【问题标题】:Generating random points within a hexagon for procedural game content在六边形内为程序性游戏内容生成随机点
【发布时间】:2010-07-13 17:14:46
【问题描述】:

我正在使用程序技术为我正在编写的游戏生成图形。

为了生成一些树林,我想在以 为中心的正六边形区域内随机散布树木。

以统一的方式生成这些点的最佳方法是什么?

【问题讨论】:

  • 保证是正则六边形吗?如果是这样,为什么问题中没有说明?如果不是,那么“居中”是什么意思?
  • 是的,它是一个普通的六边形 - 好地方,编辑反映。
  • 感谢所有非常有趣的解决方案:另外澄清一下,虽然这当然有帮助,但并不是绝对有必要尽量减少随机数调用的次数
  • @mikera:好吧,这似乎并不重要,因为这里最简单的解决方案可以最大限度地减少对 random 的平均调用次数!
  • 感谢大家提出的所有好主意 - 这是显示完成结果的图片:yfrog.com/0d100713ironcladearlymap2p

标签: algorithm language-agnostic random procedural-generation


【解决方案1】:

如果你能为你的六边形找到一个好的矩形边界框,生成均匀随机点的最简单方法是拒绝采样 (http://en.wikipedia.org/wiki/Rejection_sampling)

也就是说,找到一个完全包含你的六边形的矩形,然后在矩形内生成均匀的随机点(这很简单,只需为正确范围内的每个坐标独立生成随机值)。检查随机点是否在六边形内。如果是,请保留它。如果不是,再画一个点。

只要你能找到一个好的边界框(矩形的面积不应该大于它所包围的六边形面积的一个常数因子),这将非常快。

【讨论】:

  • 这种方法失败的几率是 25%,我认为这相当高。我们可以通过三个随机数调用确定性地选择这些点(请参阅我的答案),但再想一想,这个答案的预期随机数调用数可能会超过该答案的随机数调用数......
  • 我做了一些计算:您必须选择随机点的预期次数 = 4/3。选择一个随机点 = 2 个随机数调用。因此,预期的随机数调用次数 = 8/3 = 2.6667,任何时候都超过 3 :-) +1。
  • 顺便说一句,关于常数因子区域的注释:如果你选择一个矩形使得失败的机会变得超过1/3,那么你应该使用另一种保证3次随机数调用的方法每点。
  • 如果您使用圆形,您的 p 将接近 4/5,但创建生成点的成本可能会超过矩形所需的约 5% 的查找成本。对于圆形中的均匀分布,您使用极坐标并在 [0,2pi) 中选择一个角度,半径 = R*sqrt(rand())
  • @M:(回应“我们需要sqrt吗?”)是的,否则就不会统一了。
【解决方案2】:

一个可能简单的方法如下:

    F ____ B
     /\  /\
  A /__\/__\ E
    \  /\  /
     \/__\/
     D     C

考虑平行四边形 ADCO(中心为 O)和 AOBF。

其中任何一点都可以写成两个向量 AO 和 AF 的线性组合。

这两个平行四边形中的一点 P 满足

P = x* AO + y * AF 或 xAO + yAD。

其中 0

类似地,平行四边形 BECO 中的任意点 Q 都可以写成向量 BO 和 BE 的线性组合,使得

Q = xBO + yBE 其中 0

从而选择一个随机点

我们选择

A 的概率为 2/3,B 的概率为 1/3。

如果你选择了A,选择[0,1)中的x(注意,半开区间[0,1))和[-1,1]中的y,然后选择点P = xAO+y AF 如果 y > 0 否则选择 P = x*AO + |y|*AD。

如果选择了 B,则在 [0,1] 中选择 x,在 [0,1] 中选择 y,然后选择点 Q = xBO + yBE。

因此需要三个随机数调用才能选择一个点,这可能就足够了,具体取决于您的情况。

【讨论】:

  • 不够好,因为不统一。中心比边缘更有可能。他明确表示他想要均匀分布。
  • @Amadan:中心与任何其他点一样可能:0 概率 :-) 是否有一些非零面积区域比其他面积相等的区域更有机会?
  • @Amadan:无论如何,这是可以纠正的。我已经编辑了答案。
  • 我认为这不太对,您如何在 DOC 中获得分数?如果您选择 A 并且 y
  • @Dolphin:完全正确!不过,这很容易纠正。已编辑。问题是假设 AD = -AF! :-)。希望是现在。我也同意简化事情的部分。为您的评论 +1。
【解决方案3】:

如果是正六边形,想到的最简单的方法就是把它分成三个菱形。这样(a)它们具有相同的面积,并且(b)您可以在任何一个菱形中选择一个随机点,其中包含从 0 到 1 的两个随机变量。这是一个有效的 Python 代码。

from math import sqrt
from random import randrange, random
from matplotlib import pyplot

vectors = [(-1.,0),(.5,sqrt(3.)/2.),(.5,-sqrt(3.)/2.)]

def randinunithex():
    x = randrange(3);
    (v1,v2) = (vectors[x], vectors[(x+1)%3])
    (x,y) = (random(),random())
    return (x*v1[0]+y*v2[0],x*v1[1]+y*v2[1])

for n in xrange(500):
    v = randinunithex()
    pyplot.plot([v[0]],[v[1]],'ro')

pyplot.show()

讨论中的几个人提出了对离散版本的六边形进行统一采样的问题。最自然的离散化是使用三角形晶格,并且上述解决方案的一个版本仍然有效。您可以稍微修剪菱形,使它们每个都包含相同数量的点。他们只错过了起源,作为特殊情况必须单独允许。这是一个代码:

from math import sqrt
from random import randrange, random
from matplotlib import pyplot

size = 10

vectors = [(-1.,0),(.5,sqrt(3.)/2.),(.5,-sqrt(3.)/2.)]

