CN107970608B - 关卡游戏的设置方法和装置、存储介质、电子装置 - Google Patents
关卡游戏的设置方法和装置、存储介质、电子装置 Download PDFInfo
- Publication number
- CN107970608B CN107970608B CN201711100214.6A CN201711100214A CN107970608B CN 107970608 B CN107970608 B CN 107970608B CN 201711100214 A CN201711100214 A CN 201711100214A CN 107970608 B CN107970608 B CN 107970608B
- Authority
- CN
- China
- Prior art keywords
- game
- level
- target level
- difficulty
- parameter
- 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.)
- Active
Links
Images
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
- A63F13/45—Controlling the progress of the video game
- A63F13/47—Controlling the progress of the video game involving branching, e.g. choosing one of several possible scenarios at a given point in time
-
- 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
- A63F13/70—Game security or game management aspects
- A63F13/79—Game security or game management aspects involving player-related data, e.g. identities, accounts, preferences or play histories
- A63F13/798—Game security or game management aspects involving player-related data, e.g. identities, accounts, preferences or play histories for assessing skills or for ranking players, e.g. for generating a hall of fame
-
- 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
- A63F2300/63—Methods for processing data by generating or executing the game program for controlling the execution of the game in time
- A63F2300/632—Methods for processing data by generating or executing the game program for controlling the execution of the game in time by branching, e.g. choosing one of several possible story developments at a given point in time
Landscapes
- Engineering & Computer Science (AREA)
- Multimedia (AREA)
- Theoretical Computer Science (AREA)
- Business, Economics & Management (AREA)
- Computer Security & Cryptography (AREA)
- General Business, Economics & Management (AREA)
- Management, Administration, Business Operations System, And Electronic Commerce (AREA)
Abstract
本发明公开了一种关卡游戏的设置方法和装置、存储介质、电子装置。其中,该方法包括:获取待加入到游戏场景中的目标关卡游戏的初始游戏信息,游戏场景已包括多个当前关卡游戏;以初始游戏信息为目标关卡游戏的初始信息,多次运行目标关卡游戏,得到多个游戏结果,每次运行目标关卡游戏时,参与目标关卡游戏的对象包括多个第一对象中的一个,每个第一对象用于指示游戏场景中关卡游戏的一个难度等级;基于多个游戏结果中用于表示第一对象胜出的游戏结果确定目标关卡游戏的难度等级;按照确定的目标关卡游戏的难度等级,将目标关卡游戏设置在游戏场景中。本发明解决了相关技术中对游戏局面进行评定得到的游戏难度等级的准确度较低的技术问题。
Description
技术领域
本发明涉及互联网领域,具体而言,涉及一种关卡游戏的设置方法和装置、存储介质、电子装置。
背景技术
随着多媒体技术的发展和无线网络的普及,人们的娱乐活动变得越来越丰富,如通过手持式媒体设备联网玩游戏、通过电脑玩单机或者联网游戏,游戏类型多种多样,如弹幕射击游戏、冒险游戏、模拟游戏、角色扮演游戏、休闲棋牌游戏和其它游戏等。
大部分类型的游戏可以实现联网,多人同时在线玩。例如棋牌类游戏,游戏对局双方可能知晓对方的棋牌(如大部分棋类游戏、残局斗地主等明牌类游戏等),目前没有成熟的棋局难度评估方法,实际评估过程中,往往会采用一些人工评定的方式。采用该评估方式,需要耗费大量的人力物力,虽然可以采用多人评定然后取平均的方法来降低人工评定的主观因素影响,但是得到的棋局难度的准确度较低。
针对相关技术中对游戏局面进行评定得到的游戏难度等级的准确度较低的技术问题,目前尚未提出有效的解决方案。
发明内容
本发明实施例提供了一种关卡游戏的设置方法和装置、存储介质、电子装置,以至少解决相关技术中对游戏局面进行评定得到的游戏难度等级的准确度较低的技术问题。
根据本发明实施例的一个方面,提供了一种关卡游戏的设置方法,包括:获取待加入到游戏场景中的目标关卡游戏的初始游戏信息,游戏场景已包括多个当前关卡游戏,多个当前关卡游戏按照多个当前关卡游戏的难度等级依次设置在游戏场景中;以初始游戏信息为目标关卡游戏的初始信息,多次运行目标关卡游戏,得到多个游戏结果,每次运行目标关卡游戏时,参与目标关卡游戏的对象包括多个第一对象中的一个,每个第一对象用于指示游戏场景中关卡游戏的一个难度等级,游戏结果用于表示第一对象是否胜出;基于多个游戏结果中用于表示第一对象胜出的游戏结果确定目标关卡游戏的难度等级;按照确定的目标关卡游戏的难度等级,将目标关卡游戏设置在游戏场景中,设置后的游戏场景中的目标关卡游戏和多个当前关卡游戏按照难度等级依次设置在设置后的游戏场景中。
根据本发明实施例的另一方面,还提供了一种关卡游戏的设置装置,包括:获取单元,用于获取待加入到游戏场景中的目标关卡游戏的初始游戏信息,游戏场景已包括多个当前关卡游戏,多个当前关卡游戏按照多个当前关卡游戏的难度等级依次设置在游戏场景中;运行单元,用于以初始游戏信息为目标关卡游戏的初始信息,多次运行目标关卡游戏,得到多个游戏结果,每次运行目标关卡游戏时,参与目标关卡游戏的对象包括多个第一对象中的一个,每个第一对象用于指示游戏场景中关卡游戏的一个难度等级,游戏结果用于表示第一对象是否胜出;确定单元,用于基于多个游戏结果中用于表示第一对象胜出的游戏结果确定目标关卡游戏的难度等级;设置单元,用于按照确定的目标关卡游戏的难度等级,将目标关卡游戏设置在游戏场景中,设置后的游戏场景中的目标关卡游戏和多个当前关卡游戏按照难度等级依次设置在设置后的游戏场景中。
在本发明实施例中,获取待加入到游戏场景中的目标关卡游戏的初始游戏信息;以初始游戏信息为目标关卡游戏的初始信息,多次运行目标关卡游戏,得到多个游戏结果;基于多个游戏结果中用于表示第一对象胜出的游戏结果确定目标关卡游戏的难度等级;按照确定的目标关卡游戏的难度等级,将目标关卡游戏设置在游戏场景中,设置后的游戏场景中的目标关卡游戏和多个当前关卡游戏按照难度等级依次设置在设置后的游戏场景中,由于难度评估过程中第一对象能力固定且避免了产生主观因素,可以解决相关技术中对游戏局面进行评定得到的游戏难度等级的准确度较低的技术问题,进而达到对游戏局面的游戏难度等级进行准确评估的技术效果。
附图说明
此处所说明的附图用来提供对本发明的进一步理解,构成本申请的一部分,本发明的示意性实施例及其说明用于解释本发明,并不构成对本发明的不当限定。在附图中:
图1是根据本发明实施例的关卡游戏的设置方法的硬件环境的示意图;
图2是根据本发明实施例的一种可选的关卡游戏的设置方法的流程图;
图3A是根据本发明实施例的一种可选的游戏信息的示意图;
图3B是根据本发明实施例的一种可选的游戏信息的示意图;
图3C是根据本发明实施例的一种可选的游戏信息的示意图;
图4A是根据本发明实施例的一种可选的游戏界面的示意图;
图4B是根据本发明实施例的一种可选的游戏界面的示意图;
图4C是根据本发明实施例的一种可选的游戏界面的示意图;
图5是根据本发明实施例的一种可选的关卡游戏的设置的示意图;
图6是根据本发明实施例的一种可选的评分的示意图;
图7是根据本发明实施例的一种可选的构造AI模型的示意图;
