Procedurālās ģenerēšanas metožu salīdzinājums spēļu pasaules veidošanā
Zusammenfassung
Darbs aplūko procedurālās satura ģenerēšanas (PCG) lomu digitālo spēļu pasaules veidošanā, salīdzinot trīs populāras metožu grupas – trokšņu funkcijas, fraktālos algoritmus un šūnu automātu. Literatūras analīzē izstrādāti seši salīdzināšanas kritēriji: atmiņas patēriņš, determinisms / nejaušība, dizainera kontroles līmenis, mērogojamība, reāllaika veiktspēja un spēlētāja pieredze. Praktiskajā daļā implementēti trīs kartes ģeneratori .NET, vienoti parametri ļauj veikt objektīvus veiktspējas mērījumus un “pieejamības” testus. Rezultāti parāda, ka trokšņu funkcijas ir piemērotākas lielām, nepārtrauktām pasaulēm ar zemu atmiņas noslodzi, fraktālie algoritmi piedāvā augstu vizuālo detalizāciju, savukārt sūnu automāti prasa lielāku skaitļošanas jaudu. Iegūtie secinājumi sniedz vadlīnijas metodes izvēlei atkarībā no pielietojuma un tehniskajiem ierobežojumiem. The thesis examines the role of procedural content generation (PCG) in shaping digital game worlds by comparing three popular method families—noise functions, fractal algorithms, and cellular automata. A literature review yields six comparison criteria: memory consumption, determinism / randomness, designer control, scalability, real-time performance, and player experience. In the practical section, three map generators are implemented in .NET; unified parameter sets enable objective performance measurements and “playability” tests. Results show that noise functions fit best for large, continuous worlds with minimal memory footprint; fractal algorithms deliver high visual detail; and cellular automata achieve organic layouts at the cost of greater computational load. The findings offer guidelines for selecting an appropriate PCG technique according to use-case and technical constraints.