CN107890675A - Ai行为实现方法和装置 - Google Patents

Ai行为实现方法和装置 Download PDF

Info

Publication number
CN107890675A
CN107890675A CN201711117464.0A CN201711117464A CN107890675A CN 107890675 A CN107890675 A CN 107890675A CN 201711117464 A CN201711117464 A CN 201711117464A CN 107890675 A CN107890675 A CN 107890675A
Authority
CN
China
Prior art keywords
behaviors
score value
behavior
preparatory condition
implementation method
Prior art date
Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
Pending
Application number
CN201711117464.0A
Other languages
English (en)
Inventor
胡亚雷
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Hangzhou Electronic Soul Network Technology Co Ltd
Original Assignee
Hangzhou Electronic Soul Network Technology Co Ltd
Priority date (The priority date is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the date listed.)
Filing date
Publication date
Application filed by Hangzhou Electronic Soul Network Technology Co Ltd filed Critical Hangzhou Electronic Soul Network Technology Co Ltd
Priority to CN201711117464.0A priority Critical patent/CN107890675A/zh
Publication of CN107890675A publication Critical patent/CN107890675A/zh
Pending legal-status Critical Current

Links

Classifications

    • A—HUMAN NECESSITIES
    • A63—SPORTS; GAMES; AMUSEMENTS
    • A63F—CARD, BOARD, OR ROULETTE GAMES; INDOOR GAMES USING SMALL MOVING PLAYING BODIES; VIDEO GAMES; GAMES NOT OTHERWISE PROVIDED FOR
    • A63F13/00—Video games, i.e. games using an electronically generated display having two or more dimensions
    • A63F13/55—Controlling game characters or game objects based on the game progress
    • A63F13/56—Computing the motion of game characters with respect to other game characters, game objects or elements of the game scene, e.g. for simulating the behaviour of a group of virtual soldiers or for path finding
    • A—HUMAN NECESSITIES
    • A63—SPORTS; GAMES; AMUSEMENTS
    • A63F—CARD, BOARD, OR ROULETTE GAMES; INDOOR GAMES USING SMALL MOVING PLAYING BODIES; VIDEO GAMES; GAMES NOT OTHERWISE PROVIDED FOR
    • A63F13/00—Video games, i.e. games using an electronically generated display having two or more dimensions
    • A63F13/55—Controlling game characters or game objects based on the game progress
    • A—HUMAN NECESSITIES
    • A63—SPORTS; GAMES; AMUSEMENTS
    • A63F—CARD, BOARD, OR ROULETTE GAMES; INDOOR GAMES USING SMALL MOVING PLAYING BODIES; VIDEO GAMES; GAMES NOT OTHERWISE PROVIDED FOR
    • A63F2300/00—Features of games using an electronically generated display having two or more dimensions, e.g. on a television screen, showing representations related to the game
    • A63F2300/60—Methods for processing data by generating or executing the game program
    • A63F2300/64—Methods for processing data by generating or executing the game program for computing dynamical parameters of game objects, e.g. motion determination or computation of frictional forces for a virtual car

Landscapes

  • Engineering & Computer Science (AREA)
  • Multimedia (AREA)
  • Human Computer Interaction (AREA)
  • Theoretical Computer Science (AREA)
  • Management, Administration, Business Operations System, And Electronic Commerce (AREA)

Abstract

本发明实施例提供一种AI行为实现方法和装置，应用于终端设备，该终端设备中预存有AI行为数据库，所述AI行为实现方法包括检测并获取AI执行体当前所位于的游戏环境的多个环境参数；根据所述AI行为数据库中的各AI行为对应的权重系数集，对所述多个环境参数进行加权处理以得到各AI行为在当前游戏环境中的评分值；选择满足预设条件的评分值对应的AI行为作为所述AI执行体所要执行的AI行为。本发明中给出的AI行为选择方式和实现方式更加灵活化、智能化，同时，本发明有效改善了用户体验。