图8是根据本发明实施例的一种可选的网络结构的示意图;
图9是根据本发明实施例的一种可选的游戏界面的示意图;
图10是根据本发明实施例的一种可选的关卡游戏的设置装置的示意图;以及
图11是根据本发明实施例的一种终端的结构框图。
具体实施方式
为了使本技术领域的人员更好地理解本发明方案,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,所描述的实施例仅仅是本发明一部分的实施例,而不是全部的实施例。基于本发明中的实施例,本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例,都应当属于本发明保护的范围。
需要说明的是,本发明的说明书和权利要求书及上述附图中的术语“第一”、“第二”等是用于区别类似的对象,而不必用于描述特定的顺序或先后次序。应该理解这样使用的数据在适当情况下可以互换,以便这里描述的本发明的实施例能够以除了在这里图示或描述的那些以外的顺序实施。此外,术语“包括”和“具有”以及他们的任何变形,意图在于覆盖不排他的包含,例如,包含了一系列步骤或单元的过程、方法、***、产品或设备不必限于清楚地列出的那些步骤或单元,而是可包括没有清楚地列出的或对于这些过程、方法、产品或设备固有的其它步骤或单元。
首先,在对本发明实施例进行描述的过程中出现的部分名词或者术语适用于如下解释:
增强学习(reinforcement learning):增强学习关注的是智能体agent在一个环境中采取一些动作并获得收益的场景,它的目标是优化多部决策过程累计收益。
深度学习(Deep Learning):通过叠加多层神经网络以获得更强性能的机器学习算法。
蒙特卡洛树搜索(Monte Carlo Tree Search):一种model-free的增强学习算法,通过仿真的方式来选择下一步采取的动作,并使得累计的收益最大。
价值网络(value network):基于当前状态,利用深度学习来预测当前状态获得的收益的模型。
策略网络(policy network):基于当前状态,利用深度学习来预测下一个动作的模型。
排位***(rating system):利用比较数据(例如人与人之间下棋的胜负结果),动态的调整用户的排位积分。
Elo:排位***的一种实现算法,是基于统计的计算玩家相对能力的排位算法,被广泛应用于各种棋类玩家的排位。
TrueSkill:排位***的一种实现算法,是基于bayesian方法的排位算法,主要用于Xbox中玩家的排位。
评分(rating):由排位***给与人或者游戏关卡的分值,用于表示两两之间的相对顺序。
棋类游戏(Chess Game):主要有中国象棋、中国跳棋、黑白棋和五子棋等,棋类游戏不同于牌类游戏,棋类游戏是完全信息游戏,牌类游戏是非完全信息游戏。如果将牌类游戏的信息公开,可以将牌类游戏看出棋类游戏。如果斗地主玩家知道对手牌,斗地主也可算是棋类游戏。
NPC:Non-Player Character,指游戏中不受玩家控制的角色。
根据本发明实施例,提供了一种关卡游戏的设置方法的方法实施例。
可选地,在本实施例中,上述关卡游戏的设置方法可以应用于如图1所示的由服务器102和终端104所构成的硬件环境中。如图1所示,服务器102通过网络与终端104进行连接,上述网络包括但不限于:广域网、城域网或局域网,终端104并不限定于PC、手机、平板电脑等。本发明实施例的关卡游戏的设置方法可以由服务器102来执行,也可以由终端104来执行,还可以是由服务器102和终端104共同执行。其中,终端104执行本发明实施例的关卡游戏的设置方法也可以是由安装在其上的客户端来执行。
图2是根据本发明实施例的一种可选的关卡游戏的设置方法的流程图,如图2所示,该方法可以包括以下步骤:
步骤S202,获取待加入到游戏场景中的目标关卡游戏的初始游戏信息,游戏场景已包括多个当前关卡游戏,多个当前关卡游戏按照多个当前关卡游戏的难度等级依次设置在游戏场景中。
上述的游戏场景为游戏中的一种游戏场景,该游戏场景是一种关卡类的场景,该游戏场景下包括多个当前关卡游戏,每个当前关卡游戏为初始游戏局面不同的一局游戏;目标关卡游戏也可理解为具备初始游戏信息(如游戏局面、指示游戏中先进行游戏操作的对象的信息)的一局游戏。
参与游戏场景中的一局游戏的包括游戏双方,其中一方为上述的第一对象,另一方为非用户控制对象(即游戏中的NPC对象),该游戏包括但不局限于棋类游戏、牌类游戏。
步骤S204,以初始游戏信息为目标关卡游戏的初始信息,多次运行目标关卡游戏,得到多个游戏结果,每次运行目标关卡游戏时,参与目标关卡游戏的对象包括多个第一对象中的一个,每个第一对象对应于游戏场景中关卡游戏的一个难度等级,游戏结果用于表示第一对象是否胜出。
通过为第一对象设置的能力的不同(具体的设置方法可以参考后续队对戏AI的训练),不同的第一对象可对应关卡游戏的不同难度等级。
上述的初始游戏信息可用于指示游戏局面(允许游戏双方各自在游戏中使用的资源、游戏中游戏双方使用游戏资源进行游戏操作的顺序。
步骤S206,基于多个游戏结果中用于表示第一对象胜出的游戏结果确定目标关卡游戏的难度等级。
可将多个游戏结果中用于表示第一对象胜出的游戏结果即为第一游戏结果,第一游戏结果的数量可以为一个或多个,在第一游戏结果的数量为一个的情况下,直接将第一游戏结果表示的胜出的第一对象所指示的难度等级作为目标关卡游戏的难度等级;在第一游戏结果的数量为多个的情况下,将多个第一游戏结果表示的胜出的多个第一对象所指示的多个难度等级中最低的作为目标关卡游戏的难度等级。
步骤S208,按照确定的目标关卡游戏的难度等级,将目标关卡游戏设置在游戏场景中,设置后的游戏场景中的目标关卡游戏和多个当前关卡游戏按照难度等级依次设置在设置后的游戏场景中。
在上述步骤中,第一对象可为采用人工智能AI的对象,每个第一对象通过为其设置的能力(属性参数)的不同,可用于指示游戏场景中关卡游戏的一个难度等级,且每次评估一个新的目标关卡游戏的难度等级时,都是用这些第一对象来进行评估,从而可以避免人为主观因素对评估造成的影响;且对于难度等级的关卡游戏,都是通过同一第一对象评估而得到的,而该第一对象的能力已经是被预先设置且固定好的,从而可以避免评估主体的不一、或由于主体自身能力进化对评估造成的影响。
通过上述步骤S202至步骤S208,获取待加入到游戏场景中的目标关卡游戏的初始游戏信息;以初始游戏信息为目标关卡游戏的初始信息,多次运行目标关卡游戏,得到多个游戏结果;基于多个游戏结果中用于表示第一对象胜出的游戏结果确定目标关卡游戏的难度等级;按照确定的目标关卡游戏的难度等级,将目标关卡游戏设置在游戏场景中,设置后的游戏场景中的目标关卡游戏和多个当前关卡游戏按照难度等级依次设置在设置后的游戏场景中,由于难度评估过程中第一对象能力固定且避免了产生主观因素,可以解决相关技术中对游戏局面进行评定得到的游戏难度等级的准确度较低的技术问题,进而达到对游戏局面的游戏难度等级进行准确评估的技术效果。
(一)硬件环境
如图1所示,本申请的方法可以应用于对游戏场景中的关卡进行管理的***中:
步骤S101,通过用户终端与服务器的交互来进行关卡更新。
用户终端包括但不局限于服务器、PC、移动终端等智能设备,这些终端即可以是游戏开发人员的终端(即可以由开发人员来管理关卡),也可以是玩家的游戏终端,由玩家上传自己觉得比较有意思的游戏局面。
新游戏局面(目标关卡游戏的初始游戏信息)的来源:
(1)在用户终端生成的游戏局面,通过上述交互传递给游戏服务器;
(2)在游戏过程中(如游戏直播赛事过程中、玩家游戏过程中)生成的游戏局面;
(3)接收到用户终端的指令(该指令用于指示生成新关卡)时,在游戏服务器上生成的游戏局面。
可选地,若是直接在游戏服务器上生成新游戏局面,那么可以直接在游戏服务器上进行操作,而不用通过用户终端进行交互。
步骤S103,游戏服务器计算新游戏局面的难度等级,具体而言,可通过执行上述的步骤S202至步骤S206实现。
可选地,服务器的功能也可集成在本地的用户终端上,也即上述的用户终端和游戏服务器可以为同一设备。
在游戏服务器确定新游戏局面的难度等级之后,可以直接执行步骤S105。也可进一步与用户终端进行交互。
在服务器与用户终端进行交互时,通知用户终端“新游戏局面与关卡3的难度匹配,请确认是否将该游戏局面作为关卡3”,由用户选择“确认”或者“取消”。若用户选择“确认”则执行步骤S105。
步骤S105,向用于存储相关游戏数据的数据库发送更新指令。
步骤S107,游戏数据库接收到更新指令后进行更新。
对数据库中的关卡数据进行更新,如将上述的游戏局面作为关卡3存入数据库中。
(二)技术方案的实现
如何量化的判断游戏关卡的难度一直是游戏关卡设计中的一个难点。过去只能通过游戏策划的经验来判断游戏关卡的难度,或者是通过收集上线之后关卡的通过率来判断(由于玩家之间游戏水平不同,使得通过率不能用于表征关卡的难度),但是这样就会导致判断的不精准或者关卡设计的时间变长。一个能够量化判断关卡难度的工具就能够避免以上这些问题。
在本申请的技术方案中,为了克服相关技术中的棋局或牌局难度评估的准确度较低的问题,提供了以下两种思路:
1)基于棋局特点的难度评估,基于棋局特征的难度评估是通过棋局特征计算棋局难度,首先挑选棋局特征,比如对于中国象棋的棋局,可以挑选我方车剩余数、我方马剩余数、我方剩余棋子数等作为特征。然后,以棋局特征作为特征,用规则或者深度学习的方法建立特征到难度映射。
2)基于模拟胜率的难度评估,基于模拟胜率的难度评估是执行若干次的模拟,将模拟胜率作为棋局难度指标,模拟胜率越高,说明棋局难度越低;反之模拟胜率越低,说明棋局难度越高,在模拟中,用一些启发式规则为玩法。
下面以图2所示的步骤详述本申请的技术方案
(1)AI模型的训练
在执行步骤S202提供的技术方案之前,可按照如下方式对AI模型进行训练:
