近年來遊戲市場變化快速，行動遊戲興起，傳統的開發流程，因較高的開發成本與無法因應市場急速變動的缺點，為了因應這樣的市場變化，本研究尋求更快速開發流程，主要針對關卡設計與難度設計作業的繁複過程找尋適當的解決方法。本研究歸納整理了幾個現今業界常用的關卡設計方法，並選擇使用程序化內容生成系統與 Rank-based Preference Learning的難度評估方法，讓關卡得以用程式的快速產出，接著以玩家表現資料導出難度公式後，結合兩者成果，讓程序化內容生成系統的關卡生成參數，交由難度公式計算。本研究以現今非常熱門的動作角色扮演遊戲作為研究對象，自製關卡生成系統與難度測試工具，對31位玩家做關卡難度測試，計算出難度公式後，導入生成系統中，透過這個方法，系統能夠利用難度數值推算出生成參數，產生適當難度的遊戲關卡。本研究結合兩種關卡設計方法，成為一套快速的關卡設計流程，並以程序化內容生成技術結合難度評估製作出新概念生成系統。

In recent years, game market changes rapidly. The rise of mobile games demonstrates the traditional game development processes is a lack of adaptability and a waste of costs. In response to the change of the game market. This study tries to find a efficientive way to develop games, and mainly discusses about the design of game level and difficulty. This research categories many design methods using in industry, this study considers “Procedural Content Generation” method and the difficulty evaluation method called “Rank-based Preference Learning”. The program can generate the level immediately, on the other hand, using the player’s preferences to derive a formula . In order to calculate the parameters of the PCG system with formula, this study combines both result and provides a self-made role-playing game, PCG system, a testing tool for 31 participates to get their playing data, and deriving the formula with the difficulty evaluation method. After the formula is imported into the system. The system can generate the level through difficulty values. This study proposes a efficientive game development processes, and also developing a new PCG system to help the game designer.

目錄
摘要 i
Abstract ii
目錄 iii
表目錄 vi
圖目錄 vii
第一章 緒論 1
第一節 研究背景與動機 1
第二節 研究目的與問題 2
一. 研究目的 2
二. 研究問題 3
第三節 研究流程 3
第二章 文獻探討 5
第一節 動作角色扮演遊戲 5
一. 遊戲與電玩遊戲 5
二. 動作遊戲 6
三. 角色扮演遊戲9
四. 動作角色扮演遊戲11
五. 小結12
第二節 關卡設計方法 12
一. 關卡設計 12
二. 模組化關卡設計 15
三. 程序化內容生成16
四. 小結21
第三節 遊戲的難度調整 21
一. 遊戲難度平衡與心流經驗 21
二. 難度設計方法 23
三. 小結26
第三章 研究方法 27
第一節 研究方法與流程 27
第二節 研究工具設計 29
一. 遊戲簡介 29
二. 程序化關卡生成系統設計 38
三. 難度測試工具設計43
第三節 資料處理 47
一. 難度評估方法 47
二. 玩家表現計算公式 49
三. 地圖特徵解析49
第四章 研究結果 51
第一節 玩家表現資料分析 51
一. 玩家表現資料 51
二. 玩家的遊戲經驗 52
三. 實際體驗難度資料分析52
第二節 難度評估結果 54
一. 地圖特徵量化與正規劃 54
二. Rank-based Preference Learning 57
三. 難度評估與玩家表現59
第三節 難度關卡生成系統 59
第四節 實驗結果 61
第五章 結論與建議 62
第一節 研究結論 62
一. 加速關卡設計方法 62
二. 快速的關卡流程 62
三. 難度關卡生成系統63
第二節 後續研究建議 64
一. 其他遊戲類型的加速開發 64
二. 高自由度的關卡生成 64
三. 加入玩家體驗64
四. 商業模式考量65
參考文獻 66
附錄一 遊戲經驗問卷 70
附錄二 玩家遊戲經驗資料 71
附錄三 玩家表現資料 72

表目錄
表 3-1 各關卡的地圖大小數值設定 30
表 3-2 玩家角色在個等級時的數值設定 31
表 3-3 各個等級的木乃伊守衛 33
表 3-4 各個等級的機關柱 34
表 3-5 各個等級的土製炸彈 35
表 3-6 各個關卡的生成參數設定 46
表 4-1 相應權重值 53
表 4-2 玩家在遊戲中的表現資料 53
表 4-3 玩家資料正規化後通過實際難度公式後得出的結果 54
表 4-4 各關的關卡生成資料 55
表 4-5 正規化後的地圖特徵 56
表 4-6 計算後得到之權重值 58
表 4-7 由公式計算出的各關卡預估的難度 58
表 4-8 以大關作為區別對小關做難度排序 59
表 4-9 在0.07~0.09的難度參數區間下計算出個房間的生成參數 61

