跳到主要內容

盧恩文塔(Rune Towers) - 高分訣竅

 

首先,
這篇文章不適合沒有玩過,或正在熱衷這小遊戲的朋友們看,
因為我不想抹殺這遊戲帶給大家的樂趣與挑戰。

 

 

 

Rune Towers

相信最近常玩小遊戲或Facebook的人大多都會知道這款簡單耐玩的小遊戲,
不知道? 那就直接去玩吧!這篇文章也別看了。

盧恩文塔(Rune Towers)
網頁小遊戲版:http://funp.com/apps/rune_towers/
Facebook:http://apps.facebook.com/mochigames/game/?game=rune_towers

 

基本上,這遊戲的過程就是在棋盤上撒上幾種顏色的珠子,
一次只能移動一種顏色的珠子,但移動過程中不能觸碰到不同顏色的珠子,否則已經得到的珠子變會全部彈開,
而跟同顏色的珠子接近時,同色珠子便會被吸引過來並且疊在你的珠子上,
疊的越高,消去時的分數便有加乘。
因此只要在時間內將棋盤上所有珠子消去,便結束一個關卡。

這遊戲聽來很簡單,玩起來很刺激,
但非常不適合我這種吹毛求疵的龜毛人玩,
因為我總愛挑戰將疊的老高的小塔在夾縫中穿縮求生存。
這在時間很短珠子很多時,根本就是自殺行為,
所以我從來沒有超過 八十五萬分。

那訣竅是什麼?

『  訣竅就是放下堅持,亂點亂消! 』

在玩到快不想玩時,
受過資訊科學專業訓練的血液開始作祟,
滿碯子想的是,
寫個讓滑鼠自動跑的程式,控制滑鼠自己去點珠子,然後自動穿縮在路徑細縫中,
若找不到路徑,便自動消掉珠子塔,再挑個新珠子重覆上面,直到全部珠子消去。
這個方式不難,類似資結演算法古老的老鼠走迷宮問題,只要有底圖、珠子,加一個堆疊跟遞迴與判斷式就可以完成。

但想一想,若能探討一下Flash (這遊戲的撰寫技術) 的動作過程,
或許能有停止時間累計的方式,或有辦法能規避時間來玩,
果然就找這樣到了。

這個小遊戲設計的弱點,在於它在消除珠子時會有個小小的特效,
但問題在於這個特效產生時,時間並不會累計,但滑鼠卻能移動。

所以不要堅持疊塔加分,只要一直移動滑鼠並且點珠子讓它消掉,基本上時間是不會掉太多的,
而我喜歡先用這樣的方法把兩三種顏色的珠子先全部點掉,
然後一次把整個棋盤剩下的1,2種顏色棋子全部疊起來(超高塔),
這樣不但能加到分,又有快感,因為純粹一顆顆點實在太無聊。

也因此,在我發現這方法後第二次玩,分數直接飆到六百二十多萬,

『  但之後我再也沒有玩過!』

因為這作法讓Rune Towers遊戲變成click大賽,整個無趣了!

這篇文章,寫給玩到已經不想玩,或想衝高分的朋友,
網路上那些數千萬分的人,都是用類似的方法,
我非常佩服他們,因為一顆消去只能賺100分!
而在上數百萬分後的時間,是來不及堆塔的,這代表他們要花很長的時間,
一直點一直點一直點一直點,才能到達這樣的高分。

我很佩服,因為這種枯燥的機械化動作,我真的做不來呢!!

                                                      BP  2009.10.03

留言

這個網誌中的熱門文章

醫學健康跨領域合作的開始:資料工程

一直都很喜歡在會議上與跨領域的專家、醫師、學者分享我們在數據工程與分析應用上的發展經驗。 許多的專家學者,對於大數據應用的認知都仍侷限在一個超大型結構化資料集的子集合應用,在規劃好的條件設定下,針對特定的目標(疾病、行為)進行篩選,將數據narrow down到可以被個人電腦或是單一伺服器架構處理的小型資料集。 這樣的半手工處理方式,對於專一(Specific)領域主題的資料追蹤計算或許已經十分足夠,但當中倘若資料清理方式有改變、篩選條件增減,所有的數據都要從raw重新處理,不僅造成大量的時間與人力浪費,對於專案計畫進度的延宕更是麻煩。這些還不包含

