Procedural Generation

Evolutionay Computation

É uma categoria de algoritmos baseados na idéia de uma população baseada em individuos. Em cada geração (iteração do algoritmos) os individuos são atualizados Isso acontece em duas operações mutação e seleção

• mutação: age em cada individuo aplicando pequenas modificações
• seleção: age em toda população removendo o pior individuo após a aplicação de uma fitness function

A fitness function utilizada para avaliar as soluções e determinar a condição de término do algoritmo. Esse método funciona bem em aplicações com grande numero de possiveis soluções.

Algoritmo Genético

No algoritmo genético definimos os genomas para varios individuos de uma geração inicial de forma aleatória. Calculamos a fictness function em cada individuo, selecionamos os melhores individuos e após isso aplicamos uma croosover function que faz a transferencia de atributos para dos pais para os filhos de forma aleatória.

• representação genetica de uma solução
• função para gerar novas soluções
• fitness function
• selection function
• crossover function: selecionando dois individuos da populaçãos seus genomas são trocados para produzir dois novos individuos
• mutation function
• encoding scheme: a representação do genoma de um individuo

Encoding schemas

• Floating point
• tree enconding (Koza)

Markov Chain

Cellular automata

BSP Tree

Hilbert Curves

Referências

6 Techniques for Leveraging AI in Content Generation End-to-End Procedural Generation in Caves of Qud