Adaptive Optimization(reborn)

模组

· 作者 col9kam

一款根据系统负载和游戏内条件动态优化 Minecraft 性能的模组。

0 本站下载 0 关注 更新于 4 天前

最新 adaptiveoptimization-8.5.7-p2.jar · 1.20.1 · Forge

一键开服(送7天)

? 自适应优化 — 为 Minecraft 提供真正的自适应性能

✅ Adaptive Optimization 现已正式进入稳定版阶段

Adaptive Optimization 已正式进入稳定开发阶段。

在对观察、分析、持久化、工作负载归属和性能测量系统进行了大规模内部重构后,该模组现在拥有了比以往预览版更强大且更可靠的基础。

Adaptive Optimization 不再仅仅是一个围绕预定义优化行为构建的实验性概念。

它正逐渐成为一个真正的自适应优化平台,旨在:

观察 → 识别 → 诊断 → 实验 → 测量 → 学习 → 改进

当前的稳定版本已经能够为 Minecraft 带来切实的性能提升,而未来的预览版将继续扩展其自主优化能力。


⚠️ 重要开发说明

我的模组开发得到了人工智能的大量协助。

我仍在深入学习 Java 和 Minecraft 模组开发,因此尽管 Adaptive Optimization 现已被视为稳定版,但这并不意味着不可能出现错误或罕见的兼容性问题。

所谓“稳定”,是指当前基础已达到一个可靠的程度,足以支持正常使用和持续开发,而无需不断重建核心架构。

我仍然建议你在将新版本用于重要存档之前,先在自己的整合包中进行测试,尤其是在非常大或非常规的整合包中更是如此。

如果你遇到以下情况:

  • 性能倒退
  • 兼容性问题
  • 意外行为
  • 卡顿
  • 崩溃
  • 或者 Adaptive Optimization 似乎让某些情况变得更糟的情形

请向我们报告。

来自真实世界的反馈对于改进该系统至关重要。


⚙️ 当前版本

目前可用版本适用于:

Forge 1.20.1

未来计划支持更多的 Minecraft 版本和模组加载器。


? Adaptive Optimization 实际能做什么

? 自适应运行时优化

Adaptive Optimization 会持续观察你在游玩过程中 Minecraft 的运行状况。

与其完全依赖静态的调整列表,AO 会构建关于当前工作负载的运行时信息,并利用这些信息来确定可能存在优化机会的地方。

不同的整合包可能表现出完全不同的行为。

AO 的设计正是基于这一现实。


? 真实工作负载检测

Adaptive Optimization 现在可以区分许多不同类型的工作负载,包括:

  • Vanilla Minecraft
  • Modded workloads
  • Individual mods
  • Classes and methods
  • Client workloads
  • Server workloads
  • Entities
  • Pathfinding
  • Scheduled ticking
  • Chunk-related work
  • Networking
  • I/O
  • Rendering
  • Commands
  • Filesystem activity
  • Lock contention
  • CPU pressure
  • Memory pressure
  • Garbage collection
  • Unknown or unclassified workloads

当证据不足时,该模组不需要假装它理解了某些东西。

在必要时,工作负载可以保持 UNKNOWN 状态,直到 AO 收集到更好的信息。


? Vanilla / Mod Attribution

AO 可以确定观察到的工作负载属于:

  • Minecraft Vanilla
  • A specific mod
  • A particular subsystem
  • A semantic workload group
  • Or an unknown source

这使得优化器能够更好地理解 实际消耗资源的是什么,而不仅仅是响应全局 FPS 或 tick 值。


? 高级运行时分析

分析系统已进行了大规模重构。

Adaptive Optimization 可以在多个时间窗口内分析工作负载行为,并识别某事物是:

  • Emerging
  • Persistent
  • Disappearing
  • Sporadic

它还执行基于堆栈的归属分析,以便将相关的工作负载分组在一起,而不是分散在数十个独立的方法中。

这使得 AO 能够更准确地识别真实的性能模式。


⏱️ 真实的服务器 Tick 测量

Adaptive Optimization 现在包含正确的服务端 tick-duration 测量功能。

AO 在观察 Forge 服务器的 tick 边界的同时,也使用 Minecraft 自身的内部 tick 计时器作为独立的参考。

这些测量值保持独立,以便 AO 能够检测以下差异:

  • Minecraft 的核心 Tick 工作负载
  • 围绕其周围的额外 Forge/模组工作负载

这使得 Adaptive Optimization 能够拥有对以下内容的更好可见性:

  • MSPT(每刻毫秒数)
  • Tick 不稳定性
  • 服务器端工作负载尖峰
  • 模组化服务器的压力
  • 模拟减速

监控系统专门设计为具有极低的开销。


? 因果性能测量

最大的架构变化之一是新的实验性测量系统。

Adaptive Optimization 现在拥有独立的测量阶段:

PRE(优化前)

优化前的性能。

EXPERIMENT(实验中)

候选优化措施生效期间的性能。

RECOVERY(恢复后)

优化措施撤销后的性能。

构建此架构是为了让 AO 最终能够确定优化是否真正导致了改善,而不是仅仅看到性能变化就假设是优化的功劳。


?️ 工作负载可比性

Minecraft 的性能一直在不断变化。

进入另一个维度、生成地形、垃圾回收、另一个模组变得活跃,或者分析器丢失样本,都可能导致两次性能测量无法公平比较。

Adaptive Optimization 现在可以检测许多此类情况。

示例包括:

  • 工作负载变化
  • 目标消失
  • 世界变化
  • 维度变化
  • 资源重载
  • 生命周期变化
  • CPU 压力转移
  • 垃圾回收
  • 堆内存变化
  • 锁争用
  • 网络突发
  • 采样质量下降
  • 缺失观测数据

如果实验不可信,AO 可以将其标记为:

INCONCLUSIVE(结论不明)

以避免学习错误的信息。


? 基于适应性和进化的优化

Adaptive Optimization 包含旨在随时间推移生成、评估、记忆和改进优化策略的系统。

长期目标不仅仅是:

启用优化 X。

相反,AO 正在朝着以下方向发展:

确定当前游戏的需求,测试可能的解决方案,对其进行测量,拒绝糟糕的解决方案,保留良好的方案,并改进未来的决策。

现有的自适应系统正在逐步连接到更新且更可靠的观测和因果评估架构。


? 持久化学习

Adaptive Optimization 可以在会话之间保留有用信息。

其持久化系统也已重新构建和修正,以提供更安全的长期状态处理。

目标是让 AO 最终能够记住诸如:

  • 有效的策略
  • 失败的策略
  • 受影响的哪些工作负载
  • 涉及的哪些模组
  • 哪些环境产生了良好结果
  • 哪些候选项不应再次尝试

这使得优化知识随着时间的推移变得更加有用,而不是每个会话都从零开始。


? 专注于真实的游戏体验稳定性

Adaptive Optimization 并非仅为了追求尽可能高的 FPS 数值而设计。

其更大的目标是提高 Minecraft 的整体稳定性。

这包括:

  • 帧时间一致性
  • Tick 稳定性
  • 减少工作负载尖峰
  • 减少卡顿
  • 更好的响应能力
  • 在大型整合包下更好的表现
  • 更一致的大型长时间游戏会话

一个平均 FPS 为 200 但不断冻结的 Minecraft 实例并不是真正的优化。

AO 关注的是完整的性能体验。


? 专为模组化 Minecraft 设计

Adaptive Optimization 的开发特别考虑了复杂的模组化环境。

与假设所有工作负载都是原版不同,AO 可以观察模组所有权并识别模组化行为。

随着整合包规模越来越大以及多个系统开始相互交互,这一点变得越来越重要。


? Adaptive Optimization 与我其他的优化模组

Adaptive Optimization 并不旨在使我的其他优化项目过时。

相反,长期目标是创建一个优化生态系统。

例如以下项目:

Sync Fix

针对其领域内的 Tick/同步相关系统和其他工作负载的专业化优化。

Chunks Optimization

对区块加载、生成、一致性以及大规模区块工作负载进行深度优化。

日志修复器 (Logs Fixer)

减少不必要的日志记录开销,并防止过多的日志垃圾影响性能。

模组修复器 (Mods Fixer)

检测并修正根源存在于第三方模组内部的问题,包括兼容性问题以及低效或损坏的模组行为。

未来渲染优化

针对渲染工作负载进行的专项优化。

当发现互补的优化机会时,自适应优化(Adaptive Optimization)仍可对上述领域的其他部分进行优化。

其理念并非人为限制 AO。

相反:

专用模组对其子系统进行深度优化,而自适应优化则提供额外的自适应和跨系统层。

这些系统应协同工作,而不是盲目地重复执行相同的优化操作。


? 安全优化理念

自适应优化(Adaptive Optimization)旨在通过更安全的优化技术来提升性能,而非简单地禁用功能或激进地跳过游戏逻辑。

本项目围绕以下更安全的优化技术进行开发:

  • 缓存 (Caching)
  • 记忆化 (Memoization)
  • 去重 (Deduplication)
  • 批处理 (Batching)
  • 合并 (Coalescing)
  • 对象复用 (Object reuse)
  • 更好的调度 (Better scheduling)
  • 推迟适当的工作 (Deferring appropriate work)
  • 正确的失效处理 (Correct invalidation)
  • 快速路径 (Fast paths)
  • 安全拦截 (Safe interception)
  • 受控重写 (Controlled rewrites)

任何未来的自主优化系统也必须能够在候选方案不安全或无效时拒绝它们。


?️ 在不破坏游戏体验的前提下提升性能

如果优化破坏了游戏,那么它就毫无意义。

新的架构将区分以下几个问题:

性能是否提升了?

该优化是否安全?

游戏是否继续正常运作?

未来的自主实验将在允许某项优化获得信任之前,独立评估这些问题。

可能的实验结果包括:

  • ACCEPT(接受)
  • REJECT(拒绝)
  • INCONCLUSIVE(结论不明)
  • ABORTED(中止)

这使得 AO 在证据不确定时能够采取更加保守的策略。


? 接下来会发生什么?

稳定版 并不意味着开发工作已经结束。

自适应优化(Adaptive Optimization)仍有更宏大的路线图。

即将到来的预览版本将专注于连接已经构建好的各个系统。


? 即将推出 — 自主实验协调器

下一个主要阶段是核心的实验协调器(Experiment Coordinator)。

它将负责安全管理以下步骤:

观察
↓
基线测量
↓
应用候选方案
↓
稳定期
↓
实验测量
↓
回滚
↓
恢复测量
↓
评估

它还将保护实验免受崩溃和重启的影响,以防止未完成的实验无声地变成永久的优化状态。


? 即将推出 — 真实的因果学习

一旦实验协调器被证明可靠,自适应学习系统将开始接收可信的因果结果。

学习模式将从:

我做了某件事后,性能发生了变化。

AO 将转向学习:

在特定条件下,这个确切的候选方案改善了此类可比的工作负载,并且通过了所需的安全检查。

这是本项目最重要的目标之一。


? 即将推出 — 自主候选方案生成

后续的预览版本将继续推动 AO 超越预定义的优化列表。

目标是让自适应优化最终能够自动发现工作负载并生成安全的优化候选方案。

它应该能够找到那些并未针对某个特定模组或某个特定整合包而明确编程优化的机会。


? 未来 — 共享自适应技术

为 AO 开发的自适应架构最终可能会被引入到我的其他几个优化模组中。

这将允许每个专用优化器在其各自领域内学习和适应,同时由自适应优化处理更广泛和跨系统的决策。

长期愿景是一个能够协同工作而非独立运作的优化系统生态系统。


⚠️ 重要说明

Adaptive Optimization 并非即时的帧数提升工具。

实际效果将因以下因素而异:

  • 硬件配置
  • Minecraft 设置
  • 整合包
  • 当前负载情况
  • 世界
  • 光影
  • 其他优化模组

在某些情况下可能会带来显著的性能提升,而在另一些情况下变化可能较小。

我们的目标不是伪造性能提升。

而是当存在安全且可衡量的优化机会时,让 Minecraft 真正获得更好的性能表现。


❤️ 致谢

感谢 TishinaCentral 对 Adaptive Optimization 进行测试并展示其效果:


? Discord

您可以在此加入 Discord 服务器:

错误报告、测试结果、兼容性报告以及反馈对于改进该项目非常有帮助。


☕ 支持本项目

支持开发:

buymeacoffee.com/col9kam


⚙️ 关于开发环境

自版本 8.3.7 起,Adaptive Optimization 正式迁移至 IntelliJ IDEA。

该项目的早期版本曾使用 MCreator 进行原型开发,但当前的系统是独立编码的,并已发展成为一个规模更大的 Java 项目,拥有专门用于以下功能的系统:

  • 观测
  • 性能分析(Profiling)
  • 归因
  • 持久化存储
  • 自适应参数
  • 优化策略
  • 运行时测量
  • 实验性评估
  • 安全性
  • 学习机制

此次迁移使项目在架构、性能、兼容性和测试方面获得了更强大的控制能力。


? 本项目的起源

2024 年,我开始着手这个项目,当时我还不知道如何实现这一构想。

我的最初目标是创建一个能够适应 Minecraft 的优化模组,而不是简单地包含另一堆预定义的调整项列表。

当时,我的开发知识非常有限,而且 AI 开发工具的能力远不如今天强大。

该项目曾被拒绝,有人告诉我需要更多的开发经验。

但我没有放弃这个想法,而是继续学习。

2025 年 10 月 11 日,我决定利用我积累的 Java 知识和日益成熟的新型 AI 工具再次尝试。

起初,我使用 Copilot 来辅助开发。后来,我也尝试了 ChatGPT。刚开始时,这些工具的能力不足以真正实现我的构想,但随着模型和工具的多次重大改进,它们对开发的帮助变得越来越大。

最大的转折点是我发现了 Codex。

我决定购买它的一项服务计划,并开始大量将其应用于本项目。直到今天,我仍在继续使用它,它极大地提高了开发速度和我能取得的进展。

借助这些工具,我得以摆脱 MCreator,将项目迁移到 IntelliJ IDEA,理解真正的 Forge 项目结构,更深入地调查问题,并不断重构 Adaptive Optimization,使其远远超越其原始版本。

我仍然认为自己是初学者。

AI 在开发过程中提供了巨大的帮助,但我也持续进行测试、审查、重新设计、调查故障、做出架构决策,并从所有出错的地方学习。

Adaptive Optimization 已经达到了一个阶段,其性能提升效果远超项目早期版本,但我仍有许多想要完成的工作。

而 Adaptive Optimization 仅仅是开始。

待其完成后,我计划继续开发属于 Adaptive Mods 系列的其他优化模组。当它们足够成熟后,我希望将它们移植到最重要的 Minecraft 版本,从 1.12.2 一直到游戏的最新版本。

在完成优化项目后,我还打算着手开发几个大型的游戏玩法模组。

其中之一是 Re:Loop,另一个则是一个更为雄心勃勃的项目,围绕着一个充满走廊和区域的奇怪维度展开,随着玩家的推进,这些区域会不断变化。

但长远目标甚至超越了 Minecraft 本身。

为这些模组所开发的技术、理念、实验系统和自适应优化概念,最终旨在成为一款 免费优化应用程序的基础。

这一理念的核心在于,性能优化最终不应仅限于 Minecraft。

我想探索这些系统是否有一天能帮助优化 PC 本身、其他游戏,甚至潜在地优化其他类型的设备。

我知道所有这些工作都极其庞大,因此我不会急于求成,而是会缓慢而耐心地推进。

在此期间,我会持续分享预览版、实验成果、进度更新和新想法,让大家见证 Adaptive Optimization 的成长,并最终看到 Adaptive Mods intended to become 的一切愿景。

Adaptive Optimization 的诞生,源于我持续打磨一个起初看似远超我能力范围的想法。

如今,这个最初的想法已不再只是一个优化模组,而是成为了更大规模项目的起点。


? 简要总结

Adaptive Optimization 已不再仅仅是一个试图动态优化 Minecraft 的原型项目。

它现已正式进入稳定阶段,其核心的优化、观测、性能分析与测量系统已在真实的 Minecraft 环境中正常运行。

开发工作现已转向下一个目标:

让这些系统越来越具备自主性。

Adaptive Optimization 旨在实现以下功能:

观察 Minecraft,理解其负载情况,发现优化机会,验证这些优化是否真正有效,拒绝不安全或无用的更改,记住成功的策略,并随着时间的推移不断提升优化能力。

这并非 Adaptive Optimization 的终点。

稳定阶段是为未来奠定基础。

你是这个资源的作者?登录后可认领此资源。

评论 0

0.0
暂无评分
5 星
0
4 星
0
3 星
0
2 星
0
1 星
0
我的评分

登录后参与评分

还没有评论,来抢沙发吧

评论配图

相似资源