圖目錄
圖 1-1 研究流程 4
圖 2-1 Crysis 3 動作遊戲中的HUD介面 8
圖 2-2 角色扮演遊戲 Final Fantasy XIII 中的戰鬥系統 10
圖 2-3 動作角色扮演遊戲 暗黑破壞神3 12
圖 2-4 浩劫邊境2 以特殊的場景物件作為角色死亡後的重生點 13
圖 2-5 傳統遊戲設計流程14
圖 2-6 星海地圖編輯器 16
圖 2-7 最早以程序生成關卡的角色扮演遊戲「Rogue」17
圖 2-8 由樹狀結構轉譯成房間排列的例子 19
圖 2-9 摩爾鄰域的圖形 20
圖 2-10 細胞自動機的迭代過程 20
圖 2-11 心流狀態圖 22
圖 2-12 1975年的大型機台遊戲「Gun Fight」24
圖 3-1 實驗流程 28
圖 3-2 Give Me My Dead Body之遊戲畫面 29
圖 3-3 木乃伊守衛（a）等級一 （b）等級二 （c）等級三 33
圖 3-4 機關柱（a）等級一 （b）等級二 （c）等級三 34
圖 3-5 土製炸彈（a）等級一 （b）等級二 （c）等級三 35
圖 3-6 詛咒之門 36
圖 3-7 遊戲中被點燃的火壇 36
圖 3-8 補給類－（a）靈球（b）靈能 37
圖 3-9 遊戲介面配置圖 38
圖 3-10 生成系統中的各項生成參數 38
圖 3-11 本遊戲之程序化關卡生成的程式流程 39
圖 3-12 相同生成參數下，也有可能生成型態完全不同的關卡 42
圖 3-13 測試工具之流程設計 44
圖 3-14 測試工具在教學關卡中所有遊戲技巧教學 45
圖 3-15 Rank-based Preference Learning之流程圖 48
圖 3-16 不同物件生成率的分佈情形（a）0.1（b）0.3（c）0.5 50
圖 3-17 玩家角色在不同等級下的照明度與攻擊距離 50
圖 4-1 各權重值的迭代過程 57
圖 4-2 難度生成系統（a）執行前（b）執行中 60

參考文獻

中文文獻
王漢偉（民 101）。平台動作解謎遊戲設計流程研究（碩士論文）。國立台北教育大學，台北市
胡哲豪（民 103）。Pac-Man遊戲之關卡自動生成與難易度評估（碩士論文）。國立東華大學，花蓮縣
郭文文, 王爍（2013）。基於心流理論的手機遊戲動態難度設計研究. 藝術與設計（理論）, 11, 040.
鄭程元（民 103）。Pac-Man遊戲之關卡自動生成與難易度評估（碩士論文）。國立東華大學，花蓮縣
Meigs, T. (2004). 大師談遊戲製作。台北市：上奇科技股份有限公司Rollings, A., & Adams, E. (2003). 大師談遊戲設計。 台北市：上奇科技股份有限公司
Rollings, A., & Morris, D. (2004). 大師談遊戲架構與設計理論 (史萊姆工作室譯)。台北市：上奇科技股份有限公司