Description

AI行为实现方法和装置
技术领域
本发明涉及游戏开发技术领域，具体而言，涉及一种AI行为实现方法和装置。
背景技术
随着游戏行业的快速发展，人工智能(Artificial Intelligence，AI)设计的重要性与日剧增，例如，在各类网络大型多人在线角色扮演游戏(Massively MultiplayerOnline Role Play Game，MMORPG)中，怪物从产生、作战到死亡，都需要使用AI来进行控制。而现有的AI行为的选择通常是基于树结构实现，需要预先设置多个判断条件，使得AI行为的选取过于死板，缺乏智能性，且玩家体验差。
发明内容
有鉴于此，本发明提供一种AI行为实现方法和装置，能够有效解决上述问题。
本发明较佳实施例提供一种AI行为实现方法，应用于终端设备，该终端设备中预存有AI行为数据库，所述AI行为实现方法包括：
检测并获取AI执行体当前所位于的游戏环境的多个环境参数；
根据所述AI行为数据库中的各AI行为对应的权重系数集，对所述多个环境参数进行加权处理以得到各AI行为在当前游戏环境中的评分值；
选择满足预设条件的评分值对应的AI行为作为所述AI执行体所要执行的AI行为。
在本发明较佳实施例的选择中，所述方法还包括：
获取所述AI执行体在执行评分值满足预设条件的AI行为后的执行结果；
对该执行结果进行分析并基于分析结果对评分值满足预设条件的AI行为对应的权重系数集进行调整、更新。
在本发明较佳实施例的选择中，所述权重系数集包括与各环境参数对应的多个子系数，基于分析结果对评分值满足预设条件的AI行为对应的权重系数集进行调整的步骤包括：
判断分析结果是否满足预设需求，若不满足，则根据该预设需求选取所述多个子系数中的对应子系数，并对该对应子系数进行调整、更新。
在本发明较佳实施例的选择中，所述方法还包括：
针对AI行为数据库中每个AI行为，获取所述AI执行体在预设时间段内多次执行该AI行为的执行结果；
对执行结果进行综合分析，并根据分析结果对所述AI行为对应的权重系数集进行调整、更新。
在本发明较佳实施例的选择中，在对执行结果进行分析并对评分值满足预设条件的AI行为对应的权重系数集进行调整、更新时可采用遗传算法或自适应算法。
在本发明较佳实施例的选择中，选择满足预设条件的评分值方法为：
选取各评分值中的最大值作为满足预设条件的评分值。
本发明较佳实施例还提供一种AI行为实现装置，应用于终端设备，该终端设备中预存有AI行为数据库，所述AI行为实现装置包括：
环境参数检测模块，用于检测并获取AI执行体当前所位于的游戏环境的多个环境参数；
评分计算模块，用于根据所述AI行为数据库中的各AI行为对应的权重系数集，对所述多个环境参数进行加权处理以得到各AI行为在当前游戏环境中的评分值；
行为选取模块，用于选择满足预设条件的评分值对应的AI行为作为所述AI执行体所要执行的AI行为。
在本发明较佳实施例的选择中，所述AI行为实现装置包括：
执行结果获取模块，用于获取所述AI执行体在执行评分值满足预设条件的AI行为后的执行结果；
系数调整模块，用于对该执行结果进行分析并基于分析结果对评分值满足预设条件的AI行为对应的权重系数集进行调整、更新。
本发明较佳实施例还提供一种终端设备，所述终端设备包括存储器、处理器及存储于所述存储器并在所述处理中被执行的计算机指令，所述计算机指令被执行时可实现权利要求上述的AI行为实现方法。
本发明较佳实施例还提供一种计算机可读存储介质，其上存储有计算机指令，所述计算机指令被执行时可实现上述的AI行为实现方法。
与现有技术相比，本发明提供的AI行为实现方法和装置，可基于当前游戏中的实际环境参数选取对应的AI行为，避免了现有的基于树结构中预设设置AI行为选取规则，使得AI行为选取更加灵活化、智能化，也更加符合当前游戏环境需求。
另外，本发明还可根据AI执行体的AI行为执行结果对相应的权重系数进行调整，优化，使得选取到的AI行为更加符合玩家需求，提高玩家使用体验。
附图说明
为了更清楚地说明本发明实施例的技术方案，下面将对实施例中所需要使用的附图作简单地介绍，应当理解，以下附图仅示出了本发明的某些实施例，因此不应被看作是对范围的限定，对于本领域普通技术人员来讲，在不付出创造性劳动的前提下，还可以根据这些附图获得其他相关的附图。
图1为本发明实施例提供的AI行为实现方法和装置的应用场景示意图。
图2为本发明实施例提供的AI行为实现方法的流程示意图。
图3为本发明实施例提供的AI行为实现方法的另一流程示意图。
图4为本发明实施例提供的AI行为实现装置的方框结构示意图。
图标：10-终端设备；100-AI行为实现装置；110-环境参数检测模块；120-评分计算模块；130-行为选取模块；140-执行结果获取模块；150-系数调整模块；200-存储器；300-存储控制器；400-处理器。
具体实施方式
