© Liashko/Shutterstock.com
Willkommen auf dem strategischen Raster

Classic Games Reloaded


Im Rahmen des heutigen Artikels richten wir unser Augenmerk auf die Entwicklung zweier einfacher Strategie- bzw. Logikspiele, wobei wir auf die zuletzt gesammelten Erfahrungen bei der Darstellung von zweidimensionalen Tile-basierten Spielewelten zurückgreifen werden.

An welche Spiele wird man sich in hundert Jahren wohl noch erinnern? Nun ja, das Spiel Tic-Tac-Toe (Drei gewinnt, brit.: Noughts and Crosses) kannte man bereits im alten Ägypten und wird man wohl auch in ferner Zukunft noch spielen. Und dass Spieleklassiker wie Schach oder Go irgendwann einmal der Vergessenheit anheimfallen, darf mit Sicherheit auch bezweifelt werden. Einer der Gründe, warum ein so einfach gestricktes Spiel wie Tic-Tac-Toe nach wie vor eine so große Popularität genießt, ist schnell ausgemacht: Bis auf einen Stift und ein Blatt Papier oder ein Stück Kreide sind keine weiteren Hilfsmittel erforderlich, um das Spiel spielen zu können.

Bei einer gemütlichen Partie Schach oder Go kann man sich Zeit lassen, man kann sich entspannen und in aller Ruhe über die weitere Vorgehensweise nachdenken. Ballerspiele verlangen hingegen fortwährend unsere vollste Aufmerksamkeit, trainieren lediglich unser Reaktionsvermögen, wirken alles andere als entspannend und dienen oftmals in erster Linie dem Frustabbau. Darüber hinaus sind Ballerspiele im Grunde genommen wenig abwechslungsreich. Selbst wenn sich die Settings von Spiel zu Spiel unterscheiden, die Aktionen, die ein Spieler ausführen muss, bleiben im Großen und Ganzen die gleichen: verfolgen, ausweichen, fliehen, sammeln und schießen.

Bei rundenbasierten Spielen verhält sich die Sache genau anders herum. Entscheidend sind die zum Einsatz kommenden Spielregeln. Die Ausgestaltung der Spielfiguren ist allenfalls zweitrangig. Obwohl die Spiele Schach und Dame beispielsweise auf ein und demselben Spielbrett ausgetragen werden, könnten beide unterschiedlicher nicht sein.

Für die beiden Strategiespiele, die wir heute gemeinsam entwickeln werden, benötigen wir zuallererst einmal eine digitale Version eines Spielbretts (ein sogenanntes Spielraster), bei dessen Darstellung wir auf die im letzten Artikel vorgestellte C2DTileSurface-Klasse zurückgreifen werden. Bei einem rundenbasierten Spiel besteht die Spielewelt normalerweise aus einer mehr oder weniger großen Anzahl von miteinander verbundenen Sektoren (Feldern). Beim Spiel Risiko orientieren sich die Formen der einzelnen Sektoren an den Umrissen von real existierenden Ländern. Bei einer regelmäßig aufgebauten Spielewelt greift man hingegen auf quadratische (Schach, Dame, Tic-Tac-Toe usw.) oder auf hexagonale Spielfelder zurück.

Im Unterschied zu einem hexagonalen (sechseckigen) Feld mit seinen sechs Nachbarfeldern, besitzt ein quadratisches Feld insgesamt acht benachbarte Felder, wobei der Abstand zu den vier diagonal angeordneten Nachbarfeldern ein wenig größer ist als der Abstand zu den vier direkten Nachbarn. Zum besseren Verständnis: Diagonale Nachbarfelder berühren sich an ihren Eckpunkten, direkte Nachbarn an ihren Kanten.

