В работе рассматривается оптимизация алгоритма Wave Function Collapse (WFC), применяемого для процедурной генерации контента в видео-играх. WFC имеет ограничения: конфликты при генерации, необходимость перезапусков, слабая масштабируемость. Предложено дополнить алгоритм двумя ML‑модулями: Judge (прогнозирует конфликты и инициирует откат) и Advisor (ранжирует варианты заполнения ячеек, учитывая правила и закономерности). Эксперименты показали, что интеграция модулей снижает частоту конфликтов и ускоряет генерацию, сохраняя гибкость WFC. Планируется тестирование различных ML‑моделей для оценки эффективности; ожидается сокращение времени генерации на 30–50% по сравнению с классической версией алгоритма. Ключевые слова: Wave Function Collapse, процедурная генерация, машинное обучение.

Кобелев Л.К. (науч. рук. Волчек Д.Г.) Оптимизация алгоритма wave function collapse с помощью методов машинного обучения // Сборник тезисов докладов конгресса молодых ученых. Электронное издание. – СПб: Университет ИТМО, [2026]. URL: https://kmu.itmo.ru/digests/article/16493