为使本发明实施例的目的、技术方案和优点更加清楚，下面将结合本发明实施例中的附图，对本发明实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例是本发明一部分实施例，而不是全部的实施例。通常在此处附图中描述和示出的本发明实施例的组件可以以各种不同的配置来布置和设计。
因此，以下对在附图中提供的本发明的实施例的详细描述并非旨在限制要求保护的本发明的范围，而是仅仅表示本发明的选定实施例。基于本发明中的实施例，本领域普通技术人员在没有作出创造性劳动前提下所获得的所有其他实施例，都属于本发明保护的范围。
应注意到：相似的标号和字母在下面的附图中表示类似项，因此，一旦某一项在一个附图中被定义，则在随后的附图中不需要对其进行进一步定义和解释。
如图1所示，为本发明实施例提供的应用AI行为实现方法和装置的终端设备10的结构示意图，其中，该终端设备10包括AI行为实现装置100、存储器200、存储控制器300以及处理器400。其中，所述存储器200、存储控制器300、处理器400各元件相互之间直接或间接地电性连接，以实现数据的传输或交互。例如，这些元件之间通过一条或多条通讯总线或信号线实现电性连接。所述AI行为实现装置100包括至少一个可以软件或固件的形式存储于所述存储器200中或固化在所述终端设备10的操作***中的软件功能模块。所述处理器400在所述存储控制器300的控制下访问所述存储器200，以用于执行所述存储器200中存储的可执行模块，例如所述AI行为实现装置100所包括的软件功能模块及计算机程序等。可选地，所述终端设备10可以是，但不限于智能手机、IPAD、电脑、服务器等。
应当理解，图1所示的结构仅为示意。所述终端设备10可以具有比图1所示更多或者更少的组件，或者具有与图1所示不同的配置。其中，图1所示的各组件可以由软件、硬件或者其组合实现。
如图2所示，是本发明较佳实施例提供的一种AI行为实现方法的流程示意图。所述AI行为实现方法应用于图1中所示的终端设备10。下面将结合图2对所述AI行为实现方法的具体流程及步骤进行详细阐述。
步骤S110，检测并获取AI执行体当前所位于的游戏环境的多个环境参数。
其中，所述AI执行体可以是，但不限于英雄、法师、射手、辅助、坦克等游戏角色。具体地，在游戏进行过程中，在针对每一个AI执行体所要执行的AI行为的选取时，可根据该AI执行体当前所处环境的实际环境参数选取最优的AI行为。其中，所述多个环境参数可以包括己方数量、自身血量、当前的地理环境、敌方数量及职位、敌方武器等参数，具体地，本实施例在此不做限制。
步骤S120，根据所述AI行为数据库中的各AI行为对应的权重系数集，对所述多个环境参数进行加权处理以得到各AI行为在当前游戏环境中的评分值。
本实施例中，所述AI行为数据库中包括多个预先设置的AI行为，每个AI行为对应有相应的权重系数集，且每个权重系数集中可包括一个或多个子系数。实际实施时，针对每一个AI行为，可根据获取到的所述多个环境参数，并通过所述权重系数集中的各子系数将其分别对应的环境参数进行加权处理，进而得到各AI行为对应的评分值。
例如，假设当前可执行的AI行为有A、B、C和D，且根据所述AI执行体当前所处的游戏环境实时获取的环境参数包括a、b、c和d，那么针对AI行为A的评分值F(A)＝ak1+bk2+ck3+dk4，针对B行为的评分值F(B)＝al1+bl2+cl3+dl4，针对AI行为C的评分值F(C)＝am1+bm2+cm3+dm4，针对AI行为D的评分值F(D)＝an1+bn2+cn3+dn4。
在此应理解，在针对每一个AI行为进行评分时，可以是仅根据一个环境参数实现，也可以是综合考虑多个。此外，在对各AI行为进行评分时，既可以是对数据库中的每个AI行为实现，也可以是仅针对数据库中符合当前游戏环境的一个或多个AI行为实现，具体地，本实施例在此不做限制。
步骤S130，选择满足预设条件的评分值对应的AI行为作为所述AI执行体所要执行的AI行为。
其中，所述预设条件可以根据实际情况进行灵活设定，例如，所述预设规则可以是从各评分值中选取各评分值中的最大值。又如，所述预设规则也可以是从各评分值选取大于预设值的一个或多个评分值等。
可选地，若满足预设规则的AI行为存在多个，则可根据该AI行为的评分值进行再次选择或者是基于当前环境参数选取攻击力最强的AI行为作为AI执行体所要执行的AI行为，也可以是使得所述AI执行体按照评分值的大小将多个AI行为依次执行等，本实施例在此不做限制。
进一步地，由于各所述AI行为对应的权重系数集中的各子系数是根据经验或者大量的历史数据等进行预设的，所以在实际实施时，为了进一步提高AI行为选取的智能性、灵活性，以及保证AI行为的执行效果符合预期需求。在本实施例中，如图3所示，还需要根据AI行为的执行结果对其对应的权重系数集进行调整，具体步骤如下。
步骤S140，获取所述AI执行体在执行评分值满足预设条件的AI行为后的执行结果。
步骤S150，对该执行结果进行分析并基于分析结果对评分值满足预设条件的AI行为对应的权重系数集进行调整、更新。