步骤S11,使用数据集合中的数据对第一模型(即训练前的AI模型)进行训练,以对第一模型中待初始化的参数进行初始化,并将参数初始化后的第一模型作为第二模型(即训练后的AI模型),数据集合中保存有对象参与游戏场景中的关卡游戏产生的数据。
可选地,可利用增强学习和深度学习的方法训练游戏AI。
步骤S12,将第二模型作为第一对象,并根据与第一对象对应的难度等级设置第一对象的属性参数。
可选地,在将第二模型作为第一对象,并根据与第一对象对应的难度等级设置第一对象的属性参数之后,可以按照如下方式对第二模型(第一对象)所表征的难度等级(即属性参数)进行优化调整:
步骤S13,获取目标关卡游戏的第三游戏结果,参与目标关卡游戏的对象包括第一对象和第二对象,第三游戏结果用于表示第一对象是否胜出。
可选地,第二对象可以为玩家或者上述游戏AI,在对第一对象所表征的难度等级进行优化调整时,第二对象即为上述游戏AI。
步骤S14,在第一对象的属性参数的参数值大于第二对象的属性参数的参数值、且第三游戏结果表示第一对象胜出的情况下,降低第一对象的属性参数的参数值,并增大第二对象的属性参数的参数值。
属性参数的参数值与所表征的难度成反比(后续会说明),即第二对象表征的难度等级高于第一对象所表征的难度等级,第二对象的游戏能力应该更强,所以理论上应该是第二对象胜出,若第三游戏结果表示第一对象胜出,则说明为第一对象所表征的难度等级偏低,而第二对象所表征的难度等级偏高,此时应该降低第一对象的属性参数的参数值(上调第一对象所表征的难度等级),并增大第二对象的属性参数的参数值(下调第二对象所表征的难度等级)。
步骤S15,在第二对象的属性参数的参数值大于第一对象的属性参数的参数值、且第三游戏结果表示第二对象胜出的情况下,降低第二对象的属性参数的参数值,并增大第一对象的属性参数的参数值。
步骤S15的原理与步骤S14类似。
可选地,上述的第二对象可以为玩家(对应于游戏中的游戏帐号)时,上述的步骤S12至步骤S15可以理解为对玩家的帐号级别(用于表示玩家的游戏能力或游戏等级的高低)的动态调整。
如在步骤S14中,第二对象的属性参数的参数值对应于玩家的帐号级别(即属性参数的参数值可以和帐号级别或者帐号等级之间相互转换)。
属性参数的参数值与所表征的难度成反比(后续会说明),即第二对象表征的难度等级高于第一对象所表征的难度等级,作为玩家的第二对象的游戏能力应该更强,所以理论上应该是玩家胜出,若第三游戏结果表示第一对象AI胜出,则说明为第一对象AI所表征的难度等级偏低,而玩家的帐号级别偏高,此时应该降低第一对象的属性参数的参数值(上调第一对象所表征的难度等级),并增大玩家的属性参数的参数值(下调玩家的帐号级别)。
在步骤S15中,调整的原理与上述类似。
(2)AI模型的应用
在步骤S202提供的技术方案中,获取待加入到游戏场景中的目标关卡游戏的初始游戏信息,游戏场景已包括多个当前关卡游戏,多个当前关卡游戏按照多个当前关卡游戏的难度等级依次设置在游戏场景中。
与上述目标关卡游戏的生成方式对应的,获取目标关卡游戏的初始游戏信息的方式也包括三种:
1)获取在用户终端生成的游戏局面,如随机生成、按照指定规则生成;
2)获取在游戏进行过程中生成的游戏局面;
3)获取在游戏服务器上生成的游戏局面。
在步骤S204提供的技术方案中,以初始游戏信息为目标关卡游戏的初始信息,多次运行目标关卡游戏,得到多个游戏结果,每次运行目标关卡游戏时,参与目标关卡游戏的对象包括多个第一对象中的一个,每个第一对象用于指示游戏场景中关卡游戏的一个难度等级,游戏结果用于表示第一对象是否胜出。
1)确定游戏结果
对于本技术方案中的“多次运行目标关卡游戏,得到多个游戏结果”,多次运行可以是指并行运行的,也可以是串行运行的。下面以运行一次目标关卡游戏为例进行说明。
步骤S21,每次运行目标关卡游戏时,运行目标关卡游戏包括的至少一个游戏回合。每个游戏回合中可包括如下子步骤实现:
步骤S211,获取第一对象的第一资源集合,第一资源集合中保存有允许第一对象在当前游戏回合中使用的资源,如对于斗地主而言,第一资源集合是指当前允许第一对象AI使用的牌面,对于中国象棋而言,第一资源是指当前允许第一对象AI使用的棋子,对于围棋而言,第一资源是指棋盘中当前允许第一对象AI落棋子的位置。
需要说明的是,本申请的“目标关卡游戏的初始游戏信息”包括在第一个游戏回合中对战双方初始时的第一资源集合。当游戏回合发生改变,如来到下一游戏回合时,由于上一个游戏回合中的资源消耗,允许第一对象AI使用资源集合就会发生改变,此时需要重新获取第一资源集合。
步骤S212,获取与第一资源集合对应的多个资源使用方式,资源使用方式为第一对象学习到的对第一资源集合中的资源的使用方式。
需要说明的是,多个资源使用方式是指第一对象预先学习到的(如通过前述的训练进行学习到的),又或者是指模型训练好后通过游戏AI之间的对战进行增强学习到的。
步骤S213,获取为游戏回合生成的第三参数。可选地,在一局游戏运行的过程中,可以为每个游戏回合随机生成一个第三参数。
步骤S214,在第三参数不大于第一对象的属性参数的情况下,为第一对象从多个资源使用方式中选择在游戏回合中使用的第一资源使用方式,其中,第一资源使用方式为当前允许第一对象使用的多个资源使用方式中的任意一个。
步骤S215,在第三参数大于第一对象的属性参数的情况下,为第一对象从多个资源使用方式中选择在游戏回合中使用的第二资源使用方式,其中,第一对象使用第二资源使用方式时的胜率不小于使用多个资源使用方式中任意一个时的胜率。
从上述步骤S214和S215可以看出,第三参数是随机生成的(用于模拟某个牌面局面对玩家的影响),而属性参数用于表示AI能够攻克的关卡游戏的难度等级,若属性参数的值越大,那么该属性参数小于等于第三参数的可能性就越小,也即选择多个资源使用方式中最优的第二资源使用方式的概率越小;若属性参数的值越小,那么该属性参数小于等于第三参数的可能性就越大,也即选择多个资源使用方式中最优的第二资源使用方式的概率越大。
也即第一对象的属性参数与该第一对象所表征的难度等级成反比,第一对象的属性参数的属性值越小,那么该第一对象所表征的难度等级越高,反之越低。
需要说明的是,对于不同的游戏而言,每个游戏回合中的资源使用的顺序可以根据游戏规则确定,如在斗地主中,第一个游戏回合由地主先出牌(使用资源),以后的游戏回合中,由上一个游戏回合获胜的一方先出牌。
步骤S22,将至少一个游戏回合中的最后一个游戏回合的结果作为目标关卡游戏的游戏结果。
对于不同的游戏而言,游戏回合中的胜负可以根据游戏规则确定,如对于斗地主而言,最后一个游戏回合中先出完牌的一方获胜;对于中国象棋而言,吃掉对方“帅”棋的一方获胜。
2)优化AI模型
游戏关卡难度包含静态难度(用于评估关卡本身的搜索空间复杂度)以及动态复杂度(用于评估不同用户解决难题的能力不同),相关技术中的方法集中在评估游戏关卡的静态难度,却忽视了动态难度在难度评估中的作用,所以常常会导致评估的难度和实际用户的表现差距很大。
在本申请的技术方案中,在运行目标关卡游戏包括的一个游戏回合的过程中,AI模型可以按照如下方式进行优化:
步骤S31,在不存在与第一资源集合对应的多个资源使用方式(也即预先没有学习到任何内容)的情况下,为第一对象获取允许在目标关卡游戏中使用的第三资源使用方式,第一资源集合中保存有允许第一对象在游戏回合中使用的资源。
“为第一对象获取允许在目标关卡游戏中使用的第三资源使用方式”包括以下两种实现方式:
其一是在当前允许第一对象在游戏回合中使用的资源为第一资源集合的条件下,从满足游戏的游戏规则的多个资源使用方式中任意选择一个为第三资源使用方式;
其二是在当前允许第一对象在游戏回合中使用的资源为第一资源集合的条件下,从满足游戏的游戏规则的多个资源使用方式中选择符合目标策略的一个为第三资源使用方式,目标策略为游戏AI学习到的策略,如对于斗地主而言,可以是“尽可能出更多的牌”,对于象棋而言,可以是“攻击对方重要程度更高棋子”。
步骤S32,根据目标关卡游戏的游戏结果对允许使用的资源集合为第一资源集合时的第一胜率和允许使用的资源集合为第二资源集合时的第二胜率进行更新,第一胜率为允许第一对象使用的资源集合为第一资源集合时的胜出次数与面临允许第一对象使用的资源集合为第一资源集合的次数之间的比值,第二胜率为允许第一对象使用的资源集合为第二资源集合时的胜出次数与面临允许第一对象使用的资源集合为第二资源集合的次数之间的比值,第一资源集合是在目标关卡游戏的一个游戏回合中对第二资源集合中的资源进行使用后得到的。
如图3A所示,节点A至节点H分别表示一局游戏的过程中或初始时的一个中间出牌局面(即一个游戏回合的初始状态,也即上述的资源集合),节点A有两个子节点,表示两种资源使用方式,节点A的局面经历过10次,赢了8次,该资源集合(或节点A)对应的胜率为8/10,其余节点的含义与此类似。
假设节点A为第一个游戏回合时的局面,第二个游戏回合出现的局面可能为B和C,第三个游戏回合出现的局面可能为D、E、F、G、H。当来到第三个游戏回合时,即可按照上述步骤S31至S32进行进化,若分别经历了节点A、C,在节点C(即第二资源集合)时选择某个资源使用方式导致了节点F(即第一资源集合)的局面,此时没有可选的资源使用方式,则可执行步骤S31和步骤S32,第三个游戏回合之后第一对象的局面可用节点I表示。
若在第三个游戏回合中第一对象未获胜,此时将第三资源集合(节点I对应的资源集合,是在目标关卡游戏的一个游戏回合中对第一资源集合中的资源进行使用后得到的)的胜率设置为“0/1”,若在第三个游戏回合中第一对象获胜,则将第三资源集合的胜率设置为“1/1”。
如图3B所示,与此同时,对F节点及其各个父节点的胜率进行更新。若在第三个游戏回合中第一对象未获胜,那么节点F胜率由之前的“1/1”更新为“1/2”,节点C的胜率由之前的“4/4”更新为“4/5”,节点A的胜率由之前的“8/10”更新为“8/11”。
