18、游戏式互动与虚拟遗产:探索与展望

游戏式互动与虚拟遗产:探索与展望

1. 游戏式互动在虚拟环境中的价值

许多虚拟环境往往更注重追求逼真感,而非有意义的互动。然而,这可能并非教育和吸引公众的最有效方式。物质文化并非仅仅是物品的集合,它是动态世界观的具体体现和缩影,是社会思想与信仰的界面和储存库。通过艺术与工艺的界面,我们能够将对文化的理解可视化,并传递给他人以供审视和反馈。

游戏式互动或许能为我们带来一些启示。游戏具有挑战性、奖励性,有时还能实现个性化。它们还能为人们在虚拟环境中导航提供线索。使三维游戏引人入胜且可信(而非仅仅追求逼真)的特定元素,也可应用于虚拟遗产环境中。不过,游戏通常不具备诠释性,且基于程序性学习而非规定性学习。

虚拟遗产环境与许多游戏不同,它有既定的叙事要传达。我们如何在通过一个或多个叙事揭示历史的同时,允许互动和个性化的自由呢?能否将书面历史融入多种个人和文化视角呢?

虚拟遗产要求我们理解什么是“历史”。例如,一位原住民故事讲述者可能会认为,文化理解更多地存在于人们的思想中,而非书籍里。设计师如何捕捉这种理解,并唤起人们遇到它时那种新奇或熟悉的感觉呢?设计师需要知道如何营造一种身临其境的感觉,以及在多大程度上需要将游客作为社会参与者融入一个可能非常脆弱、短暂且无形的情境中。

对于虚拟遗产项目,以及在一定程度上的虚拟环境而言,核心问题似乎是了解他人,以及如何通过数字媒体来支持这一过程。文化在场涉及学习无形的遗产信息,那么如何通过数字媒体实现这一点呢?

为了创建一个具有“场所”概念(即用户能够识别为具有文化编码的环境区域)的虚拟环境,仅仅可识别或能唤起情感的虚拟环境是不够的。虚拟环境必须让游客尽可能通过原居民的视角去看待事物。它还必须暗

先展示下效果 https://pan.quark.cn/s/a4b39357ea24 遗传算法 - 简书 遗传算法的理论是根据达尔文进化论而设计出来的算法: 人类是朝着好的方向(最优解)进化,进化过程中,会自动选择优良基因,淘汰劣等基因。 遗传算法(英语:genetic algorithm (GA) )是计算数学中用于解决最佳化的搜索算法,是进化算法的一种。 进化算法最初是借鉴了进化生物学中的一些现象而发展起来的,这些现象包括遗传、突变、自然选择、杂交等。 搜索算法的共同特征为: 首先组成一组候选解 依据某些适应性条件测算这些候选解的适应度 根据适应度保留某些候选解,放弃其他候选解 对保留的候选解进行某些操作,生成新的候选解 遗传算法流程 遗传算法的一般步骤 my_fitness函数 评估每条染色体所对应个体的适应度 升序排列适应度评估值,选出 前 parent_number 个 个体作为 待选 parent 种群(适应度函数的值越小越好) 从 待选 parent 种群 中随机选择 2 个个体作为父方和母方。 抽取父母双方的染色体,进行交叉,产生 2 个子代。 (交叉概率) 对子代(parent + 生成的 child)的染色体进行变异。 (变异概率) 重复3,4,5步骤,直到新种群(parentnumber + childnumber)的产生。 循环以上步骤直至找到满意的解。 名词解释 交叉概率:两个个体进行交配的概率。 例如,交配概率为0.8,则80%的“夫妻”会生育后代。 变异概率:所有的基因中发生变异的占总体的比例。 GA函数 适应度函数 适应度函数由解决的问题决定。 举一个平方和的例子。 简单的平方和问题 求函数的最小值,其中每个变量的取值区间都是 [-1, ...
评论
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明:

1.余额是钱包充值的虚拟货币,按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载,可以购买VIP、付费专栏及课程。

余额充值