其中，由于每个AI行为对应的权重系数集中包括多个子系数，因此，在对获取到的AI行为执行结果进行分析后，可根据分析结果调整该多个子系数中的一个或多个。具体地，在执行上述步骤S150时，可判断分析结果是否满足预设需求，若不满足，则根据该预设需求选取所述多个子系数中的对应子系数，并对该对应子系数进行调整、更新。例如，可对步骤120中给出的对应子系数的值k1、k2、k3、k4中的一个或多个增大或减小等，并对调整后的子系数进行更新、保存。
另外，实际实施时，可以针对每个AI行为的每一次执行结果调整一次权重系数集，也可以是针对AI行为数据库中每个AI行为，获取所述AI执行体在预设时间段内多次执行该AI行为的执行结果，并对该多次执行结果进行综合分析，以根据该分析结果对所述AI行为对应的权重系数集进行调整、更新。
其中，在对AI行为的执行结果进行统计、分析时可以采用，但不限于遗传算法或自适应算法等，具体地，本实施例在此不再赘述。
进一步地，基于对上述所述AI行为实现方法设计，本发明实施例还提供计算机可读存储介质，其上存储有计算机指令，所述计算机指令被执行时可实现权利要求上述的AI行为实现方法。
进一步地，如图4所示，为本实例给出的应用于所述终端设备10的AI行为实现装置100的方框结构示意图，其中，该AI行为实现装置100包括环境参数检测模块110、评分计算模块120和行为选取模块130、执行结果获取模块140和系数调整模块150。
所述环境参数检测模块110，用于检测并获取AI执行体当前所位于的游戏环境的多个环境参数；本实施例中，关于所述环境参数检测模块110的描述具体可参考对图2中所示的步骤S110的详细描述，也即，所述步骤S110可以由所述环境参数检测模块110执行。
所述评分计算模块120，用于根据所述AI行为数据库中的各AI行为对应的权重系数集，对所述多个环境参数进行加权处理以得到各AI行为在当前游戏环境中的评分值；本实施例中，关于所述评分计算模块120的描述具体可参考对图2中所示的步骤S120的详细描述，也即，所述步骤S120可以由所述评分计算模块120执行。
所述行为选取模块130，用于选择满足预设条件的评分值对应的AI行为作为所述AI执行体所要执行的AI行为。本实施例中，关于所述行为选取模块130的描述具体可参考对图2中所示的步骤S130的详细描述，也即，所述步骤S130可以由所述行为选取模块130执行。
所述执行结果获取模块140，用于获取所述AI执行体在执行评分值满足预设条件的AI行为后的执行结果；本实施例中，关于所述行为执行结果获取模块140的描述具体可参考对图3中所示的步骤S140的详细描述，也即，所述步骤S140可以由所述执行结果获取模块140执行。
所述系数调整模块150，用于对该执行结果进行分析并基于分析结果对评分值满足预设条件的AI行为对应的权重系数集进行调整、更新。本实施例中，关于所述行为系数调整模块150的描述具体可参考对图3中所示的步骤S150的详细描述，也即，所述步骤S150可以由所述系数调整模块150执行。
综上所述，本发明提供的AI行为实现方法和装置，可基于当前游戏中的实际环境参数选取对应的AI行为，避免了现有的基于树结构中预设设置AI行为选取规则，使得AI行为选取更加灵活化、智能化，也更加符合当前游戏环境需求。
另外，本发明还可根据AI执行体的AI行为执行结果对其相应的权重系数集中的各子系数进行调整、优化，使得选取到的AI行为更加符合玩家需求，提高玩家使用体验。
在本发明的描述中，术语“设置”、“相连”、“连接”应做广义理解，例如，可以是固定连接，也可以是可拆卸连接，或一体地连接；可以是机械连接，也可以是电连接；可以是直接相连，也可以通过中间媒介间接相连，可以是两个元件内部的连通。对于本领域的普通技术人员而言，可以具体情况理解上述术语在本发明中的具体含义。
在本发明实施例所提供的几个实施例中，应该理解到，所揭露的装置和方法，也可以通过其他方式实现。以上所描述的装置和方法实施例仅仅是示意性的，例如，附图中的流程图和框图显示了根据本发明的预设数量个实施例的装置、方法和计算机程序产品可能实现的体系架构、功能和操作。在这点上，流程图或框图中的每个方框可以代表一个模块、程序段或代码的一部分。所述模块、程序段或代码的一部分包含一个或预设数量个用于实现规定的逻辑功能。
也应当注意，在有些作为替换的实现方式中，方框中所标注的功能也可以以不同于附图中所标注的顺序发生。例如，两个连续的方框实际上可以基本并行地执行，它们有时也可以按相反的顺序执行，这依所涉及的功能而定。也要注意的是，框图和/或流程图中的每个方框、以及框图和/或流程图中的方框的组合，可以用执行规定的功能或动作的专用的基于硬件的***来实现，或者可以用专用硬件与计算机指令的组合来实现。
以上所述仅为本发明的优选实施例而已，并不用于限制本发明，对于本领域的技术人员来说，本发明可以有各种更改和变化。凡在本发明的精神和原则之内，所作的任何修改、等同替换、改进等，均应包含在本发明的保护范围之内。