在上述方案,若某个节点(如节点C)存在多种资源使用方式(即存在多个子节点),也可以在此时执行上述的步骤S31至S32进行优化学习,在多次经历学习之后新资源使用方式之后,对胜率进行更新,此时可以开出更新的该新资源使用方式的效果如何,如图3C所示,对于节点I,经过多次使用新资源使用方式之后,节点I的胜率变更为“4/5”,其效果明显优于节点F下的另一个资源使用方式,从而使得AI进化出了一种新的有效的资源使用方式。
在本申请的技术方案中,通过引入用户是否通过关卡的比较数据来动态调整用户的能力评分以及关卡的难度评分,这样就解决了过去难度评估方法难以评估动态复杂度的问题,然后再利用多个能力不同的AI来完成新关卡的比较数据的冷启动,这样就可以在新关卡发布前就能对其有个准确的难度评估。
在步骤S206提供的技术方案中,基于多个游戏结果中用于表示第一对象胜出的游戏结果确定目标关卡游戏的难度等级。
可选地,上述技术方案包括但不局限于如下实施方式:
1)方式一
步骤S41,在多个游戏结果中查找第一游戏结果和第二游戏结果,第一游戏结果用于表示属性参数为第一参数的第一对象胜出,第二游戏结果用于表示属性参数为第二参数的第一对象未胜出,第一参数表示的目标关卡游戏的难度等级与第二参数表示的目标关卡游戏的难度等级为相邻的两个难度等级。
步骤S42,将第一参数对应的目标关卡游戏的难度等级作为目标关卡游戏的难度等级。
2)方式二
步骤S51,在多个游戏结果中查找所有第一游戏结果,第一游戏结果用于表示属性参数为第一参数的第一对象胜出。
步骤S52,将所有第一游戏结果表示的胜出多个第一对象的多个第一参数对应的多个难度等级最低的作为目标关卡游戏的难度等级。
3)方式三
步骤S61,在多个游戏结果中查找所有第二游戏结果,第一游戏结果用于表示属性参数为第一参数的第一对象未胜出。
步骤S62,获取所有第一游戏结果表示的未胜出多个第一对象的多个第一参数对应的多个难度等级中的最高难度等级,并将比该最高难度等级高一个等级的难度等级作为目标关卡游戏的难度等级。
在步骤S208提供的技术方案中,按照确定的目标关卡游戏的难度等级,将目标关卡游戏设置在游戏场景中,设置后的游戏场景中的目标关卡游戏和多个当前关卡游戏按照难度等级依次设置在设置后的游戏场景中。
若确定了目标关卡游戏的难度等级(如为0.1,图4A中用一颗星表示)之后,可将目标关卡游戏设置在游戏中难度等级为一颗星的区域。
如图4A所示,若游戏中难度等级为一颗星的区域没有其余关卡游戏,则直接将目标关卡游戏设置在该区域即可;若游戏中难度等级为一颗星的区域有其余关卡游戏,则可将目标关卡游戏设置在该区域,以替换之前的关卡游戏,如图4B所示;若游戏中难度等级为一颗星的区域有其余关卡游戏,则可将目标关卡游戏设置在该区域,与之前的关卡游戏并列显示,如图4C所示。
作为一种可选的实施例,下面以“残局斗地主”为例详述本申请的实施方式:
本方案的整体流程如图5所示:
步骤S71,利用历史的用户通关数据(也即比较数据,可保存在用于对第一模型或原始游戏AI模型进行训练的数据集合中),通过评分算法获得所有关卡的评分和所有用户的评分。此处的评分可以对应第一对象的属性参数的参数值。
步骤S72,利用用户在通关时的行为数据(也即用户行为数据),利用增强学习和深度学习技术建立多个游戏AI模型(初始化后的模型,即第二模型)。
步骤S73,用这些生成的游戏AI模型来通关,不同能力的AI能够通过的关卡也会不同,基于评分算法,就可以给不同能力的AI以不同的评分。
步骤S74,这时每个AI模型里都有评分,然后然这些AI模型来解决新的关卡,利用不同AI是否通过这个新关卡就可以基于评分算法来为新的关卡评分,也可用来为用户评分,具体而言是通过比较数据(是否通关的数据)实现。
上述技术方案涉及到两个方面,其一是如何设计评分算法,另一个是如何建立多个游戏AI模型。
1)关于评分算法
本申请的评分算法可以使用,例如elo、Trueskill等算法,这些算法的大体流程如图6所示:
玩家A的评分为ra,玩家B的评分为rb,如果ra≥rb,则认为玩家A的胜的可能性更大,且|ra-rb|的值越大,则认为玩家A的获胜的可能性更大,反之亦然。
获取玩家A和玩家B实际比赛的结果,根据预期结果和实际结果比较来调整玩家A和玩家B的评分,具体调整方法如下:
预期玩家A获胜,实际也是玩家A获胜:略微提升玩家A的评分(如提高固定分数,如1分、或者固定比例的分数,如增加5%的分数)或者保持不变,略微降低玩家B的评分或者保持不变(如降低固定分数,如1分、或者固定比例的分数,如降低5%的分数),但因为符合预期,所以即使上调或下降的幅度很小。
预期玩家A获胜,实际是玩家B获胜:说明现有评分分值不能很好的体现玩家A和玩家B的能力,所以需要大幅降低玩家A的评分(如降低固定分数,如10分、或者固定比例的分数,如降低20%的分数),并且大幅提高玩家B的评分(如提高固定分数,如20分、或者固定比例的分数,如提高20%的分数)。
预期玩家B获胜,实际也是玩家B获胜:提升玩家B的评分,并且降低玩家A的评分,但因为符合预期,所以上调和下降的幅度都很小。
预期玩家B获胜,实际是玩家A获胜:说明现有评分分值不能很好的体现玩家A和玩家B的能力,所以需要大幅降低玩家B的评分,并且大幅提高玩家A的评分。
传统上评分算法是用于比较不同玩家相对能力的高低,本申请的技术方案创新性地将关卡也视为玩家,通过观察所有玩家的通关记录,就可以获得所有玩家以及所有关卡的评分。但是对于新的关卡,由于没有用户的通关记录,就无法获得新的关卡的评分,这时就需要AI模型的帮助。
上述的玩家A和玩家B可以为AI、实际玩家。
2)关于AI模型
AI模型基于蒙特卡洛搜索树(MCTS)方法,并利用策略网络(Policy Network)和价值网络(Value Network)来强化搜索效率。然后通过调节参数,构造多个不同能力的AI模型,如图7所示。
步骤S81,选择(Selection):根据随机数r,如果第三参数r≤探索系数ε(也即上述属性参数),则从子节点中随机选择一个继续递归,否则就根据策略网络和价值网络的预测结果选择最优的子节点。
步骤S82,扩展(Expansion):当到达一个新的未访问的节点时,扩展一个新的节点,并计算当前几点的P值(策略网络的输出)以及Q值(价值网络的输出)。
步骤S83,仿真(Simulation):从最后一个访问的节点开始,通过随机走子策略,走到游戏结束状态,并获取最终的胜负状态(如示出的“0/1”,表示未胜出)。
步骤S84,回溯(Backpropagation):将最终的胜负状态沿着父节点一直回溯到根节点,更新路径上每个节点的状态。
通过赋予探索系数ε不同的值就可以获得具有不同能力的AI模型。
策略网络和价值网络的网络结构类似,如图8所示:
步骤S91,将当前的游戏状态state(相当于确定当前回合中可用的资源集合)通过state embedding层(状态卷积层)转化为向量表示。
步骤S92,将当前选择的动作action(相当于所选择的资源使用方式)通过actionembedding层(操作卷积层)转化为向量表示。
步骤S93,通过连接层将状态和动作的向量表示连接起来。
步骤S94,然后通过两个全连接层(Fully Connected)后输出0或者1。
对于价值网络:0代表选择当前状态和动作后游戏的最终状态是失败,反之代表游戏的最终状态是成功。
对于策略网络:0代表在当前状态,用户没有选择输入的动作,反之代表用户选择了当前动作。
本申请的技术方案创新性地将排位算法用于人与游戏关卡之间的排位,并提出基于深度学习和增强学习的方法来获得关卡的初始排位分数,并结合玩家的排位评分来预估游戏关卡的通过率。本申请的技术方案能够在新关卡被设计出来之后,没有用户通关记录数据的基础上,利用游戏AI离线的评估新关卡的难度,这样极大的提高了游戏关卡难度评估的准确率以及游戏关卡设计的效率。
(三)关于本申请的方法的应用
本申请的技术方案可用于斗地主残局关卡的难度评估,也可以广泛用于其他游戏关卡(如中国象棋、国际象棋、五子棋等)的难度评估。该技术方案可以软件代码(或功能模块)的形式存在于游戏应用或游戏的后台管理***中。
需要说明的是,上述斗地主是牌类游戏,但斗地主残局是明牌,因此可以看成棋类游戏。斗地主游戏是三人两方对局,一方一名地主,另一方两名农民,但斗地主残局一般是一名地主一名农民(也可以是多个农民),地主一般是人类玩家,农民则由电脑扮演,而且由人类玩家即地主开始出牌。
(1)应用于游戏的后台管理***
以斗地主残局关卡设计流程为例:
步骤S101,随机或者按照一定的规则生成候选斗地主局面;
步骤S102,使用极大极小搜索找到地主必须遵循最佳出法才能赢的局面,将之作为残局;
步骤S103,使用难度评估技术对残局进行难度评估,并根据难度将残局分配到不同的关卡中。最终展现如图9所示。
(2)应用于游戏应用
以斗地主为例:
步骤S111,玩家在客户端中玩游戏“斗地主”的过程中,发现了一个很有意思的局面(类似于上述的残局)。
步骤S112,玩家在客户端中的设置界面选择上报该“残局”,客户端将该“残局”的牌面信息上传至游戏服务器。
步骤S113,服务器使用极大极小搜索找到地主必须遵循最佳出法才能赢的局面,将之作为该游戏中的一个残局。
步骤S114,服务器使用难度评估技术对残局进行难度评估,并根据难度将残局分配到不同的关卡中。
步骤S115,该玩家或者其余玩家可在游戏“斗地主”的“残局斗地主”场景下看到该“残局”,并且进行试玩。
在本申请的实施例中,可利用人与游戏关卡之间的通关数据,同时给与人和关卡排位评分;利用增强学习和深度学习的方法训练游戏AI,并利用游戏AI给与新的游戏关卡难度评分。本申请的技术方案可用于斗地主残局关卡的难度评估,也可以广泛用于其他游戏关卡(如中国象棋、国际象棋、五子棋等)的难度评估。能够更为准确的对游戏的难度等级进行分析评估。