Grafische Darstellung

Da es nun einmal in der Natur der Sache liegt, dass wir uns im Rahmen der Entwicklung eines rundenbasierten (Strategie-)Spiels in erster Linie mit den fortgeschrittenen Themen der KI-Programmierung (künstliche Intelligenz) auseinandersetzen müssen, werden wir an dieser Stelle nur einige wenige Worte zur grafischen Umsetzung unserer Spiele verlieren – zumal wir die genaue Vorgehensweise bereits im letzten Artikel ausführlich besprochen haben. Im Prinzip würden wir für die Visualisierung unserer beiden Spiele lediglich eine einzelne Instanz der C2DTileSurface-Klasse benötigen, da die von einer C2DTileSurface-Instanz verwalteten Tiles (Kacheln) gleichermaßen für die Darstellung der besetzten wie auch der unbesetzten Felder eines Spielrasters geeignet sind.

Für ein Spiel wie Tic-Tac-Toe oder Go würden wir beispielsweise lediglich drei unterschiedliche Texturen benötigen. Zwei Texturen für die Darstellung der mit Nullen (Noughts) und Kreuzen (Crosses) markierten quadratischen Felder (Tic-Tac-Toe) bzw. für die Darstellung der mit schwarzen und weißen Spielsteinen besetzten Knotenpunkte (Go) sowie eine dritte Textur für die Darstellung der noch freien Felder bzw. der noch unbesetzten Knotenpunkte. In unseren beiden Spielen verwenden wir jedoch zwei separate C2DTileSurface-Instanzen – eine für die Darstellung des Spielrasters (GameBoard) sowie eine zweite für die Darstellung der Spielfiguren (GameBoardPieces):

C2DTileSurface GameBoard;
C2DTileSurface GameBoardPieces;

Hierdurch haben wir zum einen eine größere Flexibilität bei der Umsetzung von Transparenzeffekten (Beispiel: opake Spielfiguren auf einem halbtransparenten Spielraster) und können überdies auf unterschiedlich große Texturen (Beispiel: hoch aufgelöste Texturen für die Spielfiguren, niedrig aufgelöste Texturen für das Spielraster) zurückgreifen.

Im Verlauf der Szenenberechnung erfolgt zunächst einmal eine Aktualisierung aller momentan laufenden Animationen. Im Grunde genommen könnten wir auf die nachstehend gezeigten Methodenaufrufe verzichten, da wir momentan weder das Spielraster noch die Spielfiguren auf irgendeine Art und Weise animieren:

GameBoard.Update_RunningAnimations(SimulationTime);
GameBoardPieces.Update_RunningAnimations(SimulationTime);

Im Anschluss daran beginnen wir mit den Vorbereitungen für das Rendering. Im Zuge der beiden nachfolgenden Methodenaufrufe werden sämtliche Daten, die für die Durchführung der anstehenden Shader-Berechnungen erforderlich sind, in den Grafikspeicher transferiert:

GameBoard.Prepare_Rendering_TransparentTilesLastly(
  &g_ViewProjectionMatrix, &g_CameraPosition);
GameBoardPieces.Prepare_Rendering_TransparentTilesLastly(
  &g_ViewProjectionMatrix, &g_CameraPosition);

Damit man als Spieler einen Spielzug ausführen kann, ist es unverzichtbar, dass sich die zugehörigen Spielfelder (bzw. Spielfiguren) mit Hilfe des Mauszeigers auswählen lassen. In diesem Zusammenhang ist ein Aufruf der C2DTileSurface-Methode Find_Selected_Tile() erforderlich, damit die Koordinaten des betreffenden Spielfelds ermittelt und in den drei öffentlich einsehbaren Member-Variablen IDofSelectedTile, RowIDofSelectedTile sowie ColumnIDofSelectedTile hinterlegt werden können:

GameBoard.Find_Selected_Tile();

Im letzten Schritt können wir schließlich das CommandBuffer-Objekt aktualisieren, das für die Darstellung des Spielrasters sowie für die Darstellung der Spielfiguren verantwortlich ist:

GameBoard.RecordTask_Rendering_SingleRT(
  TransparencyAndGUIRenderTarget.OffscreenCommandBuffer);
GameBoardPieces.RecordTask_Rendering_SingleRT(
  TransparencyAndGUIRenderTarget.OffscreenCommandBuffer);

