denne fordelingen type som de genererte tilfeldige verdier følge en gaussfordeling-også kjent som en normalfordeling. Dette betyr at flertallet av de genererte verdiene vil falle i midten av intervallet du angir.

For eksempel, hvis du setter opp en GKGaussianDistribution objekt med en minimumsverdi på 1, en maksimal verdi på 10, og standardavvik på 1, vil om lag 69% av resultatene være enten 4, 5 eller 6. Jeg vil forklare denne fordelingen i mer detalj når vi legger en til vårt spill senere i denne opplæringen.

GKShuffledDistribution

Denne klassen kan brukes til å sørge for at tilfeldige verdier er jevnt fordelt over det angitte området. For eksempel, hvis du generere verdier mellom 1 og 10, og en 4 genereres, en annen 4 vil ikke bli generert før alle de andre tall mellom 1 og 10 har også blitt generert.

Det er nå på tide å sette alt dette i praksis. Vi kommer til å legge to tilfeldige utdelinger til spillet vårt. Åpne prosjektet i Xcode og gå til GameScene.swift. Den første tilfeldig fordeling vil vi legge til en GKGaussianDistribution. Senere vil vi også legge til en GKShuffledDistribution. . Legge til følgende to eiendommer til GameScene klassen
Var initialSpawnDistribution = GKGaussianDistribution (randomSource: GKARC4RandomSource (), lowestValue: 0, highestValue: 2) Var respawnDistribution = GKShuffledDistribution (randomSource: GKARC4RandomSource (), lowestValue: 0, highestValue: 2 )

I denne tekstutdrag, skaper vi to fordelinger med en minimumsverdi på 0 og en maksimal verdi av 2. For GKGaussianDistribution, midlere og avvik blir automatisk beregnet etter følgende ligninger:

mener = (maksimum - minimum) /2

avvik = (maksimum - minimum) /6

Gjennomsnittet av en Gaussisk fordeling er midtpunktet og avviket brukes til å beregne hvor mange prosent av verdiene bør være innenfor et visst område fra middelverdien. Prosentandelen av verdier innenfor en viss rekkevidde er:

68,27% innen ett avvik fra gjennomsnittet

95% innen 2 avvik fra gjennomsnittet

100% innen 3 avvik fra gjennomsnittet

Dette betyr at ca 69% av de genererte verdiene skal være lik 1. Dette vil resultere i flere røde prikker i forhold til grønne og gule prikker. For å gjøre dette arbeidet, må vi oppdatere initialSpawn metoden

I for loop, erstatte følgende linje:.
La respawnFactor = arc4random ()% 3 //Vil produsere en verdi mellom 0 og 2 (inkluderende)

med følgende:
la respawnFactor = self.initialSpawnDistribution.nextInt ()

nextInt metoden kan kalles på et objekt som er i samsvar med GKRandom protokollen og vil returnere en tilfeldig verdi basert på kilde og eventuelt fordeling som du bruker.

Bygg og kjøre programmet ditt, og flytte rundt på kartet. Du skal se mye mer røde prikker i forhold til både grønne og gule prikker.

Den andre tilfeldig fordeling som vi skal bruke i spillet vil komme inn i bildet når du håndterer regelen systembasert respawn atferd.

2. Regel Systems

GameplayKit regel systemer brukes til å bedre organisere betinget logikk i spillet, og også innføre fuzzy logikk. Ved å innføre fuzzy logikk, kan du lage enheter i spillet ditt ta avgjørelser basert på et utvalg av ulike regler og variabler som spiller helse, nåværende fiende teller, og avstanden til fienden. Dette kan være svært fordelaktig i forhold til enkel hvis og slå uttalelser

Regel systemer, representert ved GKRuleSystem klasse, har tre sentrale deler til dem:.