需要说明的是,对于前述的各方法实施例,为了简单描述,故将其都表述为一系列的动作组合,但是本领域技术人员应该知悉,本发明并不受所描述的动作顺序的限制,因为依据本发明,某些步骤可以采用其他顺序或者同时进行。其次,本领域技术人员也应该知悉,说明书中所描述的实施例均属于优选实施例,所涉及的动作和模块并不一定是本发明所必须的。
通过以上的实施方式的描述,本领域的技术人员可以清楚地了解到根据上述实施例的方法可借助软件加必需的通用硬件平台的方式来实现,当然也可以通过硬件,但很多情况下前者是更佳的实施方式。基于这样的理解,本发明的技术方案本质上或者说对现有技术做出贡献的部分可以以软件产品的形式体现出来,该计算机软件产品存储在一个存储介质(如ROM/RAM、磁碟、光盘)中,包括若干指令用以使得一台终端设备(可以是手机,计算机,服务器,或者网络设备等)执行本发明各个实施例所述的方法。
根据本发明实施例,还提供了一种用于实施上述关卡游戏的设置方法的关卡游戏的设置装置。图10是根据本发明实施例的一种可选的关卡游戏的设置装置的示意图,如图10所示,该装置可以包括:获取单元1001、运行单元1003、确定单元1005以及设置单元1007。
获取单元1001,用于获取待加入到游戏场景中的目标关卡游戏的初始游戏信息,其中,游戏场景已包括多个当前关卡游戏,多个当前关卡游戏按照多个当前关卡游戏的难度等级依次设置在游戏场景中。
上述的游戏场景为游戏中的一种游戏场景,该游戏场景是一种关卡类的场景,该游戏场景下包括多个当前关卡游戏,每个当前关卡游戏为初始游戏局面不同的一局游戏;目标关卡游戏也可理解为具备初始游戏信息(如游戏局面、指示游戏中先进行游戏操作的对象的信息)的一局游戏。
参与游戏场景中的一局游戏的包括游戏双方,其中一方为上述的第一对象,另一方为非用户控制对象(即游戏中的NPC对象),该游戏包括但不局限于棋类游戏、牌类游戏。
运行单元1003,用于以初始游戏信息为目标关卡游戏的初始信息,多次运行目标关卡游戏,得到多个游戏结果,其中,每次运行目标关卡游戏时,参与目标关卡游戏的对象包括多个第一对象中的一个,每个第一对象用于指示游戏场景中关卡游戏的一个难度等级,游戏结果用于表示第一对象是否胜出。
上述的初始游戏信息可用于指示游戏局面(允许游戏双方各自在游戏中使用的资源、游戏中游戏双方使用游戏资源进行游戏操作的顺序。
确定单元1005,用于基于多个游戏结果中用于表示第一对象胜出的游戏结果确定目标关卡游戏的难度等级。
可将多个游戏结果中用于表示第一对象胜出的游戏结果即为第一游戏结果,第一游戏结果的数量可以为一个或多个,在第一游戏结果的数量为一个的情况下,直接将第一游戏结果表示的胜出的第一对象所指示的难度等级作为目标关卡游戏的难度等级;在第一游戏结果的数量为多个的情况下,将多个第一游戏结果表示的胜出的多个第一对象所指示的多个难度等级中最低的作为目标关卡游戏的难度等级。
设置单元1007,用于按照确定的目标关卡游戏的难度等级,将目标关卡游戏设置在游戏场景中,其中,设置后的游戏场景中的目标关卡游戏和多个当前关卡游戏按照难度等级依次设置在设置后的游戏场景中。
需要说明的是,该实施例中的获取单元1001可以用于执行本申请实施例中的步骤S202,该实施例中的运行单元1003可以用于执行本申请实施例中的步骤S204,该实施例中的确定单元1005可以用于执行本申请实施例中的步骤S206,该实施例中的设置单元1007可以用于执行本申请实施例中的步骤S208。
此处需要说明的是,上述模块与对应的步骤所实现的示例和应用场景相同,但不限于上述实施例所公开的内容。需要说明的是,上述模块作为装置的一部分可以运行在如图1所示的硬件环境中,可以通过软件实现,也可以通过硬件实现。
第一对象可为采用人工智能AI的对象,每个第一对象通过为其设置的能力(属性参数)的不同,可用于指示游戏场景中关卡游戏的一个难度等级,且每次评估一个新的目标关卡游戏的难度等级时,都是用这些第一对象来进行评估,从而可以避免人为主观因素对评估造成的影响;且对于难度等级的关卡游戏,都是通过同一第一对象评估而得到的,而该第一对象的能力已经是被预先设置且固定好的,从而可以避免评估主体的不一、或由于主体自身能力进化对评估造成的影响。
通过上述模块,获取待加入到游戏场景中的目标关卡游戏的初始游戏信息;以初始游戏信息为目标关卡游戏的初始信息,多次运行目标关卡游戏,得到多个游戏结果;基于多个游戏结果中用于表示第一对象胜出的游戏结果确定目标关卡游戏的难度等级;按照确定的目标关卡游戏的难度等级,将目标关卡游戏设置在游戏场景中,设置后的游戏场景中的目标关卡游戏和多个当前关卡游戏按照难度等级依次设置在设置后的游戏场景中,由于难度评估过程中第一对象能力固定且避免了产生主观因素,可以解决相关技术中对游戏局面进行评定得到的游戏难度等级的准确度较低的技术问题,进而达到对游戏局面的游戏难度等级进行准确评估的技术效果。
上述的运行单元可包括:运行模块,用于每次运行目标关卡游戏时,运行目标关卡游戏包括的至少一个游戏回合;第二确定模块,用于将至少一个游戏回合中的最后一个游戏回合的结果作为目标关卡游戏的游戏结果。
可选地,运行模块可包括:获取子模块,用于获取为游戏回合生成的第三参数;第一选择子模块,用于在第三参数不大于第一对象的属性参数的情况下,为第一对象从多个资源使用方式中选择在游戏回合中使用的第一资源使用方式,其中,第一资源使用方式为当前允许第一对象使用的多个资源使用方式中的任意一个;第二选择子模块,用于在第三参数大于第一对象的属性参数的情况下,为第一对象从多个资源使用方式中选择在游戏回合中使用的第二资源使用方式,其中,第一对象使用第二资源使用方式时的胜率不小于使用多个资源使用方式中任意一个时的胜率。
上述第一对象的属性参数用于表示目标关卡游戏的难度等级,其中,确定单元包括:查找模块,用于在多个游戏结果中查找第一游戏结果和第二游戏结果,其中,第一游戏结果用于表示属性参数为第一参数的第一对象胜出,第二游戏结果用于表示属性参数为第二参数的第一对象未胜出,第一参数表示的目标关卡游戏的难度等级与第二参数表示的目标关卡游戏的难度等级为相邻的两个难度等级;第一确定模块,用于将第一参数对应的目标关卡游戏的难度等级作为目标关卡游戏的难度等级。
可选地,运行模块在为第一对象从多个资源使用方式中选择在游戏回合中使用的第一资源使用方式或第二资源使用方式之前,还用于:获取第一对象的第一资源集合,其中,第一资源集合中保存有允许第一对象在游戏回合中使用的资源;获取与第一资源集合对应的多个资源使用方式,其中,资源使用方式为第一对象学习到的对第一资源集合中的资源的使用方式。
可选地,运行模块还用于在不存在与第一资源集合对应的多个资源使用方式的情况下,为第一对象获取允许在目标关卡游戏中使用的第三资源使用方式,其中,第一资源集合中保存有允许第一对象在游戏回合中使用的资源;根据目标关卡游戏的游戏结果对允许使用的资源集合为第一资源集合时的第一胜率和允许使用的资源集合为第二资源集合时的第二胜率进行更新,其中,第一胜率为允许第一对象使用的资源集合为第一资源集合时的胜出次数与面临允许第一对象使用的资源集合为第一资源集合的次数之间的比值,第二胜率为允许第一对象使用的资源集合为第二资源集合时的胜出次数与面临允许第一对象使用的资源集合为第二资源集合的次数之间的比值,第一资源集合是在目标关卡游戏的一个游戏回合中对第二资源集合中的资源进行使用后得到的。
可选地,在获取待加入到游戏场景中的目标关卡游戏的初始游戏信息之前,本申请的装置还可包括训练单元,用于使用数据集合中的数据对第一模型进行训练,以对第一模型中待初始化的参数进行初始化,并将参数初始化后的第一模型作为第二模型,数据集合中保存有对象参与游戏场景中的关卡游戏产生的数据;将第二模型作为第一对象,并根据与第一对象对应的难度等级设置第一对象的属性参数。
可选地,本申请的装置还可包括优化单元,用于在将第二模型作为第一对象,并根据与第一对象对应的难度等级设置第一对象的属性参数之后,获取目标关卡游戏的第三游戏结果,其中,参与目标关卡游戏的对象包括第一对象和第二对象,第三游戏结果用于表示第一对象是否胜出;在第一对象的属性参数的参数值大于第二对象的属性参数的参数值、且第三游戏结果表示第一对象胜出的情况下,降低第一对象的属性参数的参数值,并增大第二对象的属性参数的参数值;在第二对象的属性参数的参数值大于第一对象的属性参数的参数值、且第三游戏结果表示第二对象胜出的情况下,降低第二对象的属性参数的参数值,并增大第一对象的属性参数的参数值。
在本申请的技术方案中,通过引入用户是否通过关卡的比较数据来动态调整用户的能力评分以及关卡的难度评分,这样就解决了过去难度评估方法难以评估动态复杂度的问题,然后再利用多个能力不同的AI来完成新关卡的比较数据的冷启动,这样就可以在新关卡发布前就能对其有个准确的难度评估。
此处需要说明的是,上述模块与对应的步骤所实现的示例和应用场景相同,但不限于上述实施例所公开的内容。需要说明的是,上述模块作为装置的一部分可以运行在如图1所示的硬件环境中,可以通过软件实现,也可以通过硬件实现,其中,硬件环境包括网络环境。
根据本发明实施例,还提供了一种用于实施上述关卡游戏的设置方法的服务器或终端。
图11是根据本发明实施例的一种终端的结构框图,如图11所示,该终端可以包括:一个或多个(图11中仅示出一个)处理器1101、存储器1103、以及传输装置1105(如上述实施例中的发送装置),如图11所示,该终端还可以包括输入输出设备1107。
其中,存储器1103可用于存储软件程序以及模块,如本发明实施例中的关卡游戏的设置方法和装置对应的程序指令/模块,处理器1101通过运行存储在存储器1103内的软件程序以及模块,从而执行各种功能应用以及数据处理,即实现上述的关卡游戏的设置方法。存储器1103可包括高速随机存储器,还可以包括非易失性存储器,如一个或者多个磁性存储装置、闪存、或者其他非易失性固态存储器。在一些实例中,存储器1103可进一步包括相对于处理器1101远程设置的存储器,这些远程存储器可以通过网络连接至终端。上述网络的实例包括但不限于互联网、企业内部网、局域网、移动通信网及其组合。
