早苗厨：机械zg会梦到电子雨天放晴吗
发布于 2021-04-24 13:07:34

小猪硕士：AI拆塔是最优解吧，如果只是为了通关AI就太慢了 发布于 2021-04-24 12:26:04

貪玩壞小孩：魔塔的场景其实跟alpha go有点类似，都是2D棋盘式的过程，一些技能传送类的策略可以参考策略游戏（如星际）的ai，现在游戏AI的开源项目很多，可以先套下试试。 发布于 2021-04-24 11:26:24

花葬列nice：搞出来了顺便写篇论文发到一区 发布于 2021-04-24 00:10:34

我是pre：毕竟魔塔是一个NP/NPC问题
期待神经网络的结果 发布于 2021-04-24 00:09:34

莹烛之灬：题主哪个学校的? 发布于 2021-04-23 23:16:24

游戏狂人693：真大佬来了，支持 发布于 2021-04-23 20:43:34

牧童短笛2014：我最近就在考虑魔塔如何才能刷，如何才能做成开放世界，魔塔的未来肯定要摆脱这个固定模板的宿命。目前魔塔的蓝海作者们已经在发挥他们的才能和创意了，已经再做尝试了，而我也相信魔塔游戏的未来一定会比今天更高，从事魔塔创作的可爱作者们能够不再用爱发电，而是能够评借自己的创作获得他人的尊重，喜爱和在现世生存必不可少的财富。如果魔塔生成技术有所突破和成就，使得构建一个完整开放世界存在可能，魔塔就会迎来新生。
--2021年春节前献上祝福 发布于 2021-04-23 20:00:34

牧童短笛2014：传统RPG和角色扮演类游戏相比于魔塔的优势就在于推广难度低，玩家上手快，任何段位的玩家都能感受到爽点。其核心要义就是可以刷，可以肝，可以通过刷装备，刷等级，刷技能，从而吊打boss。如果是网游还可以氪金和靠运气。但魔塔本身的框架决定了玩家刷不了，即使是现在的境界塔，你高等级了，是找不到低等级的怪刷经验的。你只会碰到更高等级的怪。 发布于 2021-04-23 19:59:04

牧童短笛2014：可是想要推广就必须降低游戏门槛，但门槛一旦降低，红海拆塔的乐趣这些低门槛的玩家就完全无法体会到了，只能说鱼与熊掌不可兼得。 发布于 2021-04-23 19:58:04

牧童短笛2014：不过比较尴尬的是，即使AI辅助魔塔生成未来有如此高的应用价值，但是由于服务的对象群体太小，商业价值太低。也就是说，花费时间和精力做这个事不会有财富上的回报。只能沦为业余兴趣研究课题，而无法成为商业项目。这就导致了，从事人数少，时间不可控，质量不可控等一系列问题。要解决这个问题，除非有人（神）能把魔塔这种小众硬核游戏推广至全国玩家甚至全球玩家。 发布于 2021-04-23 19:54:24

牧童短笛2014：训练数据的话，利用塔吧目前的作品就已经够用了，可是数据结构的设计，数据的录入和清洗是难题，至于算法和工具的选择，并没有那么难，只是不断试验，调优的体力活。 发布于 2021-04-23 19:52:14

牧童短笛2014：相比较于求解魔塔这个课题，我更感兴趣的是魔塔生成的研究方向，未来应用定位在辅助作者造塔过程。比如：自动设置怪物强度和数据，自动绘制地图，自动排布怪物，这样减少作者造塔过程中固定的体力活，使得作者关注剧情和游戏体验本身，这样能显著提高生产力，加快造塔进度。目前魔塔制作的困难和瓶颈就在于造塔速度太慢，即时作者很肝，保证质量的情况下，1天10张图已经是顶天了，而且大部分作者没有那么多时间，所以鸽成了常态。 发布于 2021-04-23 19:50:54

牧童短笛2014：其实求解魔塔的应用前景并不高，最多给出是否有解和理论最高分。因为魔塔游戏的快乐就是不停优化拆塔，如果应用算法去拆塔就毫无乐趣，魔塔本身娱乐价值就会失去。 发布于 2021-04-23 19:49:24

牧童短笛2014：如果是迷宫自动求解和自动生成，目前有很成熟的解决方案。魔塔求解问题比迷宫复杂度高，可能最有用的具体应用是用来判断魔塔是否有解 发布于 2021-04-23 19:48:14

119456abc：这是对一个特定塔训练一个模型还是要对所有某模板的塔都成立？如果是后者的话，建议先不要考虑max了，先做出“输入一个塔，输出该塔能否通关”的功能就好了。 发布于 2021-04-23 19:43:24

lalamodiy：你们为什么要用AI拆塔 发布于 2021-04-23 19:39:34

Godel_Rosser：支持，大佬tql
希望lz有空给我这种渣渣出个相关工具的科普教学什么的。。或将为魔塔吧开创新纪元 发布于 2021-04-23 19:31:04

五峰山上五峰人：即使不考虑破飞炸，路径规划过程中在考虑攻防，血量，魔防，金币经验买属性的情况下还要考虑钥匙与门，夹击阻击领域，有些塔还要考虑毒网血网和衰弱等恶心人的要素(还可能有用楼传改变位置等操作)，更别提还有些塔有比较复杂的技能设定，加点等等，这个问题大概率本来就是NP难的，即便用神经网络找到了有效算法，也并不一定是多项式时间的，也就是说在高层塔或者一些复杂塔中，找到的这个算法也极有可能是不太具有实际的可操作性的。
现存的一些设计算法的方法可能只能够处理一些纯转换塔，或者是金币经验塔，只能作为学术研究探讨一下，但既然是纯转换，只要提取出塔的结构，用dp可能就可以做了。 发布于 2021-04-23 19:29:34