英文文獻
Adams, E. (2013). Fundamentals of Game Design. New Riders.
Ashlock, D., Lee, C., & McGuinness, C. (2011). Search-based procedural generation of maze-like levels. Computational Intelligence and AI in Games, IEEE Transactions on, 3(3), 260-273.
CaptainKraft (2013, October 30). Create a Procedurally Generated Dungeon Cave System. Tutsplus. Retrieved March 2, 2015, from the World Wide Web: http://gamedevelopment.tutsplus.com/tutorials/create-a-procedurally-generated-dungeon-cave-system--gamedev-10099
Dormans, J. (2010, June). Adventures in level design: generating missions and spaces for action adventure games. In Proceedings of the 2010 Workshop on Procedural Content Generation in Games (p. 1). ACM.
Hallengren, A., & Svensson, M. (2013). Dynamic difficulty adjustment for roleplaying games (Doctoral dissertation, Sweden: School of Planning and Media Design).
Hao, Y. N., He, S., Wang, J., Liu, X., Yang, J., & Huang, W. (2010, August). Dynamic difficulty adjustment of game AI by MCTS for the game Pac-Man. In Natural Computation (ICNC), 2010 Sixth International Conference on (Vol. 8, pp. 3918-3922). IEEE.
Hunicke, R., & Chapman, V. (2004, July). AI for dynamic difficulty adjustment in games. In Challenges in Game Artificial Intelligence AAAI Workshop (Vol. 2, p. 1). sn.
Jennings-Teats, M., Smith, G., & Wardrip-Fruin, N. (2010, June). Polymorph: dynamic difficulty adjustment through level generation. In Proceedings of the 2010 Workshop on Procedural Content Generation in Games (p. 11). ACM.
Jennings-Teats, M., Smith, G., & Wardrip-Fruin, N. (2010, October). Polymorph: A model for dynamic level generation. In Sixth Artificial Intelligence and Interactive Digital Entertainment Conference.
Johnson, L., Yannakakis, G. N., & Togelius, J. (2010, June). Cellular automata for real-time generation of infinite cave levels. In Proceedings of the 2010 Workshop on Procedural Content Generation in Games (p. 10). ACM.
Pedersen, K., (2014, April 30). Procedural Level Generation in Games using a Cellular Automaton. Raywenderlich. Retrieved December 18, 2014, from the World Wide Web:http://www.raywenderlich.com/66062/procedural-level-generation-games-using-cellular-automaton-part-1
Liapis, A., Martinez, H. P., Togelius, J., & Yannakakis, G. N. (2013, August). Adaptive game level creation through rank-based interactive evolution. In Computational Intelligence in Games (CIG), 2013 IEEE Conference on (pp. 1-8). IEEE.
McGuire, M., & Jenkins, O. C. (2008). Creating games: Mechanics, content, and technology. CRC Press.
Mourato, F., dos Santos, M. P., & Birra, F. (2011, November). Automatic level generation for platform videogames using genetic algorithms. In Proceedings of the 8th International Conference on Advances in Computer Entertainment Technology (p. 8). ACM.
Nygren, N., Denzinger, J., Stephenson, B., & Aycock, J. (2011, August). User-preference-based automated level generation for platform games. In Computational Intelligence and Games (CIG), 2011 IEEE Conference on (pp. 55-62). IEEE.
Procedural Content Generation Wiki (2013, October 30). Drunkard Walk. Procedural Content Generation Wiki. Retrieved March 25, 2015, from the World Wide Web:http://pcg.wikidot.com/pcg-algorithm:drunkard-walk
RIXGAMES (2013, October 30). Procedural Dungeon Generation. LEARNING GEEK BLOG. Retrieved January 30, 2015, from the World Wide Web:https://learninggeekblog.wordpress.com/2013/10/30/procedural-dungeon-generation-part1/
Schell, J. (2008). The Art of Game Design: A book of lenses. CRC Press.
Smith, G., Gan, E., Othenin-Girard, A., & Whitehead, J. (2011, June). PCG-based game design: enabling new play experiences through procedural content generation. In Proceedings of the 2nd International Workshop on Procedural Content Generation in Games (p. 7). ACM.
Smith, G., Whitehead, J., & Mateas, M. (2010, June). Tanagra: A mixed-initiative level design tool. In Proceedings of the Fifth International Conference on the Foundations of Digital Games (pp. 209-216). ACM.
Tan, C. H., Tan, K. C., & Tay, A. (2011). Dynamic game difficulty scaling using adaptive behavior-based AI. Computational Intelligence and AI in Games, IEEE Transactions on, 3(4), 289-301.
Tanya X. Short (2014, April 02). Level Design in Procedural Generation. Gamasutra. Retrieved December 12, 2014, from the World Wide Web:http://www.gamasutra.com/blogs/TanyaXShort/20140204/209176/Level_Design_in_Procedural_Generation.php
Toni S. (2013, August 12). Game Design Theory Applied: The Flow Channel. Gamasutra. Retrieved April 5, 2015, from the World Wide Web:http://www.gamasutra.com/blogs/ToniSala/20131208/206535/Game_Design_Theory_Applied_The_Flow_Channel.php
Valtchanov, V., & Brown, J. A. (2012, June). Evolving dungeon crawler levels with relative placement. In Proceedings of the Fifth International C* Conference on Computer Science and Software Engineering (pp. 27-35). ACM.
Green, W.,(2008, June 19). Big Game Hunter. London. TIME. Retrieved March 22, 2015, from the World Wide Web:http://content.time.com/time/specials/2007/article/0,28804,1815747_1815707_1815665,00.html
Yannakakis, G. N., & Togelius, J. (2011). Experience-driven procedural content generation. Affective Computing, IEEE Transactions on, 2(3), 147-161.
Zackariasson, P., & Wilson, T. L. (2012). The Video Game Industry: Formation, Present State, and Future (Vol. 24). Routledge.
Zook, A., & Riedl, M. O. (2012, July). A Temporal Data-Driven Player Model for Dynamic Difficulty Adjustment. In AIIDE.
Zook, A., Fruchter, E., & Riedl, M. O. (2014). Automatic playtesting for game parameter tuning via active learning. In Proceedings of the 9th International Conference on the Foundations of Digital.