def randinunithex():
    if not randrange(3*size*size+1): return (0,0)
    t = randrange(3);
    (v1,v2) = (vectors[t], vectors[(t+1)%3])
    (x,y) = (randrange(0,size),randrange(1,size))
    return (x*v1[0]+y*v2[0],x*v1[1]+y*v2[1])

# Plot 500 random points in the hexagon
for n in xrange(500):
    v = randinunithex()
    pyplot.plot([v[0]],[v[1]],'ro')

# Show the trimmed rhombuses
for t in xrange(3):
    (v1,v2) = (vectors[t], vectors[(t+1)%3])
    corners = [(0,1),(0,size-1),(size-1,size-1),(size-1,1),(0,1)]
    corners = [(x*v1[0]+y*v2[0],x*v1[1]+y*v2[1]) for (x,y) in corners]
    pyplot.plot([x for (x,y) in corners],[y for (x,y) in corners],'b')

pyplot.show()

这是一张图片。

alt text http://www.freeimagehosting.net/uploads/0f80ad5d9a.png

【讨论】:

  • 因为我们将处理有限数量的有理数(以及有限数量的六边形点),这并没有给出这些点的均匀分布,因为获得原点的机会更大而不是在六边形边缘获得一个点的机会。 (Amadan 对我的回答有同样的问题)。但我想这很容易纠正。
  • 这个解决方案(原则上也是你的解决方案)是连续分布的有效浮点实现,其中获得任何特定点的概率为 0。唯一的偏差与舍入误差和有限的随机数源的精度。离散解决方案也是一个好问题,但它与提出的问题不同。作者必须指定他希望如何离散化六边形。
  • 我想 OP 不会关心确切的离散化,并且会对您可以提供的任何合理的离散化感到满意(您已经在这样做)。顺便说一句,我同意你的看法。
  • 其实我的方案和白痴的方案是等价的,只是没仔细看。积极的一面是,我编写了代码。
  • 第一个代码块是在六边形中生成一个随机格点的函数。第二个块调用该函数 500 次并绘制结果。第三段代码显示了函数中使用的引导菱形。
【解决方案4】:

传统方法(适用于任何多边形区域)是对原始六边形执行梯形分解。完成后,您可以通过以下两步过程选择随机点:

1) 从分解中选择一个随机梯形。每个梯形的选择概率与其面积成正比。

2) 在步骤 1 选择的梯形中均匀地选择一个随机点。

如果您愿意,可以使用三角剖分代替梯形分解。

【讨论】:

    【解决方案5】:

    把它分成六个三角形(因此这适用于任何正多边形),随机选择一个三角形,然后randomly choose a point in the selected triangle。

    在三角形中选择随机点是well-documented problem。

    当然,这非常快,您只需在每个点生成 3 个随机数 --- 没有拒绝,等等。

    更新:

    由于您必须生成两个随机数,this is how you do it:

    R = random(); //Generate a random number called R between 0-1
    
    S = random(); //Generate a random number called S between 0-1
    
    if(R + S >=1)
    {
    R = 1 – R;
    S = 1 – S;
    }
    

    【讨论】:

    • 但是,其中大多数给出的解决方案需要生成两个随机数,然后丢弃它们,直到它们的总和小于 1。因此,如果超出十六进制边界,您不妨只对一个框进行采样并丢弃。 ..
    • +1。这似乎比我的回答简单:-),但它也有同样的问题,因为内部“边缘”点比外部边缘点“更有可能”(Amadan 对我的回答感到担忧)。如果我们处理的是纯连续实数(在这种情况下任何点的机会 = 0),这个问题就没有意义,但实际上是一个合理的问题,因为我们只使用有限数量的有理近似值。
    【解决方案6】:

    您可以查看我 2009 年的论文,其中我推导出了一种“精确”方法来在不同晶格形状内生成“随机点”:“六边形”、“菱形”和“三角形”。据我所知,这是“最优化的方法”,因为对于每个 2D 位置,您只需要两个随机样本。之前衍生的其他作品每个 2D 位置需要 3 个样本!

    希望这能回答问题!

    http://arxiv.org/abs/1306.0162

    【讨论】:

      【解决方案7】:

      1) 从点到数字(只是枚举它们),得到随机数 -> 得到点。

      另一种解决方案。

      2) 如果 N - 六边形边的长度,从 [1..N] 中获取 3 个随机数,从某个角开始,用这个数字移动 3 次,用于 3 个方向。

      【讨论】:

        【解决方案8】:

        上面的拒绝抽样解决方案直观而简单,但使用了一个矩形,以及(大概)欧几里得 X/Y 坐标。您可以通过使用半径为 r 的圆来提高效率(尽管仍然不是最理想的),并使用从中心的极坐标生成随机点,其中距离为 rand()*r,theta(以弧度为单位)为rand()*2*PI.

        【讨论】:

        • 其实想一想,这不会很均匀,因为靠近圆心的树会更靠近彼此。也就是说,具有两个 theta 值 t1 和 t2 的树在“极点”附近的物理距离比在圆的边缘更近。
        猜你喜欢
        • 1970-01-01
        • 1970-01-01
        • 1970-01-01
        • 2023-04-01
        • 1970-01-01
        • 2016-11-19
        • 1970-01-01
        • 2013-05-12
        • 1970-01-01
        相关资源
        最近更新 更多