بهبود تولید مراحل بازیSuper Mario Bros با استفاده از الگوریتم های نمونه برداری در زبان برنامه سازی احتمالاتی فیگار و

از وظایف اصلی در توسعه یک باز ی ویدئویی، تولید محتوا از جمله مراحل بازی، داستان ها، اجزا ی گرافیکی و غیره میباشد.چنین فرآیند تولیدی، به دلیل پیچیدگی و نیاز به نیروی انسانی متخصص، هزینه ی زیادی را به توسعه بازی ویدئویی تحمیل مینماید. از این رو، تولید محتوا ی رویه ای، به عنوان روشی مناسب برای کاهش هزینه ها با استفاده از فن های الگوریتمی برای تولید خودکار برخی از محتویات بازی ازجمله مراحل بازی، موردتوجه بوده است. مدل های مارکوف به عنوان یک روش تولید محتوای رویه ای مبتنی بر احتمالات، برای مدل سازی و تولید محتوای بازی ها استفاده میشود. توسعه یک مدل احتمالاتی به طورمعمول، نیازمند ایجاد نمایش برای مدل و الگوریتم استدلال است که میتواند نتایج مفید را از شواهد دریافت کند و در بسیاری موارد، الگوریتمی برای یادگیری جنبه های مدل از داده ها فراهم آورد. زبان های برنامه نویسی احتمالاتی، با ترکیب احتمالات به همراه قدرت محاسباتی زبان های برنامه نویسی میتوانند برای ساخت مدل های احتمالاتی و استدلال روی آنها مفید واقع شوند؛ زیرا ساخت مدلهای احتمالاتی به صورت مستقیم، کاری سنگین است و پیاده سازی آن غالبا مشکلات زیادیبه همراه دارد. در این مقاله، از یک زبان برنامه نویسی احتمالاتی به نام Figaro برای مدل سازی زنجیره ها ی چندبعدی مارکوف برای تولید خودکار مراحل بازی Super Mario Bros استفاده شده است. هدف اصلی روش پیشنهادی ، امکان استنتاج بهتر و کاراتر با استفاده از الگوریتم های استنتاج متنوع موجود در Figaro ، بر روی مدل احتمالات ی برای تولید مراحل بازی میباشد.