354569187q：有人私信我说， “在跳出局部最优之后甚至可以在此基础之上采用强化学习策略” 这个不明白是什么意思，在此简单回答一下。
强化学习可以简单的理解为 试错 (trail and error) ，就是平时我们拆塔时经常用的SL膜法
强化学习(reinforcement learning) 指的是神经网络在与环境(魔塔)的连续互动中(SL试错)中学习到的最优行为策略的问题,属于机器学习问题。
而魔塔游戏本身就是一个神经网络与魔塔的互动(人脑拆塔)，该互动为基于马尔科夫决策过程(Markov decision process)，神经网络观测到的是与魔塔互动的数据阵列。因此强化学习的本质就是学习最优的序贯决策过程。
神经网络与魔塔的互动我用一个简单的示意图说明一下。

在每一步t中，神经网络从魔塔中得到一个状态S_t 与一个奖励 R_t ，根据学习策略采取一个动作a_t(如打怪吃宝石)。魔塔根据动作a_t，产生下一步t+1的状态S_(t+1)与奖励R_(t+1)。
而跳出局部最优的目标不是奖励最大化，而是长期积累奖励最大化，以达到学习最优策略的目的。
简单转换塔中强化学习的马尔科夫决策过程可以由<S, A, P, R, D>一个五维空间组成。
S是有限状态(State)空间
A是有限动作(Action)空间
P是传递概率函数(transition probability) P(s'|s,a)=P(s_(t+1)|s_t=s,a_t=a)
R是奖励函数(Reward function) R(s,a)=E(r_(t+1)|s_t=s,a_t=a)
D是平权系数 D∈[0,1]
价值函数由于还没建模，设为U-π(s)=E[r_t,D*r_(t+1),...|s_t=s]
由于魔塔游戏具有马尔可夫性，故给定一个神经网络策略π，神经网络与魔塔的互动行为就已确定。强化学习的目标就是在所有可能策略中选择价值函数较大的策略π*，不断优化已有策略。D表示未来奖励权重发生变化，需做一定的平权处理。 发布于 2021-04-23 19:27:34

l13722968804：这学期刚学的人工智能，对神经网络，遗传算法这些有了一定了解，大佬加油 发布于 2021-04-23 19:20:44

辉钨实况：大佬牛逼只会爆搜的菜鸡前排支持 发布于 2021-04-23 19:14:14

龙神乖：如果训练出的神经网络能适用于某些特殊道具就好了，我还挺想知道像是阻截跳鞋炸弹这类机制在其中是如何被衡量的 发布于 2021-04-23 19:11:14

龙神乖：dd，题主有成果了记得更新 发布于 2021-04-23 19:10:54

多多良小霰：挺好，大佬等你的表演 发布于 2021-04-23 19:10:44

354569187q：最近塔吧里讨论AI拆塔的声音好像又起来一点了，本人从高中开始就想过这个问题，当时想的是决策树剪枝与最优解问题，也做过一些简单的塔去实验，但是跟想象中的完全不一样，跑出来的也基本是垃圾。。。
后来发现，对于简单的单层塔(无镐无破无飞)用神经网络得到最优解的。大一的时候曾采用简单的梯度下降来跑单层塔，失败于神经结构错误，后来转用拓扑神经网络跑出了结果(非max)。
我想，梯度下降适用于监督学习，我的目标是从一个楼梯口跑到另一个楼梯口，可以尝试。但使用梯度下降目标就会快速地让网络参数“躺平”，这样很容易就掉入"局部最优的陷阱中"。
目前考虑使用进化算法来训练神经网络，并应用于简单的转换塔实验。我偏向于先固定出N个网络结构，通过将这N个网络结构交叉匹配，产生子神经网络。在此基础之上调整联结结构，构造出多个同源神经网络，然后进入环境筛选，选择跑分高的前70%，重复实验。
在这个学习中我采用原始网络创造联结网络，再通过联结网络测试生成子网络，虽然这个优化过程会比拓扑神经网络慢很多很多，但绝不是计算机不能实现的，而且能够有效避免局部最优陷阱，在跳出局部最优之后甚至可以在此基础之上采用强化学习策略。
由于本人最近几个月较忙（拟升学+毕业论文+专利论文），只能先挖个坑在这里，等大活忙完之后，我会一边在实验室学习，一边研究魔塔。 发布于 2021-04-23 18:59:34

更多[挖坑]图像识别与神经网络在魔塔游戏中的简单实验相关问题

问题：[挖坑]图像识别与神经网络在魔塔游戏中的简单实验

回答：不行，低压u加集显，神仙来了也没办法，最低画质的话还不如不玩 详情 >

问题：《魔塔》【发布】魂之归宿（第一章）

回答：你们这个设定不够给力啊， 应该标题为：“当安布雷拉遇到英克雷”~~~估计学院和新维加斯都得炸 详情 >

问题：魔塔2012三大难题解法

回答：战争巨鸮，永远的神 详情 >

问题：《魔塔》关于造塔拆塔的意义以及未来

回答：别飞过去发现没有石油 详情 >

问题：《魔塔》胖老鼠工作室一定没有好好玩过TSW

回答：肯定还会降的，现在降的慢主要是他本来的身价太高了，开包没那么容易出，等下次更新80多三分和80多中投，莫兰特就彻底成娱乐卡了，身价不会超过米切尔的。 详情 >