上述的传输装置1105用于经由一个网络接收或者发送数据,还可以用于处理器与存储器之间的数据传输。上述的网络具体实例可包括有线网络及无线网络。在一个实例中,传输装置1105包括一个网络适配器(Network Interface Controller,NIC),其可通过网线与其他网络设备与路由器相连从而可与互联网或局域网进行通讯。在一个实例中,传输装置1105为射频(Radio Frequency,RF)模块,其用于通过无线方式与互联网进行通讯。
其中,具体地,存储器1103用于存储应用程序。
处理器1101可以通过传输装置1105调用存储器1103存储的应用程序,以执行下述步骤:
获取待加入到游戏场景中的目标关卡游戏的初始游戏信息,其中,游戏场景已包括多个当前关卡游戏,多个当前关卡游戏按照多个当前关卡游戏的难度等级依次设置在游戏场景中;
以初始游戏信息为目标关卡游戏的初始信息,多次运行目标关卡游戏,得到多个游戏结果,其中,每次运行目标关卡游戏时,参与目标关卡游戏的对象包括多个第一对象中的一个,每个第一对象用于指示游戏场景中关卡游戏的一个难度等级,游戏结果用于表示第一对象是否胜出;
基于多个游戏结果中用于表示第一对象胜出的游戏结果确定目标关卡游戏的难度等级;
按照确定的目标关卡游戏的难度等级,将目标关卡游戏设置在游戏场景中,其中,设置后的游戏场景中的目标关卡游戏和多个当前关卡游戏按照难度等级依次设置在设置后的游戏场景中。
处理器1101还用于执行下述步骤:
获取为游戏回合生成的第三参数;
在第三参数不大于第一对象的属性参数的情况下,为第一对象从多个资源使用方式中选择在游戏回合中使用的第一资源使用方式,其中,第一资源使用方式为当前允许第一对象使用的多个资源使用方式中的任意一个;
在第三参数大于第一对象的属性参数的情况下,为第一对象从多个资源使用方式中选择在游戏回合中使用的第二资源使用方式,其中,第一对象使用第二资源使用方式时的胜率不小于使用多个资源使用方式中任意一个时的胜率。
采用本发明实施例,获取待加入到游戏场景中的目标关卡游戏的初始游戏信息;以初始游戏信息为目标关卡游戏的初始信息,多次运行目标关卡游戏,得到多个游戏结果;基于多个游戏结果中用于表示第一对象胜出的游戏结果确定目标关卡游戏的难度等级;按照确定的目标关卡游戏的难度等级,将目标关卡游戏设置在游戏场景中,设置后的游戏场景中的目标关卡游戏和多个当前关卡游戏按照难度等级依次设置在设置后的游戏场景中,由于难度评估过程中第一对象能力固定且避免了产生主观因素,可以解决相关技术中对游戏局面进行评定得到的游戏难度等级的准确度较低的技术问题,进而达到对游戏局面的游戏难度等级进行准确评估的技术效果。
可选地,本实施例中的具体示例可以参考上述实施例中所描述的示例,本实施例在此不再赘述。
本领域普通技术人员可以理解,图11所示的结构仅为示意,终端可以是智能手机(如Android手机、iOS手机等)、平板电脑、掌上电脑以及移动互联网设备(Mobile InternetDevices,MID)、PAD等终端设备。图11其并不对上述电子装置的结构造成限定。例如,终端还可包括比图11中所示更多或者更少的组件(如网络接口、显示装置等),或者具有与图11所示不同的配置。
本领域普通技术人员可以理解上述实施例的各种方法中的全部或部分步骤是可以通过程序来指令终端设备相关的硬件来完成,该程序可以存储于一计算机可读存储介质中,存储介质可以包括:闪存盘、只读存储器(Read-Only Memory,ROM)、随机存取器(RandomAccess Memory,RAM)、磁盘或光盘等。
本发明的实施例还提供了一种存储介质。可选地,在本实施例中,上述存储介质可以用于执行关卡游戏的设置方法的程序代码。
可选地,在本实施例中,上述存储介质可以位于上述实施例所示的网络中的多个网络设备中的至少一个网络设备上。
可选地,在本实施例中,存储介质被设置为存储用于执行以下步骤的程序代码:
S121,获取待加入到游戏场景中的目标关卡游戏的初始游戏信息,其中,游戏场景已包括多个当前关卡游戏,多个当前关卡游戏按照多个当前关卡游戏的难度等级依次设置在游戏场景中;
S122,以初始游戏信息为目标关卡游戏的初始信息,多次运行目标关卡游戏,得到多个游戏结果,其中,每次运行目标关卡游戏时,参与目标关卡游戏的对象包括多个第一对象中的一个,每个第一对象用于指示游戏场景中关卡游戏的一个难度等级,游戏结果用于表示第一对象是否胜出;
S123,基于多个游戏结果中用于表示第一对象胜出的游戏结果确定目标关卡游戏的难度等级;
S124,按照确定的目标关卡游戏的难度等级,将目标关卡游戏设置在游戏场景中,其中,设置后的游戏场景中的目标关卡游戏和多个当前关卡游戏按照难度等级依次设置在设置后的游戏场景中。
可选地,存储介质还被设置为存储用于执行以下步骤的程序代码:
S131,获取为游戏回合生成的第三参数;
S132,在第三参数不大于第一对象的属性参数的情况下,为第一对象从多个资源使用方式中选择在游戏回合中使用的第一资源使用方式,其中,第一资源使用方式为当前允许第一对象使用的多个资源使用方式中的任意一个;
S133,在第三参数大于第一对象的属性参数的情况下,为第一对象从多个资源使用方式中选择在游戏回合中使用的第二资源使用方式,其中,第一对象使用第二资源使用方式时的胜率不小于使用多个资源使用方式中任意一个时的胜率。
可选地,本实施例中的具体示例可以参考上述实施例中所描述的示例,本实施例在此不再赘述。
可选地,在本实施例中,上述存储介质可以包括但不限于:U盘、只读存储器(ROM,Read-Only Memory)、随机存取存储器(RAM,Random Access Memory)、移动硬盘、磁碟或者光盘等各种可以存储程序代码的介质。
上述本发明实施例序号仅仅为了描述,不代表实施例的优劣。
上述实施例中的集成的单元如果以软件功能单元的形式实现并作为独立的产品销售或使用时,可以存储在上述计算机可读取的存储介质中。基于这样的理解,本发明的技术方案本质上或者说对现有技术做出贡献的部分或者该技术方案的全部或部分可以以软件产品的形式体现出来,该计算机软件产品存储在存储介质中,包括若干指令用以使得一台或多台计算机设备(可为个人计算机、服务器或者网络设备等)执行本发明各个实施例所述方法的全部或部分步骤。
在本发明的上述实施例中,对各个实施例的描述都各有侧重,某个实施例中没有详述的部分,可以参见其他实施例的相关描述。
在本申请所提供的几个实施例中,应该理解到,所揭露的客户端,可通过其它的方式实现。其中,以上所描述的装置实施例仅仅是示意性的,例如所述单元的划分,仅仅为一种逻辑功能划分,实际实现时可以有另外的划分方式,例如多个单元或组件可以结合或者可以集成到另一个***,或一些特征可以忽略,或不执行。另一点,所显示或讨论的相互之间的耦合或直接耦合或通信连接可以是通过一些接口,单元或模块的间接耦合或通信连接,可以是电性或其它的形式。
所述作为分离部件说明的单元可以是或者也可以不是物理上分开的,作为单元显示的部件可以是或者也可以不是物理单元,即可以位于一个地方,或者也可以分布到多个网络单元上。可以根据实际的需要选择其中的部分或者全部单元来实现本实施例方案的目的。
另外,在本发明各个实施例中的各功能单元可以集成在一个处理单元中,也可以是各个单元单独物理存在,也可以两个或两个以上单元集成在一个单元中。上述集成的单元既可以采用硬件的形式实现,也可以采用软件功能单元的形式实现。
以上所述仅是本发明的优选实施方式,应当指出,对于本技术领域的普通技术人员来说,在不脱离本发明原理的前提下,还可以做出若干改进和润饰,这些改进和润饰也应视为本发明的保护范围。
Claims (12)
1.一种关卡游戏的设置方法,其特征在于,包括:
获取待加入到游戏场景中的目标关卡游戏的初始游戏信息,其中,所述游戏场景已包括多个当前关卡游戏,所述多个当前关卡游戏按照所述多个当前关卡游戏的难度等级依次设置在所述游戏场景中;
以所述初始游戏信息为所述目标关卡游戏的初始信息,多次运行所述目标关卡游戏,得到多个游戏结果,其中,每次运行所述目标关卡游戏时,参与所述目标关卡游戏的对象包括多个第一对象中的一个,每个所述第一对象用于指示所述游戏场景中关卡游戏的一个难度等级,所述游戏结果用于表示所述第一对象是否胜出;
所述第一对象的属性参数用于表示所述目标关卡游戏的难度等级,其中,基于多个所述游戏结果中用于表示所述第一对象胜出的所述游戏结果确定所述目标关卡游戏的难度等级,包括:在多个所述游戏结果中查找第一游戏结果和第二游戏结果,其中,所述第一游戏结果用于表示属性参数为第一参数的所述第一对象胜出,所述第二游戏结果用于表示属性参数为第二参数的所述第一对象未胜出,所述第一参数表示的所述目标关卡游戏的难度等级与所述第二参数表示的所述目标关卡游戏的难度等级为相邻的两个难度等级;将所述第一参数对应的所述目标关卡游戏的难度等级作为所述目标关卡游戏的难度等级;
按照确定的所述目标关卡游戏的难度等级,将所述目标关卡游戏设置在所述游戏场景中,其中,设置后的所述游戏场景中的所述目标关卡游戏和所述多个当前关卡游戏按照难度等级依次设置在设置后的所述游戏场景中。
2.根据权利要求1所述的方法,其特征在于,多次运行所述目标关卡游戏,得到多个游戏结果包括:
每次运行所述目标关卡游戏时,运行所述目标关卡游戏包括的至少一个游戏回合;
将至少一个所述游戏回合中的最后一个所述游戏回合的结果作为所述目标关卡游戏的游戏结果。
3.根据权利要求2所述的方法,其特征在于,运行所述目标关卡游戏包括的一个所述游戏回合包括:
获取为所述游戏回合生成的第三参数;
在所述第三参数不大于所述第一对象的属性参数的情况下,为所述第一对象从多个资源使用方式中选择在所述游戏回合中使用的第一资源使用方式,其中,所述第一资源使用方式为当前允许所述第一对象使用的多个所述资源使用方式中的任意一个;
