2D獵寶行動(類掃雷小遊戲)DAY 6
1.製作任務的2D精靈動畫
2.設計動畫狀態機的狀態與融合樹
3.完成角色的狀態機設定
給遊戲新增角色人物,在GenerateStandArea方法中新增一行程式碼
player.transform.position = new Vector3(1, y, 0);
執行程式,結果如下:
4.使用Cinemachine進行攝像機跟隨
新增Cinemachine元件,新增Cinemachine相機,修改ResetCamera方法
private void ResetCamera() { //調整相機位置 //Camera.main.orthographicSize = (h + 3) / 2f; //Camera.main.transform.position = new Vector3((w - 1) / 2f, (h - 1) / 2f, -10); CinemachineVirtualCamera vCam = GameObject.Find("VCam").GetComponent<CinemachineVirtualCamera>(); vCam.m_Lens.OrthographicSize = (h + 3) / 2f; CinemachineFramingTransposer ft = vCam.GetCinemachineComponent(CinemachineCore.Stage.Body) as CinemachineFramingTransposer; ft.m_DeadZoneHeight = (h * 100) / (300 + h * 100f); ft.m_DeadZoneWidth = (h * 100) / (300 + h * 100f) / 9 * 16 / h; }
5.使用Cinemachine將攝像機限制在地圖內
private void ResetCamera() { //調整相機位置 //Camera.main.orthographicSize = (h + 3) / 2f; //Camera.main.transform.position = new Vector3((w - 1) / 2f, (h - 1) / 2f, -10); CinemachineVirtualCamera vCam = GameObject.Find("VCam").GetComponent<CinemachineVirtualCamera>(); vCam.m_Lens.OrthographicSize = (h + 3) / 2f; CinemachineFramingTransposer ft = vCam.GetCinemachineComponent(CinemachineCore.Stage.Body) as CinemachineFramingTransposer; ft.m_DeadZoneHeight = (h * 100) / (300 + h * 100f); ft.m_DeadZoneWidth = (h * 100) / (300 + h * 100f) / 9 * 16 / h; GetComponent<PolygonCollider2D>().SetPath(0, new Vector2[]{ new Vector2(-2f,-2f), new Vector2(-2f,h+1f), new Vector2(w+1f,h+1f), new Vector2(w+1f,-2f) }); }
6.拖動滑鼠以檢視地圖
private void Update() { if (Input.GetKeyDown(KeyCode.Space)) { ResetTarget(); } } private void OnMouseOver() { if (Input.GetMouseButtonDown(0)) { player.transform.GetChild(0).transform.position = Camera.main.ScreenToWorldPoint(new Vector3(Screen.width / 2, Screen.height / 2, 0)) + new Vector3(0, 0, 10); } if (Input.GetMouseButton(0)) { player.transform.GetChild(0).transform.position -= new Vector3(Input.GetAxis("Mouse X") * 0.5f, 0, 0); } }
7.AStar尋路的感性認識與演算法模擬
你是否在做一款遊戲的時候想創造一些怪獸或者遊戲主角,讓它們移動到特定的位置,避開牆壁和障礙物呢?
如果是的話,請看這篇教程,我們會展示如何使用A星尋路演算法來實現它!
在網上已經有很多篇關於A星尋路演算法的文章,但是大部分都是提供給已經瞭解基本原理的高階開發者的。
本篇教程將從最基本的原理講起。我們會一步步講解A星尋路演算法,幷配有很多圖解和例子。
不管你使用的是什麼程式語言或者操作平臺,你會發現本篇教程很有幫助,因為它在非程式語言的層面上解釋了演算法的原理。稍後,會有一篇教程,展示如何在Cocos2D iPhone 遊戲中實現A星演算法。
現在找下到達一杯咖啡因飲料和美味的零食的最短路徑,開始吧!:]
一隻探路貓
讓我們想象一下,有一款遊戲,遊戲中一隻貓想要找到獲取骨頭的路線。
“為什麼會有一隻貓想要骨頭?!”你可能會這麼想。在本遊戲中, 這是一隻狡猾的貓,他想撿起骨頭給狗,以防止被咬死!:]
現在想像一下下圖中的貓想找到到達骨頭的最短路徑:
不幸的是,貓不能直接從它當前的位置走到骨頭的位置,因為有面牆擋住了去路,而且它在遊戲中不是一隻幽靈貓!
遊戲中的貓同樣懶惰,它總是想找到最短路徑,這樣當他回家看望它的女朋友時不會太累:-)
但是我們如何編寫一個演算法計算出貓要選擇的那條路徑呢?A星演算法拯救了我們!
