perpet

wave function collapse test

 

맵생성 뿐 아니라 , 모델 오브잭트 자동 생성을 하고 싶다.

 

추가적으로 딥러닝을 응용해서 시도 하고 싶다.

 

 

 

 

github.com/perpet99/DeBroglie

 

perpet99/DeBroglie

DeBroglie is a C# library implementing the Wave Function Collapse algorithm with support for additional non-local constraints, and other useful features. - perpet99/DeBroglie

github.com

 

github.com/perpet99/WaveFunctionCollapse

 

perpet99/WaveFunctionCollapse

Bitmap & tilemap generation from a single example with the help of ideas from quantum mechanics - perpet99/WaveFunctionCollapse

github.com

 

Comment +0

언리얼 길찾기 A* 모듈 테스트

 

https://github.com/perpet99/UnrealAStar

 

 

Comment +0

테스트 컴퓨터 기준 기본값으로 데디서버에 1000 - 2000 npc 이상뛰우면 프레임이 떨어지기 시작합니다.

게임로직은 원쓰레드로 돌기때문에 한계를 가집니다.

 

추가적으로 피직스관련 옵션 애니메이션 시뮬레이트 기능등 여러가지 기능을 끄면 3-4 배 이상 퍼포먼스를 향상시킬수있습니다.

 

Comment +0

https://blog.jyore.com/2013/06/virtualbox-increase-size-of-rhelfedoracentosscientificos-guest-file-system/



http://samkkmd.tistory.com/entry/VirtualBox-and-CentOS-7-VDI%EB%8F%99%EC%A0%81%EA%B0%80%EC%83%81-HDD-%ED%99%95%EC%9E%A5%ED%95%98%EA%B8%B0

Comment +0

https://splice.com/blog/golang-verify-type-implements-interface-compile-time/


 덕타이핑의 문제는 해당 인터페이스를 변경하면 암시적으로 사용한 다른 함수들이 컴파일 타임에 에러가 안남 

Comment +0

enum to string 

제네레이터


https://godoc.org/golang.org/x/tools/cmd/stringer


https://github.com/campoy/jsonenums


Comment +0

모든 프로그램은 튜토리얼만 있으면 대충 분석가능하다고 봄 elasticsearch http://www.elasticsearch.org/guide/en/elasticsearch/reference/current/index.html logstash 입력 데이타를 원하는 모양으로 파싱해서 집어 넣는모듈인듯 http://logstash.net/docs/1.4.2/tutorials/getting-started-with-logstash Kibana 엘라스틱 모니터링 툴인듯 https://github.com/elasticsearch/kibana/blob/master/README.md -튜토리얼 http://amsterdam.luminis.eu/2014/12/01/experiment-with-the-kibana-4-beta/ http://www.rittmanmead.com/2014/11/analytics-with-kibana-and-elasticsearch-through-hadoop-part-3-visualising-the-data-in-kibana/

Comment +0

2003년 회사에서 프린세스메이커 같은 장르를 온라인 게임으로 만들자! 하여 이것저것 만들다가

대화하는 아바타 어떨까! 하여 리서치한 내용.. 지금생각하면 너무 도전적이고 무모했다고 보지만 좋은 경험이 됨.


인터넷에서 간단하게 사람들끼리 대화한것을 학습시켜서 테스트함 학습시킨 양이 작아서 어색함..


http://megahal.alioth.debian.org/





Comment +0

예전에 작업하면서 코드를 어디서 주어왔는데 기억이 안난다.

그래도 참고 사이트 


http://www.codeproject.com/Articles/151946/A-High-Performance-Binary-Serializer-using-Microso


테스트 코드는 

https://dev.naver.com/svn/cgs/trunk/PacketDefine/PacketHandlerSample



Comment +12

http://ndc.nexon.com/150143453632



게임분석 방법론

1.DATA 를 중심으로 한 정량 분석

2.UX 를 기반으로한 정성 분석

3. DATA 와 UX를 활용한 UXD 분석

% 데이타 분석은 분석대상의 가지만큼 엄청난 가지수가 나오므로 경험적으로 필터링이 필요함


% 게임에서 유용한 팩트들 

1. 모든유저의 레벨 분포도

일반적으로 저랩이 많고 고랩이 적은 완만한 곡선을 유지한다. 특정 구간에서 높이 올라가는 현상이 발생된단느것은

2. FPS 에서 킬 성공좌표를 남겨 통계를 내어 특정위치에서 많이 발견되는지 확인한다.

일반적으로 특정위치한곳에서만 많은 킬이 나온면 안되고 특정위치가 아군및 적군 위치에 골고루 나와야한다. 물론 너무 많거나 너무 골고루 분산 되어있으면 안된다.