在所述第三参数大于所述第一对象的属性参数的情况下,为所述第一对象从多个资源使用方式中选择在所述游戏回合中使用的第二资源使用方式,其中,所述第一对象使用所述第二资源使用方式时的胜率不小于使用多个所述资源使用方式中任意一个时的胜率。
4.根据权利要求3所述的方法,其特征在于,在为所述第一对象从多个资源使用方式中选择在所述游戏回合中使用的所述第一资源使用方式或所述第二资源使用方式之前,所述方法还包括:
获取所述第一对象的第一资源集合,其中,所述第一资源集合中保存有允许所述第一对象在所述游戏回合中使用的资源;
获取与所述第一资源集合对应的多个所述资源使用方式,其中,所述资源使用方式为所述第一对象学习到的对所述第一资源集合中的资源的使用方式。
5.根据权利要求2所述的方法,其特征在于,运行所述目标关卡游戏包括的一个所述游戏回合包括:
在不存在与第一资源集合对应的多个资源使用方式的情况下,为所述第一对象获取允许在所述目标关卡游戏中使用的第三资源使用方式,其中,所述第一资源集合中保存有允许所述第一对象在所述游戏回合中使用的资源;
根据所述目标关卡游戏的游戏结果对允许使用的资源集合为所述第一资源集合时的第一胜率和允许使用的资源集合为第二资源集合时的第二胜率进行更新,其中,所述第一胜率为允许所述第一对象使用的资源集合为所述第一资源集合时的胜出次数与面临允许所述第一对象使用的资源集合为所述第一资源集合的次数之间的比值,所述第二胜率为允许所述第一对象使用的资源集合为所述第二资源集合时的胜出次数与面临允许所述第一对象使用的资源集合为所述第二资源集合的次数之间的比值,所述第一资源集合是在所述目标关卡游戏的一个游戏回合中对所述第二资源集合中的资源进行使用后得到的。
6.根据权利要求1所述的方法,其特征在于,在获取待加入到游戏场景中的目标关卡游戏的初始游戏信息之前,所述方法还包括:
使用数据集合中的数据对第一模型进行训练,以对所述第一模型中待初始化的参数进行初始化,并将参数初始化后的所述第一模型作为第二模型,所述数据集合中保存有对象参与所述游戏场景中的关卡游戏产生的数据;
将所述第二模型作为所述第一对象,并根据与所述第一对象对应的难度等级设置所述第一对象的属性参数。
7.根据权利要求6所述的方法,其特征在于,在将所述第二模型作为所述第一对象,并根据与所述第一对象对应的难度等级设置所述第一对象的属性参数之后,所述方法还包括:
获取所述目标关卡游戏的第三游戏结果,其中,参与所述目标关卡游戏的对象包括所述第一对象和第二对象,所述第三游戏结果用于表示所述第一对象是否胜出;
在所述第一对象的属性参数的参数值大于所述第二对象的属性参数的参数值、且所述第三游戏结果表示所述第一对象胜出的情况下,降低所述第一对象的属性参数的参数值,并增大所述第二对象的属性参数的参数值;
在所述第二对象的属性参数的参数值大于所述第一对象的属性参数的参数值、且所述第三游戏结果表示所述第二对象胜出的情况下,降低所述第二对象的属性参数的参数值,并增大所述第一对象的属性参数的参数值。
8.一种关卡游戏的设置装置,其特征在于,包括:
获取单元,用于获取待加入到游戏场景中的目标关卡游戏的初始游戏信息,其中,所述游戏场景已包括多个当前关卡游戏,所述多个当前关卡游戏按照所述多个当前关卡游戏的难度等级依次设置在所述游戏场景中;
运行单元,用于以所述初始游戏信息为所述目标关卡游戏的初始信息,多次运行所述目标关卡游戏,得到多个游戏结果,其中,每次运行所述目标关卡游戏时,参与所述目标关卡游戏的对象包括多个第一对象中的一个,每个所述第一对象用于指示所述游戏场景中关卡游戏的一个难度等级,所述游戏结果用于表示所述第一对象是否胜出;
所述第一对象的属性参数用于表示所述目标关卡游戏的难度等级,其中,确定单元,用于基于多个所述游戏结果中用于表示所述第一对象胜出的所述游戏结果确定所述目标关卡游戏的难度等级,包括:查找模块,用于在多个所述游戏结果中查找第一游戏结果和第二游戏结果,其中,所述第一游戏结果用于表示属性参数为第一参数的所述第一对象胜出,所述第二游戏结果用于表示属性参数为第二参数的所述第一对象未胜出,所述第一参数表示的所述目标关卡游戏的难度等级与所述第二参数表示的所述目标关卡游戏的难度等级为相邻的两个难度等级;第一确定模块,用于将所述第一参数对应的所述目标关卡游戏的难度等级作为所述目标关卡游戏的难度等级;
设置单元,用于按照确定的所述目标关卡游戏的难度等级,将所述目标关卡游戏设置在所述游戏场景中,其中,设置后的所述游戏场景中的所述目标关卡游戏和所述多个当前关卡游戏按照难度等级依次设置在设置后的所述游戏场景中。
9.根据权利要求8所述的装置,其特征在于,所述运行单元包括:
运行模块,用于每次运行所述目标关卡游戏时,运行所述目标关卡游戏包括的至少一个游戏回合;
第二确定模块,用于将至少一个所述游戏回合中的最后一个所述游戏回合的结果作为所述目标关卡游戏的游戏结果。
10.根据权利要求9所述的装置,其特征在于,所述运行模块包括:
获取子模块,用于获取为所述游戏回合生成的第三参数;
第一选择子模块,用于在所述第三参数不大于所述第一对象的属性参数的情况下,为所述第一对象从多个资源使用方式中选择在所述游戏回合中使用的第一资源使用方式,其中,所述第一资源使用方式为当前允许所述第一对象使用的多个所述资源使用方式中的任意一个;
第二选择子模块,用于在所述第三参数大于所述第一对象的属性参数的情况下,为所述第一对象从多个资源使用方式中选择在所述游戏回合中使用的第二资源使用方式,其中,所述第一对象使用所述第二资源使用方式时的胜率不小于使用多个所述资源使用方式中任意一个时的胜率。
11.一种存储介质,其特征在于,所述存储介质包括存储的程序,其中,所述程序运行时执行上述权利要求1至7任一项中所述的方法。
12.一种电子装置,包括存储器、处理器及存储在所述存储器上并可在所述处理器上运行的计算机程序,其特征在于,所述处理器通过所述计算机程序执行上述权利要求1至7任一项中所述的方法。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201711100214.6A CN107970608B (zh) | 2017-11-09 | 2017-11-09 | 关卡游戏的设置方法和装置、存储介质、电子装置 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201711100214.6A CN107970608B (zh) | 2017-11-09 | 2017-11-09 | 关卡游戏的设置方法和装置、存储介质、电子装置 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN107970608A CN107970608A (zh) | 2018-05-01 |
CN107970608B true CN107970608B (zh) | 2020-11-10 |
Family
ID=62013237
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201711100214.6A Active CN107970608B (zh) | 2017-11-09 | 2017-11-09 | 关卡游戏的设置方法和装置、存储介质、电子装置 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN107970608B (zh) |
Families Citing this family (23)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN109508789B (zh) * | 2018-06-01 | 2022-03-15 | 北京信息科技大学 | 预测手牌的方法、存储介质、处理器以及设备 |
CN108771867A (zh) * | 2018-06-12 | 2018-11-09 | 北京智明星通科技股份有限公司 | 一种游戏数据处理方法、装置及*** |
CN109271312A (zh) * | 2018-08-07 | 2019-01-25 | Oppo广东移动通信有限公司 | 游戏测试方法及相关产品 |
CN109107162B (zh) * | 2018-11-01 | 2021-11-19 | 杭州勺子网络科技有限公司 | 游戏难度调节方法及装置 |
CN109621422B (zh) * | 2018-11-26 | 2021-09-17 | 腾讯科技(深圳)有限公司 | 电子棋牌决策模型训练方法及装置、策略生成方法及装置 |
CN109771954A (zh) * | 2018-12-29 | 2019-05-21 | 深圳豪客互联网有限公司 | 一种关卡标识显示方法、装置、设备、***及存储介质 |
CN111841011A (zh) * | 2019-04-30 | 2020-10-30 | 北京达佳互联信息技术有限公司 | 游戏关卡的配置信息生成方法、***及服务器和存储介质 |
CN110263937B (zh) * | 2019-06-18 | 2021-09-28 | 深圳市腾讯网域计算机网络有限公司 | 一种数据处理方法、设备及存储介质 |
CN110339563B (zh) * | 2019-07-09 | 2023-09-26 | 腾讯科技(深圳)有限公司 | 虚拟对象的生成方法和装置、存储介质及电子装置 |
CN110378429A (zh) * | 2019-07-23 | 2019-10-25 | 腾讯科技(深圳)有限公司 | 残局牌面筛选方法、装置、服务器及存储介质 |
CN112439193B (zh) * | 2019-09-04 | 2024-02-23 | 网易(杭州)网络有限公司 | 一种游戏难度匹配方法及装置 |
