程序化内容生成：让AI自动创建场景

可视化演示

展示Perlin噪声地形生成、L-system递归分形植被、以及Wave Function Collapse约束传播坍缩过程。

PCG核心思想：规则代替手工

魔法花园园丁的法则书里从不画花，只写“花开七瓣、朝东朝阳”这种句子；别人花一个下午雕一百棵树，你只描述“树枝以 30 度分叉、春芽秋落”，然后让花园自己长。程序化内容生成（PCG）正是这个思路：把“逐个手绘内容”变成“定义规则 + 执行生成”。游戏中的地形、关卡、武器、音效，凡是能总结出规律的资产，都能交给 PCG 批量产出。

一个完整的 PCG 系统有三个部件：规则集描述“什么内容是合法的”，随机数生成器提供“每次都不一样”的多样性，生成器把规则和随机性搅拌成最终结果。正因如此，同一套规则换一个随机种子，就能得到一片全新但同样合格的花园。这套思想在 1980 年代 Roguelike 游戏里萌芽，如今已在开放世界、程序化美术中大放异彩。

$$\text{World} = \text{Generate}(\text{Rules},\ \text{Seed})$$

1. 输出内容 World：最终呈现给玩家的地形、建筑或关卡，是 PCG 产出的一个具体实例。

$$\text{World}$$

2. 规则集 Rules：约束的集合，定义合法内容，比如“水不能高于山脚”“树间距不小于 2 米”。

$$\text{Rules}$$

3. 随机种子 Seed：一个整数起点，决定生成中所有“随机”的选择，是多样性与可重现性的开关。

$$\text{Seed}$$

4. 生成器 Generate：把规则和种子组合成具体输出的执行器，由噪声、L-system、WFC 等算法串联而成。

$$\text{Generate}(\cdot)$$

所以 PCG 不是“没有设计师”，而是把设计师从“画图的人”升级成“立法的人”。魔法花园里真正的辛勤不是挥锄头，而是反复打磨那本法则书——这正是 PCG 工程师的日常。

噪声函数生成地形：第一块积木

园丁铺地形时若让每格高度都完全随机，地面会像雷劈过的碎石滩；若全都一样，又成了死气沉沉的平原。魔法花园的秘密是“平滑的随机”：相邻点高度相近，隔得远才明显不同。这就是噪声（Noise），它不是一个一个孤立的随机数，而是一张“连续起伏的随机波浪”。

[Perlin 噪声](0) 是 Ken Perlin 为电影特效发明的算法，输入坐标输出 0~1 间平滑变化的数，自带自然的“起伏感”。但单层噪声太“肉”，只有大片的坡。图形学于是用多频叠加（fBm，分形布朗运动）把多层噪声叠起来：一层低频大振幅定骨架，再加一层高频小振幅补纹理。上方的可视化演示正是这个过程——从 1 层到 4 层，地形从“大肉块”变成有山脊、有碎石、有河床的丰富地表。

$$\text{fbm}(x,y)=\sum_{i=0}^{n-1} a^{i}\,\text{noise}\left(f^{i}x,\ f^{i}y\right)$$

1. 总层数 n：参与叠加的噪声层数，n 越大细节越丰富，但计算量也随之上升。

$$n$$

2. 第 i 层噪声：对坐标放大 \(f^i\) 倍后取样的噪声值，放大越多，变化越细碎。

$$\text{noise}\left(f^{i}x,\ f^{i}y\right)$$

3. 振幅衰减 a^i：每层振幅按 a^i 缩小（通常 a=0.5），保证高频层只是“点缀”而非“喧宾夺主”。

$$a^{i}$$

4. 频率增长 f^i：坐标乘 f^i（通常 f≈2），让后续各层的“波纹”越来越密。

$$f^{i}$$

5. 加权求和：把所有层加起来并归一化，得到既有大骨架又有小细节的高度值。

$$\sum_{i=0}^{n-1}$$

落地时，把 fbm 的结果映射成颜色或高度，就得到高度图：浅处是沙滩，中间是草原山坡，高处是雪山——魔法花园的“地形画布”就此铺好，后续植被、道路都在它上面作画。

L-system植物生长：让植物自己长出来

园丁从不雕刻树枝。他只在每棵小树苗耳边念一句咒语：“每长高一截，就分两个叉，一个向左 30 度，一个向右 30 度。”树苗听话地一遍遍执行，几个季节后就长成一棵枝繁叶茂的魔法橡树。[L-system](0)（林登迈耶系统）就是这句咒语的数学化——它由生物学家 Lindenmayer 提出，用形式语法模拟植物生长。