簡化搜尋區域
尋路的第一步是簡化成容易控制的搜尋區域。
怎麼處理要根據遊戲來決定了。例如,我們可以將搜尋區域劃分成畫素點,但是這樣的劃分粒度對於我們這款基於方塊的遊戲來說太高了(沒必要)。
作為代替,我們使用方塊(一個正方形)作為尋路演算法的單元。其他的形狀型別也是可能的(比如三角形或者六邊形),但是正方形是最簡單並且最適合我們需求的。
像那樣去劃分,我們的搜尋區域可以簡單的用一個地圖大小的二維陣列去表示。所以如果是25*25方塊大小的地圖,我們的搜尋區域將會是一個有625 個正方形的陣列。如果我們把地圖劃分成畫素點,搜尋區域就是一個有640,000個正方形的陣列了(一個方塊是32*32畫素)!
現在讓我們基於目前的區域,把區域劃分成多個方塊來代表搜尋空間(在這個簡單的例子中,7*6個方塊 = 42 個方塊):
Open和Closed列表
既然我們建立了一個簡單的搜尋區域,我們來討論下A星演算法的工作原理吧。
除了懶惰之外,我們的貓沒有好的記憶力,所以它需要兩個列表:
- 一個記錄下所有被考慮來尋找最短路徑的方塊(稱為open 列表)
- 一個記錄下不會再被考慮的方塊(成為closed列表)
貓首先在closed列表中添加當前位置(我們把這個開始點稱為點 “A”)。然後,把所有與它當前位置相鄰的可通行小方塊新增到open列表中。
下圖是貓在某一位置時的情景(綠色代表open列表):
現在貓需要判斷在這些選項中,哪項才是最短路徑,但是它要如何去選擇呢?
在A星尋路演算法中,通過給每一個方塊一個和值,該值被稱為路徑增量。讓我們看下它的工作原理!
路徑增量
我們將會給每個方塊一個G+H 和值:
- G是從開始點A到當前方塊的移動量。所以從開始點A到相鄰小方塊的移動量為1,該值會隨著離開始點越來越遠而增大。
- H是從當前方塊到目標點(我們把它稱為點B,代表骨頭!)的移動量估算值。這個常被稱為探視,因為我們不確定移動量是多少 – 僅僅是一個估算值。
你也許會對“移動量”感興趣。在遊戲中,這個概念很簡單 – 僅僅是方塊的數量。
然而,在遊戲中你可以對這個值做調整。例如:
- 如果你允許對角線移動,你可以針對對角線移動把移動量調得大一點。
- 如果你有不同的地形,你可以將相應的移動量調整得大一點 – 例如針對一塊沼澤,水,或者貓女海報:-)
這就是大概的意思 – 現在讓我們詳細分析下如何計算出G和H值。
關於G值
G是從開始點A到達當前方塊的移動量(在本遊戲中是指方塊的數目)。
為了計算出G的值,我們需要從它的前繼(上一個方塊)獲取,然後加1。所以,每個方塊的G值代表了從點A到該方塊所形成路徑的總移動量。
例如,下圖展示了兩條到達不同骨頭的路徑,每個方塊都標有它的G值:
關於H值
H值是從當前方塊到終點的移動量估算值(在本遊戲中是指方塊的數目)。
移動量估算值離真實值越接近,最終的路徑會更加精確。如果估算值停止作用,很可能生成出來的路徑不會是最短的(但是它可能是接近的)。這個題目相對複雜,所以我們不會再本教程中講解,但是我在教程的末尾提供了一個網路連結,對它做了很好的解釋。
為了讓它更簡單,我們將使用“曼哈頓距離方法”(也叫“曼哈頓長”或者“城市街區距離”),它只是計算出距離點B,剩下的水平和垂直的方塊數量,略去了障礙物或者不同陸地型別的數量。
例如,下圖展示了使用“城市街區距離”,從不同的開始點到終點,去估算H的值(黑色字):
A星演算法
既然你知道如何計算每個方塊的和值(我們將它稱為F,等於G+H), 我們來看下A星演算法的原理。
貓會重複以下步驟來找到最短路徑:
- 將方塊新增到open列表中,該列表有最小的和值。且將這個方塊稱為S吧。
- 將S從open列表移除,然後新增S到closed列表中。
- 對於與S相鄰的每一塊可通行的方塊T:
-
- 如果T在closed列表中:不管它。
- 如果T不在open列表中:新增它然後計算出它的和值。
- 如果T已經在open列表中:當我們使用當前生成的路徑到達那裡時,檢查F 和值是否更小。如果是,更新它的和值和它的前繼。
如果你對它的工作原理還有點疑惑,不用擔心 – 我們會用例子一步步介紹它的原理!:]
貓的路徑
讓我們看下我們的懶貓到達骨頭的行程例子。
在下圖中,我根據以下內容,列出了公式F = G + H 中的每項值:
- F(方塊的和值):左上角
- G(從A點到方塊的移動量):左下角
- H(從方塊到B點的估算移動量): 右下角
同時,箭頭指示了到達相應方塊的移動方向。
最後,在每一步中,紅色方塊表示closed列表,綠色方塊表示open列表。
好的,我們開始吧!