Google 資料庫方案–Spreadsheet–(1)資料呈現

HEMiDEMi 的標籤: Google , Google SpreadSheet , 雲端 早在規劃『 教育,意義! 』project時, 便有打算將整個網站建立過程撰寫一篇教學,讓有興趣以google 服務為基礎進行開發的朋友參考。 沒想到這個想法擺著就拖了好幾個月, 好在學生提出了問題,就趁這機會寫一寫吧。 基本上『 教育,意義! 』網站的架構完全建立在Google提供的服務, 廣義來說也是個雲端的系統, 所有的資料是分散在不同的服務架構下,再用GAE, Javascrript將服務資訊串接起來, 由Blogspot 統一呈現。 省了租主機的費用,或架站的硬體、電費, 最好的地方在於不用管理主機維運的問題, 只要專心做我的創意、嘗鮮就好了!!   多棒! 若將『 教育,意義! 』網站依功能層次來分類,可以分為三層結構, 當中的層次與使用技術大致如下: UI 介面層 服務 : Blogspot (網站介面) , Picasa (相簿空間), Google Apps 技術 : Javascript , AJAX ( JQuery ) App應用層  服務 : Google App Engine (GAE) 技術 : Java, Java Server Page (JSP) 資料層 服務 : Google Docs (文件), Google Spreadsheet (試算表) 技術/函式庫 : Java, Google Data APIs 本篇文章將著重在介紹以Google Spreadsheet 做為雲端資料庫, 其他主題將會陸續推出。 若對Google API 與 Google App Engine 初步建置有興趣, 可以參考之前文章: 佛心來著的 Google Data API – for JAVA 雲端的開始:Netbeans 無痛 Google App Engine Java 服務開發 Google Spreadsheet 做為資料庫系統 對於小型的資料系統來說, 採用Google Spreadsheet做為應用程式資料庫(如問卷調查或線上系統) 也算堪用, 目前的儲存限制為 : 40 萬個儲存格 每張工作表最多...

當咒術成真 - 文字生成的虛擬世界

  2024/02  這幾天灌爆各大ai社群的,不外乎就是文字生成高清畫質影像的OpenAI Sora , 讓人驚艷的細膩表現,自動化的場景生成與運鏡效果,縱使這個概念並不是多創新的模式,但Open AI始終很懂得抓住大家眼球  (Sora的各種生成影片: https://openai.com/sora  ) 關於Sora 的技術與介紹,不妨看看chatGPT 對它的描述: OpenAI Sora文字-視訊生成模型 在視頻數據上進行大規模訓練生成模型,具體而言,OpenAI聯合訓練了文本條件擴散模型,處理不同持續時間、解析度和長寬比的視頻和圖像。利用了一種在視頻和圖像潛碼的時空塊上操作的轉換器架構。受到Srivastava等人(2015年)在使用LSTMs進行視頻表示學習的無監督學習的啟發,OpenAI的最大模型Sora擴展了這些概念,能夠生成一分鐘的高保真度視頻。此外,Chiappa等人(2017年)描述的循環環境模擬器方法與我們的方法論框架相一致,表明擴大視頻生成模型的規模是建立通用物理世界模擬器的一條有希望的道路。 一、技術創新 OpenAI 的 Sora 模型在技術創新上主要融合了 diffusion models 與 transformer models 的特點,這一結合代表著從文字描述到視覺內容生成的一大進步。根據 Goodfellow et al. (2014) 的研究,Generative Adversarial Nets (GANs) 開創了使用機器學習生成圖像的新方法,而 diffusion models 則透過逆向的擴散過程從隨機噪聲中逐步建構出有意義的圖像,提供了一種不同於傳統 GANs 的新途徑。另一方面,Vaswani et al. (2017) 提出的 transformer 模型,通過其自注意力機制有效處理長距離依賴關係,已廣泛應用於語言模型中。Sora 模型的創新之處在於將這兩種技術融合應用,實現了從簡單文本提示生成高質量視覺內容的能力,這不僅展示了機器學習技術的新高度,也為未來的影像生成、自然語言處理和人機交互開啟了新的可能性。 二、物理現象與現實世界的模擬 Sora 的另一大進步是在模擬現實世界物理現象方面的表現。雖然現有模型如 Raissi et al. (2019) 所提出的 Physi...