它只有两个核心部件：公理（初始字符串）和重写规则（一步生长怎么变）。字符串里的符号由“龟形解释器”翻译成画布动作：F 向前画枝、+ 左转、- 右转、方括号负责“记住/回到”分支起点。每迭代一次，主干变侧枝，侧枝再抽新枝——这就是分形：树枝的局部结构与整棵树惊人地相似。

$$\omega = F,\qquad F \to F[+F]F[-F]F$$

1. 公理 ω：初始字符串只有一个 F，代表刚出土的幼苗主干。

$$\omega = F$$

2. 重写规则：一根枝干长大后，生成左枝 [ +F ]、直枝 F、右枝 [ -F ] 三段新枝。

$$F \to F[+F]F[-F]F$$

3. 方括号与方向：[ 把当前位置压栈保存，] 出栈返回起点；+ 与 - 控制左右转角。

$$[\,]\,,\ +\,,\ -$$

4. 迭代深度：每多一轮重写，分支层级加一，树冠复杂度指数增长，通常 4~6 轮即可生成一棵逼真的树。

$$F^{n}$$

在三维建模里，给符号加上“枝干半径随深度变细”“随机抖动角度”等参数，L-system 就能批量产出风格统一又各有微差的森林。园丁只需要背熟一句咒语，就能种出整片魔法森林。

WFC波函数坍缩：约束拼图大师

园丁铺鹅卵石小路时有个讲究：相邻石头必须咬合。他从不闭眼乱铺，而是专挑“选择余地最小的空位”先下手——比如周围已固定三块石头、只剩一种能接，就先钉那块；钉完，邻居们的候选跟着连锁收窄，像多米诺骨牌一样一路推进。这就是WFC（Wave Function Collapse，波函数坍缩）的直觉。

WFC 由 Maxim Gumin 在 2016 年开源后风靡游戏圈。它把输出地图视为格子阵列，每个格子初始同时“叠加”所有候选瓷砖；然后反复执行两个操作：最小熵坍缩（选候选最少的格子，锁定一种瓷砖）和约束传播（根据已定瓷砖，删除邻居中与之冲突的候选）。它非常适合生成拼接式关卡、像素艺术和风格统一的建筑群。若某格子候选被删空，说明约束冲突，此时需要回溯或换种子重来。

$$H(x) = -\sum_{i\in C(x)} p_i \log p_i,\qquad x^{*}=\arg\min_{x} H(x)$$

1. 候选集 C(x)：格子 x 尚未被排除的瓷砖集合，初始时包含所有瓷砖类型。

$$C(x)$$

2. 概率 p_i：瓷砖 i 在候选集中出现的概率，均匀分布时即 1/|C|。

$$p_i$$

3. 熵 H(x)：对候选的不确定性求和并取负，候选越少，熵越低。

$$H(x) = -\sum_{i\in C(x)} p_i \log p_i$$

4. 最小熵选择：在所有格子中挑熵最小的先坍缩，把后期“卡死”的风险降到最低。

$$x^{*}=\arg\min_{x} H(x)$$

园丁靠“先钉最没悬念的石头”铺出严丝合缝的小路，WFC 则用同样的策略生成结构完整、风格统一的关卡。它本质上是把“满足局部约束”的老问题，变成了一个高效且可交互的拼图游戏。

规则定义与种子控制：可控的随机

同一个种子袋种出的玫瑰，株距和株数几乎一样，但每朵又不完全相同；换一袋种子，整片花园布局天翻地覆。PCG 里的“随机种子”正是这样：它是所有随机选择的起点，决定了整片“命运花园”的样貌。

计算机里的“随机”其实是伪随机——由数学公式从种子出发，推出一长串“看似随机”的数。常用的线性同余生成器（LCG）就是这样一个递推公式。正因为序列可复现，PCG 才能做到“同一种子 = 同一个世界”，方便测试、分享和运营活动（比如官方发布一个种子，所有玩家都能进入同一座奇观）。

$$x_{n+1} = (a x_n + c) \bmod m$$

1. 当前值 x_n：序列中的当前状态，最初的 x_0 就是随机种子。

$$x_n$$

2. 乘数 a 与增量 c：精心挑选的参数，决定序列是否均匀、周期是否够长。

$$a,\ c$$

3. 模 m：对结果取模，把数值限制在 0 到 m-1 之间。

$$\bmod m$$

4. 种子初始化：x_0 即种子；同一种子产生完全相同的序列，从而生成完全相同的世界。

$$x_0 = \text{Seed}$$

在工程实践中，规则设计比随机数本身更关键：规则太松，内容四不像；规则太紧，内容千篇一律。好的做法是把关键参数（噪声振幅、分支角度、瓷砖权重）暴露成可调参数，让设计师像调音师一样微调“法则书”。