Brett- und Ballerspiele – ein Tummelplatz für KI-Programmierer

Sicherlich muss ich hier niemandem erklären, dass die KI-Routinen, die für lange Zeit in Computerspielen zum Einsatz gekommen sind, echte intelligente Verhaltensweisen lediglich in absolut unzureichender Form nachahmen konnten. Vereinfacht ausgedrückt handelte es sich bei den besagten Routinen lediglich um ein Sammelsurium einer mehr oder weniger großen Anzahl von Wenn-dann-Entscheidungen (Regeln), die sich beispielsweise in Form eines endlichen Zustandsautomaten (Finite State Machine) implementieren lassen. Auch wenn sich eine solche KI durch das Hinzufügen neuer Regeln schrittweise verbessern lässt, geraten die vom Computer kontrollierten Gegenspieler (die sogenannten KI-Agents) früher oder später doch mal in eine Situation, in der die bekannten Regeln nicht mehr anwendbar sind.

Eine solche regelbasierte KI ist natürlich nur in begrenztem Maße lernfähig, da die Regeln nun einmal vom Programmierer vorgegeben werden. Lediglich der Umgang mit den bereits bekannten Regeln – also in welcher Situation auf welche Regel zurückgegriffen werden soll – lässt sich unter Berücksichtigung der beim Spielen gewonnenen Erfahrungen optimieren.

Auch die KI-Routinen, die beispielsweise für lange Zeit in Schachprogrammen zum Einsatz kamen, waren nicht wirklich lernfähig, denn die Bewertung der jeweiligen Spielstellungen (Game States) erfolgte damals ausschließlich nach den Maßgaben, die der Programmierer vorgegeben hat. Davon einmal abgesehen griffen sämtliche Schachprogramme stets auf die gleichen Algorithmen zurück (Minimax sowie Alpha Beta Pruning), um innerhalb eines vorgegebenen Zeitlimits so viele Spielzüge wie möglich ausprobieren und bewerten zu können.

Ein anderer Algorithmus, der im Prinzip ohne ein Bewertungssystem auskommt, führte indessen lange Zeit ein regelrechtes Schattendasein. Die Grundidee des besagten Verfahrens besteht darin, innerhalb eines vorgegebenen Zeitlimits so viele Zufallsspiele (Playouts) wie möglich durchzuspielen und auf dieser Basis einen möglichst guten Spielzug auszuwählen. Schon der Name dieses Verfahrens (Monte-Carlo), den John von Neumann in Anspielung auf das berühmte Casino in Monte-Carlo wählte, macht deutlich, dass es sich hierbei im Kern um ein reines Glücksspiel handelt.

Die Tatsache, dass die künstliche Intelligenz längst kein Nischendasein mehr fristet, sondern allerorts für Begeisterung sorgt (merkwürdig, kann sich denn niemand mehr an den Film „The Terminator“ erinnern?) und als eine der wichtigsten Zukunftstechnologien angesehen wird, haben wir nicht zuletzt KI-Programmen wie AlphaZero zu verdanken, die ihre Spielstärke durch intensives Spielen gegen sich selbst kontinuierlich verbessern, bis sie schließlich unschlagbar geworden sind.

Auch die klassischen Ballerspiele (Arcade Games) rücken zunehmend ins Blickfeld der KI-Programmierer, wobei auch hier das gleiche Ziel verfolgt wird: Die künstliche Intelligenz soll sich selbst das Spielen beibringen und letzten Endes unbesiegbar werden. Der Oberbegriff für diese Vorgehensweise lautet Reinforcement Learning (zu Deutsch: bestärkendes Lernen). Für jeden Fortschritt und jede verbesserte Strategie erhält ein KI-Agent eine Belohnung, wohingegen schlechte Entscheidungen eine Strafe nach sich ziehen können.

In diesem Zusammenhang haben sich Begriffe wie evolutionäres Lernen, Machine Learning, Deep Learning oder neuronale Netze zu regelrechten Buzz-Wörtern entwickelt...

headline from sands settings