인기있는 맵과 인기없는 맵의 킬 성공 위치의 패턴을 보면 많은 참고가 된다.


http://ndc.nexon.com/150143362745


일별 잔존율이 의미가 있을까? 

일별보다는 레벨별 잔존율에서 더많은 의미를 찾을 수있어 보인다.(일반적으로 게임들의 난이도와 새로운 재미는 레벨을 기준으로 변경이 되기 때문

레벨에 따른 매출이 어떤 의미를 주는지 모르겠다.


유저 중심분석 : 유저입장에서의 한 게임은 모든다른종류의 게임

유저입장에서 분석하려면 유저를 카테고리로 묶어 가지수를 줄이고 그 기준으로 게임을 분석해 나가야한다. 가령 스타크래프트에 캠패인만 즐기는 유저들,래더만 즐기는 유저 , 커스텀맵만 즐기는 유저등 그룹을 묶고 분석해 나가야한다.

경험적으로 분석을 해보고 데이타를 뽑아봄으로써 가설을 증명해봄


http://ndc.nexon.com/150143358315


근 몇 년간 관찰된 안 좋은 현상

분석을 개발자 스스로 하지 않고 누군가에게 완전 일임 하는것

http://ndc.nexon.com/150142534640


A/B testing

sms 메시지 2가지 타입보내고 응답률 보기

레벨 분포를 통해 이탈포인트 확인

맵에 탑류로 통해 유저 이동 위치나 죽은 위치를 파악해서 게임의 문제점을 파악


 http://ndc.nexon.com/150142371049


가설검정

-지난달 동접수치가 떨어진 것 같은데

     다항식?, 추위를 

-남자의 arpu 와 여자의 arpu 는 같은가

연관성규칙발견

-세트아이템을 만들고 싶은데

잘팔리는 A,B 가 있으면 이걸 같이 싸게 팔면 이득일까?

잘팔리는 

의사결정나무

-게임을 이탈하는 유저들은 어떤 유저들인가

일반적으로 레벨이 낮은 유저들이 이탈의 가장 큰 원인인데 레벨이 문제가 아니라 

유저가 초반에 무엇을느끼고 게임을 접는지 알려면 첫날 부터 무슨 행동을 하는지 봐야한다.

클릭이벤트순으로 디테일한 로그가 필요


-매출에 가장 큰 영향을 미치는 것은 무엇일까

회귀분석

-동시접속자와 신규가입자의 관계는




http://www.slideshare.net/jania902/ga-48367734

http://www.ecogwiki.com/Google_Analytics%EB%A1%9C_%EA%B2%8C%EC%9E%84_%EB%B6%84%EC%84%9D%ED%95%98%EA%B8%B0_2


어떤 분석이 가능한가 #

위와 같은 사항들을 고려하여 URL, uidcid를 설계하여 GA의 Collecting API(Measurement Protocol)로 보내면 몇 시간 후부터 상당히 유용한 정보들을 볼 수 있게 된다. 다음은 몇 가지 예시:

  • 사람들이 각 URL에 얼마나 오래 머무르는가 (Time on Page)
  • 사람들의 주요 동선은 어떠한가 (Behavior Flow)
  • 한 번 접속하면 얼마나 오래 게임을 플레이하나 (Time on Site)
  • 최근 한 달 동안 이 게임에 1번, 5번, 10번 이상/이하로 접속한 사람이 몇 명인가 (# of Sessions)
  • 최근 한 달 동안의 순 방문자는 명 명인가 (Unique Visitors)
  • A 던전은 플레이했으나 B 던전은 플레이하지 않은 사람들이 몇 명인가, 이 사람들은 그렇지 않은 사람들과 어떻게 다르게 행동하는가 (Advanced Segmentation에서 Behavior 기준 세그먼트 설정)
  • 어떤 맵이 가장 인기 있나 (Behavior -> All Pages 또는 Content Drill-down)
  • 사람들이 게임을 가장 많이 그만두는 장소는 어디인가 (Top exit pages)
  • 등등...







Comment +0