生成质量评估：花园验收与调优

花园长出来后，园丁要验收：小径通不通？湖泊有没有淹掉城堡？每片区域是否独一无二？如果哪处不对劲，他就回去修改法则书，再洒一次种子。PCG 工程同样遵循“生成—评估—调优”的闭环。

PCG 生成快但质量参差，通常从四个维度打分：视觉合理性（是否符合物理与美学常识）、玩法可玩性（玩家能否顺利通过）、资源多样性（是否大量重复）、性能开销（生成耗时与运行时负载）。多样性可以用统计学里的方差来量化：一批生成结果的方差越大，说明彼此差异越明显。

$$D = \frac{1}{N}\sum_{i=1}^{N}\left(x_i - \bar{x}\right)^{2}$$

1. 样本值 x_i：每次生成的结果特征，比如某关卡的房间数、某地形的平均高度。

$$x_i$$

2. 平均值 x̄：所有样本的算术平均，作为参照中心。

$$\bar{x} = \frac{1}{N}\sum_{i=1}^{N} x_i$$

3. 偏差与平方：x_i - x̄ 是偏离量，平方后消除正负号并放大极端偏差。

$$\left(x_i - \bar{x}\right)^{2}$$

4. 求和平均：把各偏差平方加总再除以 N，得到“平均离散程度”。

$$\frac{1}{N}\sum_{i=1}^{N}$$

方差太大说明内容失控，太小说明千篇一律，工程师需要结合人工评审设定合理区间。园丁的验收也不是一次性的——每发现“花园长得不对”就回炉法则书，再播一次种子，直到满意为止。这条“立法—播种—验收”的循环，正是 PCG 工程师的看家本领。

AI 应用场景

Python 演示

import randomfrom collections import Counter # 瓷砖邻接约束：对称设计，表示"x 可以邻接 y"TILE_RULES = {    'g': ['g', 't', 'w', 'b'],  # 草地：几乎什么都能接    't': ['g', 't'],            # 树：只靠草地/树    'w': ['g', 'w'],            # 水：只靠草地/水    'b': ['g', 'b'],            # 建筑：只靠草地/建筑}TILES = list(TILE_RULES.keys()) def compatible(a, b):    """瓷砖 a 与 b 能否相邻"""    return a in TILE_RULES[b] and b in TILE_RULES[a] def generate(size, seed):    rng = random.Random(seed)    grid = [[set(TILES) for _ in range(size)] for _ in range(size)]     def neighbors(x, y):        for dx, dy in ((1, 0), (-1, 0), (0, 1), (0, -1)):            nx, ny = x + dx, y + dy            if 0 <= nx < size and 0 <= ny < size:                yield nx, ny     def propagate():        changed = True        while changed:            changed = False            for y in range(size):                for x in range(size):                    if len(grid[y][x]) == 1:                        continue                    keep = set()                    for nx, ny in neighbors(x, y):                        if len(grid[ny][nx]) == 1:                            fixed = next(iter(grid[ny][nx]))                            keep |= {t for t in grid[y][x] if compatible(t, fixed)}                    if keep and keep != grid[y][x]:                        grid[y][x] = keep                        changed = True     cells = [(x, y) for y in range(size) for x in range(size)]    rng.shuffle(cells)    for x, y in cells:        if len(grid[y][x]) > 1:            propagate()            if len(grid[y][x]) > 1:                grid[y][x] = {rng.choice(sorted(grid[y][x]))}    propagate()    return [''.join(next(iter(c)) for c in row) for row in grid] def render(rows):    icon = {'g': '.', 't': 'T', 'w': '~', 'b': '#'}    return '\n'.join(''.join(icon[ch] for ch in row) for row in rows) if __name__ == '__main__':    for seed in (7, 42, 2024):        world = generate(8, seed)        print('seed =', seed)        print(render(world))        print(Counter(''.join(world)))

1. grid = [[set(TILES) for _ in range(size)] for _ in range(size)]每个格子初始叠加全部候选瓷砖，模拟“波函数未坍缩”。
2. def compatible(a, b):双向检查两块瓷砖能否相邻，是约束系统的核心。
3. def propagate():约束传播：每当邻居确定，就删除当前格子与之冲突的候选。
4. keep |= {t for t in grid[y][x] if compatible(t, fixed)}只保留能与已确定邻居和平共处的瓷砖。
5. rng = random.Random(seed)用独立种子构造随机源，保证同种子可重现。
6. rng.shuffle(cells)随机打乱坍缩顺序，避免固定顺序造成的方向偏置。
7. grid[y][x] = {rng.choice(sorted(grid[y][x]))}从剩余候选中挑一个，完成该格子的坍缩。
8. Counter(''.join(world))统计地图中各类瓷砖数量，做最基础的多样性检查。

常见误区

面试题