Claims (10)

1.一种AI行为实现方法，其特征在于，应用于终端设备，该终端设备中预存有AI行为数据库，所述AI行为实现方法包括：
检测并获取AI执行体当前所位于的游戏环境的多个环境参数；
根据所述AI行为数据库中的各AI行为对应的权重系数集，对所述多个环境参数进行加权处理以得到各AI行为在当前游戏环境中的评分值；
选择满足预设条件的评分值对应的AI行为作为所述AI执行体所要执行的AI行为。
2.根据权利要求1所述的AI行为实现方法，其特征在于，所述方法还包括：
获取所述AI执行体在执行评分值满足预设条件的AI行为后的执行结果；
对该执行结果进行分析并基于分析结果对评分值满足预设条件的AI行为对应的权重系数集进行调整、更新。
3.根据权利要求2所述的AI行为实现方法，其特征在于，所述权重系数集包括与各环境参数对应的多个子系数，基于分析结果对评分值满足预设条件的AI行为对应的权重系数集进行调整的步骤包括：
判断分析结果是否满足预设需求，若不满足，则根据该预设需求选取所述多个子系数中的对应子系数，并对该对应子系数进行调整、更新。
4.根据权利要求1所述的AI行为实现方法，其特征在于，所述方法还包括：
针对AI行为数据库中每个AI行为，获取所述AI执行体在预设时间段内多次执行该AI行为的执行结果；
对执行结果进行综合分析，并根据分析结果对所述AI行为对应的权重系数集进行调整、更新。
5.根据权利要求2或3中所述的AI行为实现方法，其特征在于，在对执行结果进行分析并对评分值满足预设条件的AI行为对应的权重系数集进行调整、更新时可采用遗传算法或自适应算法。
6.根据权利要求1所述的AI行为实现方法，其特征在于，选择满足预设条件的评分值方法为：
选取各评分值中的最大值作为满足预设条件的评分值。
7.一种AI行为实现装置，其特征在于，应用于终端设备，该终端设备中预存有AI行为数据库，所述AI行为实现装置包括：
环境参数检测模块，用于检测并获取AI执行体当前所位于的游戏环境的多个环境参数；
评分计算模块，用于根据所述AI行为数据库中的各AI行为对应的权重系数集，对所述多个环境参数进行加权处理以得到各AI行为在当前游戏环境中的评分值；
行为选取模块，用于选择满足预设条件的评分值对应的AI行为作为所述AI执行体所要执行的AI行为。
8.根据权利要求7所述的AI行为实现装置，其特征在于，所述AI行为实现装置包括：
执行结果获取模块，用于获取所述AI执行体在执行评分值满足预设条件的AI行为后的执行结果；
系数调整模块，用于对该执行结果进行分析并基于分析结果对评分值满足预设条件的AI行为对应的权重系数集进行调整、更新。
9.一种终端设备，其特征在于，所述终端设备包括存储器、处理器及存储于所述存储器并在所述处理器中被执行的计算机指令，所述计算机指令被执行时可实现权利要求1-6中任一项所述的AI行为实现方法。
10.一种计算机可读存储介质，其上存储有计算机指令，其特征在于，所述计算机指令被执行时可实现权利要求1-6中任一项所述的AI行为实现方法。
CN201711117464.0A 2017-11-13 2017-11-13 Ai行为实现方法和装置 Pending CN107890675A (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN201711117464.0A CN107890675A (zh) 2017-11-13 2017-11-13 Ai行为实现方法和装置

