爱好项目的小更新
我可定制的植绒算法是我个人面临的挑战，它是创建一个单一的植绒行为脚本来在其代理上生成自发行为。 它考虑了凝聚力，分离力，游荡，攻击（对某些标记为可攻击的实体），回避和其他一些因素。 该算法基于我参加的Udemy课程，并据此制作了自己的增强版本。
分解动物行为动作并将其重新编写成代码，这是一个很棒的练习，它基于静态逻辑生成自然对羊群运动的随机性。 该算法允许复制一个实体，并使用相同的逻辑生成不同的行为。
这项练习帮助我增进了将复杂情况转换为编程逻辑所需的经验和知识。 同样，它也帮助我推进了游戏AI编程，这是我非常感兴趣的主题。 在我看来，使用代码来重现行为有助于增强分析能力，以开发满足特定需求的优质产品，同时考虑到人类习惯和行为以产生更好的结果。
它可以在机器可以处理的尽可能多的实体上运行，以保持帧速率，仿真是使用97个单位完成的。 如视频所示，所有参数均可实时配置。 为了使事情井井有条，克隆的单元在群游戏对象内部生成，避免了过多的对象填充“层次结构”面板。 也可以添加具有不同个性的实体（只需进行少量代码编辑，即可向系数中添加随机范围值，而不是使它们完全相同）。
遵循的例程是首先收集周围的单位（基于用户定义的半径），对于每次计算（内聚，分离，徘徊，回避，攻击等……），将确定“威尔”系数（该因素的权重）在最终方向上），并根据结果矢量计算最终属性（加速度，速度，方向），它们分别是权重。
这个想法开始是因为我想练习将真实的行为转换为代码，现在轮到我计划制作一款小型游戏（也许是VR），并以此为敌人AI的基础了。
简而言之，这是非常具有挑战性的，但是在我的业余时间开发这个业余爱好项目则更加令人满意。 玩得开心，学习适用于任何编程语言的新技术，创造新事物，并有动力以实现自己的目标为乐，继续学习，这是很棒的。
我只能向希望继续学习进行此类练习的人推荐。 互联网充满了那些想要成长和发展的人们的内容。 前几代人必须面对更艰苦的条件来获取知识，我们的工作是通过尽可能多地利用这些新的可能性来发展自己，以兑现这些知识。