TWI725662B (zh) * | 2019-12-13 | 2021-04-21 | 國立交通大學 | 自動化調整回合制遊戲強度之方法 |
CN111450537B (zh) * | 2020-04-01 | 2023-04-07 | 网易(杭州)网络有限公司 | 游戏角色的模型确定方法、装置和服务器 |
CN111530081B (zh) * | 2020-04-17 | 2023-07-25 | 成都数字天空科技有限公司 | 游戏关卡设计方法、装置、存储介质及电子设备 |
CN111957047B (zh) * | 2020-08-12 | 2024-01-26 | 超参数科技(深圳)有限公司 | 关卡配置数据调整方法、计算机设备及存储介质 |
CN112090085B (zh) * | 2020-08-20 | 2024-01-09 | 完美世界(重庆)互动科技有限公司 | 显示信息的调整方法及装置、存储介质、计算设备 |
CN112337098B (zh) * | 2020-10-20 | 2022-07-01 | 珠海金山网络游戏科技有限公司 | 基于增强学习的策略游戏实现方法、装置及介质 |
CN112274935B (zh) * | 2020-11-20 | 2024-01-23 | 超参数科技(深圳)有限公司 | Ai模型训练方法、使用方法、计算机设备及存储介质 |
CN112675539B (zh) * | 2020-12-30 | 2024-05-03 | 成都乐信圣文科技有限责任公司 | 牌类游戏的难度等级判断方法、牌面生成方法及电子设备 |
CN112717387B (zh) * | 2021-01-13 | 2021-08-31 | 成都汉玮科技有限公司 | 一种竞技游戏资源动态分配方法、启动服务器及游戏*** |
CN113101667B (zh) * | 2021-05-13 | 2023-02-28 | 腾讯科技(深圳)有限公司 | 虚拟对象的控制方法、装置、设备及计算机可读存储介质 |
CN113713396B (zh) * | 2021-09-13 | 2023-06-20 | 北京字跳网络技术有限公司 | 一种关卡信息的展示方法、装置、计算机设备及存储介质 |
CN115212575B (zh) * | 2022-09-19 | 2022-12-20 | 南京惠积信息科技有限公司 | 连续状态空间智能体构建方法 |
Citations (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP2012235887A (ja) * | 2011-05-11 | 2012-12-06 | Nikon Corp | 電子機器及びプログラム |
CN105413170A (zh) * | 2015-11-26 | 2016-03-23 | 北京像素软件科技股份有限公司 | 一种游戏难度的动态调整方法及装置 |
CN105871640A (zh) * | 2016-06-07 | 2016-08-17 | 腾讯科技(深圳)有限公司 | 关卡配置数据配置方法、游戏服务器及*** |
CN106178494A (zh) * | 2016-07-12 | 2016-12-07 | 三星电子(中国)研发中心 | 游戏调整方法及装置 |
CN106529189A (zh) * | 2016-11-24 | 2017-03-22 | 腾讯科技(深圳)有限公司 | 一种用户分类方法、应用服务器及应用客户端 |
CN106650185A (zh) * | 2015-10-27 | 2017-05-10 | 网易(杭州)网络有限公司 | 一种获取游戏中英雄技能上手难度的方法及*** |
-
2017
- 2017-11-09 CN CN201711100214.6A patent/CN107970608B/zh active Active
Patent Citations (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP2012235887A (ja) * | 2011-05-11 | 2012-12-06 | Nikon Corp | 電子機器及びプログラム |
CN106650185A (zh) * | 2015-10-27 | 2017-05-10 | 网易(杭州)网络有限公司 | 一种获取游戏中英雄技能上手难度的方法及*** |
CN105413170A (zh) * | 2015-11-26 | 2016-03-23 | 北京像素软件科技股份有限公司 | 一种游戏难度的动态调整方法及装置 |
CN105871640A (zh) * | 2016-06-07 | 2016-08-17 | 腾讯科技(深圳)有限公司 | 关卡配置数据配置方法、游戏服务器及*** |
CN106178494A (zh) * | 2016-07-12 | 2016-12-07 | 三星电子(中国)研发中心 | 游戏调整方法及装置 |
CN106529189A (zh) * | 2016-11-24 | 2017-03-22 | 腾讯科技(深圳)有限公司 | 一种用户分类方法、应用服务器及应用客户端 |
Also Published As
Publication number | Publication date |
---|---|
CN107970608A (zh) | 2018-05-01 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN107970608B (zh) | 关卡游戏的设置方法和装置、存储介质、电子装置 | |
CN109499068B (zh) | 对象的控制方法和装置、存储介质、电子装置 | |
Vinyals et al. | Starcraft ii: A new challenge for reinforcement learning | |
US10729979B2 (en) | Automated tuning of computer-implemented games | |
CN109513215B (zh) | 一种对象匹配方法、模型训练方法以及服务器 | |
Hsieh et al. | Building a player strategy model by analyzing replays of real-time strategy games | |
US9227140B2 (en) | Collaborative electronic game play employing player classification and aggregation | |
Olesen et al. | Real-time challenge balance in an RTS game using rtNEAT | |
US9827491B2 (en) | Game control method, game control device, and recording medium | |
Gray et al. | Human-level performance in no-press diplomacy via equilibrium search | |
Wang et al. | SCC: An efficient deep reinforcement learning agent mastering the game of StarCraft II | |
CN109718558B (zh) | 游戏信息的确定方法和装置、存储介质、电子装置 | |
CN111738294B (zh) | Ai模型的训练方法、使用方法、计算机设备及存储介质 | |
Font et al. | Dota 2 bot competition | |
CN112843725A (zh) | 智能体处理方法及装置 | |
CN111569429A (zh) | 模型训练方法、模型使用方法、计算机设备及存储介质 | |
CN111701240B (zh) | 虚拟物品的提示方法、装置、存储介质和电子装置 | |
Cerny et al. | Rogue-like games as a playground for artificial intelligence–evolutionary approach | |
Perez-Liebana et al. | Generating diverse and competitive play-styles for strategy games | |
KR101183749B1 (ko) | 온라인 게임에서의 예상 결과 정보를 표시하는 방법 및 서버 | |
Bisberg et al. | GCN-WP–Semi-supervised graph convolutional networks for win prediction in esports | |
CN110941769A (zh) | 目标帐号的确定方法和装置、电子装置 | |
Norton et al. | Monsters of Darwin: A strategic game based on artificial intelligence and genetic algorithms | |
CN114870403A (zh) | 一种游戏中的对战匹配方法、装置、设备及存储介质 | |
CN111389010B (zh) | 虚拟机器人训练方法、装置、电子设备和介质 |
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 | ||
GR01 | Patent grant | ||
GR01 | Patent grant |