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN201711117464.0A CN107890675A (zh) 2017-11-13 2017-11-13 Ai行为实现方法和装置

Publications (1)

Publication Number Publication Date
CN107890675A true CN107890675A (zh) 2018-04-10

Family

ID=61805085

Family Applications (1)

Application Number Title Priority Date Filing Date
CN201711117464.0A Pending CN107890675A (zh) 2017-11-13 2017-11-13 Ai行为实现方法和装置

Country Status (1)

Country Link
CN (1) CN107890675A (zh)

Cited By (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN109499068A (zh) * 2018-11-14 2019-03-22 腾讯科技（深圳）有限公司 对象的控制方法和装置、存储介质、电子装置
CN109893857A (zh) * 2019-03-14 2019-06-18 腾讯科技（深圳）有限公司 一种操作信息预测的方法、模型训练的方法及相关装置
CN111298439A (zh) * 2020-01-21 2020-06-19 腾讯科技（深圳）有限公司 数据处理方法、装置、介质及电子设备
CN112044063A (zh) * 2020-09-02 2020-12-08 腾讯科技（深圳）有限公司 游戏对象动态变化方法、装置、设备及存储介质
JP2023502860A (ja) * 2020-02-11 2023-01-26 テンセント・テクノロジー・（シェンジェン）・カンパニー・リミテッド 情報処理方法、装置、コンピュータプログラム及び電子装置

Citations (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US20090248593A1 (en) * 2008-03-26 2009-10-01 David Putzolu Combining speculative physics modeling with goal-based artificial intelligence
CN102592059A (zh) * 2011-01-12 2012-07-18 史克威尔艾尼克斯股份有限公司 网络游戏***、游戏和服务器装置及电脑可读取记录媒体
EP2783734A1 (en) * 2013-03-29 2014-10-01 Nintendo Co., Ltd. Program, information processing apparatus, information processing method, and information processing system
CN105561578A (zh) * 2015-12-11 2016-05-11 北京像素软件科技股份有限公司 一种非玩家控制角色npc的行为决策方法
CN107019912A (zh) * 2017-04-20 2017-08-08 腾讯科技（深圳）有限公司 角色的配置方法和装置

Patent Citations (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US20090248593A1 (en) * 2008-03-26 2009-10-01 David Putzolu Combining speculative physics modeling with goal-based artificial intelligence
CN102592059A (zh) * 2011-01-12 2012-07-18 史克威尔艾尼克斯股份有限公司 网络游戏***、游戏和服务器装置及电脑可读取记录媒体
EP2783734A1 (en) * 2013-03-29 2014-10-01 Nintendo Co., Ltd. Program, information processing apparatus, information processing method, and information processing system
CN105561578A (zh) * 2015-12-11 2016-05-11 北京像素软件科技股份有限公司 一种非玩家控制角色npc的行为决策方法
CN107019912A (zh) * 2017-04-20 2017-08-08 腾讯科技（深圳）有限公司 角色的配置方法和装置

