This paper investigates the effectiveness of expressive range and controllability for 2-dimensional tile-based procedural content generation. Procedural content generation (PCG) is the automation of content, often in games, and tile-based PCG is when the generated content is constrained to a grid structure. Mixed-initiative PCG, which is the integration of user control into PCG, has been researched previously for tile-based PCG but the implementations have been limited by lack of breadth and user control over the algorithm. As a result, the expressive ranges and controllabilities of their algorithm have not been comprehensive, and in turn, the concepts of expressive range and controllability not thoroughly scrutinized. For the purpose of examining the concepts of expressive range and controllability, an implementation of declarative modelling, named Mixed-initiative Tile-based Designer (MTD), is made. The MTD combines the mission and shape grammar algorithm proposed by Dormans’ and the level generation system in Spelunky. Nine sets of input parameters, scenarios, are tested, each with 2000 levels generated. For each scenario, the expressive range of its output is examined using the standard evaluation metrics linearity and leniency. The results of the data sampling indicated that an analysis based on expressive range needs to be supported by additional analyses for the insights drawn to be more general. In particular, expressive range needs to be complemented by manual inspection, and linearity when applied to sufficiently complex levels needs to be complemented by additional evaluation metrics. On the other hand, controllability was found to have more significant limitations in its current form because of the normalization of the data that goes into the expressive range. One solution is instead to visualize the raw data of the expressive range and make liberal use of manual inspection. As a secondary study, the feasibility of implementing declarative modelling into 2-dimensional tile-based PCG is investigated through analyzing the MTD. In particular, the MTD’s user interface, procedural output and controllability is examined to determine whether declarative modelling is feasible for 2-dimensional tile-based PCG. / Denna artikel undersöker effektiviteten av uttrycksomfång och kontrollerbarhet för generering av 2-dimensionell rut-baserad procedurinnehåll. Procedurell innehållsgenerering (PCG) är automatisering av innehåll, ofta i spel, och rut-based PCG är när det genererade innehållet är begränsat till en rutnätsstruktur. Blandinitiativ PCG, som är integrationen av användarkontroll i PCG, har undersökts tidigare för rut-baserad PCG men implementeringarna har begränsats av brist på bredd och användarkontroll över algoritmen. Som ett resultat har uttrycksomfången och kontrollerbarheten av deras algoritm inte varit heltäckande, och i sin tur har begreppen uttrycksfullt omfång och kontrollerbarhet inte granskats noggrant. I syfte att undersöka begreppen uttrycksomfång och kontrollerbarhet görs en implementering av deklarativ modellering, benämnd Mixed-initiative Tile-based Designer (MTD). MTD:n kombinerar uppdrags-och formgrammatikalgoritmen som föreslagits av Dormans och nivågenereringssystemet i Spelunky. Nio uppsättningar ingångsparametrar, scenarier, testas, var och en med 2000 genererade nivåer. För varje scenario undersöks det uttrycksomfånget för dess utdata med hjälp av standardutvärderingsmåtten linjäritet och svårighet. Resultaten indikerade att en analys baserad på uttrycksomfång måste stödjas av ytterligare analyser för att insikterna ska bli mer generella. Speciellt måste uttrycksomfång kompletteras med manuell inspektion, och linjäritet när den tillämpas på tillräckligt komplexa nivåer måste kompletteras med ytterligare utvärderingsmått. Å andra sidan visade sig kontrollerbarhet ha mer betydande begränsningar i sin nuvarande form på grund av normaliseringen av data som går in i uttrycksomfånget. En lösning är istället att visualisera rådata från uttrycksomfånget och använda sig av manuell inspektion. Som en sekundär studie undersöks möjligheten att implementera deklarativ modellering i 2- dimensionell rut-baserad PCG genom att analysera MTD. I synnerhet undersöks MTD:s användargränssnitt, procedurutdata och kontrollerbarhet för att avgöra om deklarativ modellering är genomförbar för 2-dimensionell rut-baserad PCG.

As the video gaming industry continues to grow, developers face increasing pressure to produce innovative content swiftly and cost-effectively. Procedural Content Generation (PCG), the use of algorithms to automate content creation, offers a solution to this problem. This paper explores the PCG algorithm wave function collapse’s (WFC) potential for replicating the stylistic design in video games. We provide an exploration of how the WFC algorithm works and discuss the methodology used to evaluate the generator’s ability to generate content that mimics a video game style. The study evaluates the algorithm’s efficacy by generating levels in the style of the iconic game Super Mario Bros, highlighting its ability to produce original content while maintaining the game’s stylistic features. Additionally, we do an examination of the research surrounding PCG and Machine Learning in Super Mario Bros, drawing comparisons with our methodology. The paper concludes with an assessment of WFC’s capabilities to replicate style with its generated content with the help of earlier established evaluation metrics. / Med den växande videospelsindustrin så möter utvecklare ett ökande tryck att producera innovativt innehåll snabbt och kostnadseffektivt. Procedural Content Generation (PCG), användningen av algoritmer för att automatisera skapandet av sådant innehåll, erbjuder en lösning på detta problem. Denna artikeln utforskar PCG-algoritmen wave function collapses (WFC) potentiella användning för att replikera design i datorspel. Vi ger en förklaring hur WFC-algoritmen fungerar och diskuterar metodiken som används för att utvärdera generatorns förmåga att generera innehåll som efterliknar ett visst datorspel stil. Studien utvärderar algoritmens effektivitet genom att generera nivåer i samma stil som i det ikoniska spelet Super Mario Bros, vilket betonar algoritmens förmåga att producera originellt innehåll samtidigt som den bevarar spelets stilistiska egenskaper. Dessutom undersöker forskningen kring PCG och maskininlärning i Super Mario Bros, och gör jämförelser med vår egna metodik. Uppsatsen avslutas med en bedömning av WFC:s förmåga att replikera stil med dess genererade innehåll med hjälp av tidigare etablerade utvärderingsmått.

Procedural Content Generators (PCG) typically excel at generating a large amount of content in a short period of time. Whilst this is making PCG very applicable for the game industry, simplistic implementations of PCG lack in Usability whereas complex implementations of PCG lack in Controllability. The purpose of this study is therefore to deepen our understanding on the correlation between Controllability and Usability in algorithmic generators that utilizes a generic and constructive approach to generate terrain in games.Furthermore the findings in this study can be used in the field of procedural terrain generators to study deterministic generators that utilize Automatic generation, from a Usability or Controllability perspective.