第一步
第一步,貓會確定相對於開始位置(點A)的相鄰方塊,計算出他們的F和值,然後把他們新增到open列表中:
你會看到每個方塊都列出了H值(有兩個是6,一個是4)。我建議根據“城市街區距離”去計算方塊的相關值,確保你理解了它的原理。
同時注意F值(在左上角)是G(左下角)值和H(右下腳)值的和。
第二步
在第二步中,貓選擇了F和值最小的方塊,把它新增到closed列表中,然後檢索它的相鄰方塊的相關數值。
現在你將看到擁有最小增量的是F值為4的方塊。貓嘗試新增所有相鄰的方塊到open列表中(然後計算他們的和值),除了貓自身的方塊不能新增以外(因為它已經被新增到了closed列表中)或者它是牆壁方塊(因為它不能通行)。
注意被新增到open列表的兩個新方塊,他們的G值都增加了1,因為他們現在離開始點有2個方塊遠了。你也許需要再計算下“城市街區距離”以確保你理解了每個新方塊的H值。
第三步
再次,我們選擇了有最小F和值(5)的方塊,繼續重複之前的步驟:
現在,只有一個可能的方塊被新增到open列表中了,因為已經有一個相鄰的方塊在close列表中,其他兩個是牆壁方塊。
第四步
現在我們遇到了一個有趣的情況。正如你之前看到的,有4個方塊的F和值都為7 – 我們要怎麼做呢?!
有幾種解決方法可以使用,但是最簡單(快速)的方法是一直跟著最近被新增到open列表中的方塊。現在繼續沿著最近被新增的方塊前進。
這次有兩個可通過的相鄰方塊了,我們還是像之前那樣計算他們的和值。
第五步
接著我們選擇了最小和值(7)的方塊,繼續重複之前的步驟:
我們越來越接近終點了!
第六步
你現在訓練有素了!我打賭你能夠猜出下一步是下面這樣子了:
我們差不多到終點了,但是這次你看到有兩條到達骨頭的最短路徑提供給我們選擇:
在我們的例子中,有兩條最短路徑:
- 1-2-3-4-5-6
- 1-2-3-4-5-7
It doesn’t really matter which of these we choose, it comes down to the actual implementation in code.
選擇哪一條其實沒關係,現在到了真正用程式碼實現的時候了。
第七步
讓我們從其中一塊方塊,再重複一遍步驟吧:
啊哈,骨頭在open列表中了!
第八步
現在目標方塊在open列表中了,演算法會把它新增到closed列表中:
然後,演算法要做的所有事情就是返回,計算出最終的路徑!
一隻有遠見的貓
在上面的例子中,我們看到當貓在尋找最短路徑時,它經常選擇更好的方塊(那個在它的未來最短路徑上的方塊)- 好像它是一隻有遠見的貓!
但是如果貓是盲目的,並且總是選擇第一個新增到它的列表上的方塊,會發生什麼事情?
下圖展示了所有在尋找過程中會被使用到的方塊。你會看到貓在嘗試更多的方塊,但是它仍然找到了最短路徑(不是之前的那條,而是另一條等價的):
圖中的紅色方塊不代表最短路徑,它們只是代表在某個時候被選擇為“S”的方塊。
我建議你看著上面的圖,並且嘗試過一遍步驟。這次無論你看到哪個相鄰的方塊,都選擇“最壞”的方式去走。你會發現最後還是找到了最短路徑!
所以你可以看到跟隨一個“錯誤的”方塊是沒有問題的,你仍然會在多次重複嘗試後找到最短路徑。
所以在我們的實現中,我們會按照以下的演算法新增方塊到open列表中:
- 相鄰的方塊會返回這些順序: 上面/左邊/下面/右邊。
- 當所有的方塊都有相同的和值後,方塊會被新增到open列表中(所以第一個被新增的方塊是第一個被貓挑選的)。
下面是從原路返回的示意圖:
最短的路徑是從終點開始,一步步返回到起點構成的(例子:在終點我們可以看到箭頭指向右邊,所以該方塊的前繼在它的左邊)。