Cited By (10)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN109499068A (zh) * 2018-11-14 2019-03-22 腾讯科技（深圳）有限公司 对象的控制方法和装置、存储介质、电子装置
CN109499068B (zh) * 2018-11-14 2022-06-03 腾讯科技（深圳）有限公司 对象的控制方法和装置、存储介质、电子装置
CN109893857A (zh) * 2019-03-14 2019-06-18 腾讯科技（深圳）有限公司 一种操作信息预测的方法、模型训练的方法及相关装置
CN109893857B (zh) * 2019-03-14 2021-11-26 腾讯科技（深圳）有限公司 一种操作信息预测的方法、模型训练的方法及相关装置
CN111298439A (zh) * 2020-01-21 2020-06-19 腾讯科技（深圳）有限公司 数据处理方法、装置、介质及电子设备
CN111298439B (zh) * 2020-01-21 2021-04-13 腾讯科技（深圳）有限公司 数据处理方法、装置、介质及电子设备
JP2023502860A (ja) * 2020-02-11 2023-01-26 テンセント・テクノロジー・（シェンジェン）・カンパニー・リミテッド 情報処理方法、装置、コンピュータプログラム及び電子装置
JP7399277B2 (ja) 2020-02-11 2023-12-15 テンセント・テクノロジー・（シェンジェン）・カンパニー・リミテッド 情報処理方法、装置、コンピュータプログラム及び電子装置
CN112044063A (zh) * 2020-09-02 2020-12-08 腾讯科技（深圳）有限公司 游戏对象动态变化方法、装置、设备及存储介质
WO2022048333A1 (zh) * 2020-09-02 2022-03-10 腾讯科技（深圳）有限公司 虚拟对象动态变化方法、装置、设备及存储介质

Similar Documents

Publication Publication Date Title
CN107890675A (zh) Ai行为实现方法和装置
CN109621422B (zh) 电子棋牌决策模型训练方法及装置、策略生成方法及装置
CN105119733B (zh) 人工智能***及其状态跳转方法、服务器、通信***
CN108888958B (zh) 虚拟场景中的虚拟对象控制方法、装置、设备及存储介质
CN109978176B (zh) 一种基于状态动态感知的多智能体合作学习方法
US20240189718A1 (en) Game character behavior control method and apparatus, storage medium, and electronic device
CN111282279B (zh) 模型训练的方法、基于交互式应用的对象控制方法及装置
CN112329948B (zh) 一种多智能体策略预测方法及装置
CN108063961A (zh) 一种基于强化学习的自适应码率视频传输方法以及***
CN110968866B (zh) 一种面向深度强化学习模型对抗攻击的防御方法
CN108549233A (zh) 一种带有直觉模糊信息的无人机空战机动博弈方法
CN103971160B (zh) 基于复杂网络的粒子群优化方法
CN109284812B (zh) 一种基于改进dqn的视频游戏模拟方法
CN109794065B (zh) 游戏角色创建方法、装置、电子设备及存储介质
CN114048903A (zh) 一种基于深度强化学习的电网安全运行策略智能优化方法
CN113222106B (zh) 一种基于分布式强化学习的智能兵棋推演方法
US20230311003A1 (en) Decision model training method and apparatus, device, storage medium, and program product
US20240123348A1 (en) Game character control method and apparatus, storage medium and electronic device
CN112044076B (zh) 一种对象控制方法、装置及计算机可读存储介质
CN107890674A (zh) Ai行为调用方法和装置
CN109453524A (zh) 一种对象匹配的方法、模型训练的方法及服务器
CN108594793A (zh) 一种改进的rbf飞控***故障诊断网络训练方法
CN107357563A (zh) 对象移动方法和装置以及存储介质、电子装置
CN116090549A (zh) 一种基于知识驱动的多智能体强化学习决策方法、***及存储介质
Lv [Retracted] Martial Arts Competitive Decision‐Making Algorithm Based on Improved BP Neural Network

Legal Events

Date Code Title Description
PB01 Publication
PB01 Publication
SE01 Entry into force of request for substantive examination
SE01 Entry into force of request for substantive examination
RJ01 Rejection of invention patent application after publication
RJ01 Rejection of invention patent application after publication

Application publication date: 20180410