CN117547830B - 组合处理方法、装置、计算机、存储介质及程序产品 - Google Patents
组合处理方法、装置、计算机、存储介质及程序产品 Download PDFInfo
- Publication number
- CN117547830B CN117547830B CN202410041762.XA CN202410041762A CN117547830B CN 117547830 B CN117547830 B CN 117547830B CN 202410041762 A CN202410041762 A CN 202410041762A CN 117547830 B CN117547830 B CN 117547830B
- Authority
- CN
- China
- Prior art keywords
- combination
- combinations
- initial
- child
- mutated
- 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
- 238000003860 storage Methods 0.000 title claims abstract description 27
- 238000003672 processing method Methods 0.000 title claims abstract description 13
- 238000012545 processing Methods 0.000 claims abstract description 179
- 238000000034 method Methods 0.000 claims abstract description 108
- 230000035772 mutation Effects 0.000 claims abstract description 101
- 238000004590 computer program Methods 0.000 claims description 25
- 230000015654 memory Effects 0.000 claims description 21
- 238000001514 detection method Methods 0.000 claims description 11
- 238000004088 simulation Methods 0.000 claims description 11
- 230000003313 weakening effect Effects 0.000 claims 2
- 230000000875 corresponding effect Effects 0.000 description 264
- 238000010586 diagram Methods 0.000 description 21
- 230000006870 function Effects 0.000 description 8
- 238000007726 management method Methods 0.000 description 8
- 238000013473 artificial intelligence Methods 0.000 description 7
- 230000000694 effects Effects 0.000 description 5
- 230000003993 interaction Effects 0.000 description 4
- 238000004422 calculation algorithm Methods 0.000 description 3
- 238000005516 engineering process Methods 0.000 description 3
- 241000892865 Heros Species 0.000 description 2
- 238000013528 artificial neural network Methods 0.000 description 2
- 238000013475 authorization Methods 0.000 description 2
- 230000009286 beneficial effect Effects 0.000 description 2
- 238000004364 calculation method Methods 0.000 description 2
- 238000004891 communication Methods 0.000 description 2
- 230000000295 complement effect Effects 0.000 description 2
- 230000006378 damage Effects 0.000 description 2
- 230000007547 defect Effects 0.000 description 2
- 238000013461 design Methods 0.000 description 2
- 230000002068 genetic effect Effects 0.000 description 2
- 230000000977 initiatory effect Effects 0.000 description 2
- 238000004519 manufacturing process Methods 0.000 description 2
- 238000005457 optimization Methods 0.000 description 2
- 230000002028 premature Effects 0.000 description 2
- 238000012163 sequencing technique Methods 0.000 description 2
- 238000012546 transfer Methods 0.000 description 2
- 229920002430 Fibre-reinforced plastic Polymers 0.000 description 1
- 208000027418 Wounds and injury Diseases 0.000 description 1
- 238000003491 array Methods 0.000 description 1
- 230000002238 attenuated effect Effects 0.000 description 1
- 230000003190 augmentative effect Effects 0.000 description 1
- 239000002131 composite material Substances 0.000 description 1
- 238000012790 confirmation Methods 0.000 description 1
- 230000002596 correlated effect Effects 0.000 description 1
- 238000009826 distribution Methods 0.000 description 1
- 239000011151 fibre-reinforced plastic Substances 0.000 description 1
- 208000014674 injury Diseases 0.000 description 1
- 239000000203 mixture Substances 0.000 description 1
- 238000013439 planning Methods 0.000 description 1
- 238000011160 research Methods 0.000 description 1
- 238000012360 testing method Methods 0.000 description 1
- 238000012549 training Methods 0.000 description 1
- 238000012384 transportation and delivery Methods 0.000 description 1
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
- A63F13/60—Generating or modifying game content before or while executing the game program, e.g. authoring tools specially adapted for game development or game-integrated level editor
- A63F13/63—Generating or modifying game content before or while executing the game program, e.g. authoring tools specially adapted for game development or game-integrated level editor by the player, e.g. authoring using a level editor
-
- 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
- A63F13/80—Special adaptations for executing a specific game genre or game mode
- A63F13/822—Strategy games; Role-playing games
-
- 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
- A63F2300/80—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 specially adapted for executing a specific type of game
- A63F2300/807—Role playing or strategy games
-
- Y—GENERAL TAGGING OF NEW TECHNOLOGICAL DEVELOPMENTS; GENERAL TAGGING OF CROSS-SECTIONAL TECHNOLOGIES SPANNING OVER SEVERAL SECTIONS OF THE IPC; TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
- Y02—TECHNOLOGIES OR APPLICATIONS FOR MITIGATION OR ADAPTATION AGAINST CLIMATE CHANGE
- Y02D—CLIMATE CHANGE MITIGATION TECHNOLOGIES IN INFORMATION AND COMMUNICATION TECHNOLOGIES [ICT], I.E. INFORMATION AND COMMUNICATION TECHNOLOGIES AIMING AT THE REDUCTION OF THEIR OWN ENERGY USE
- Y02D10/00—Energy efficient computing, e.g. low power processors, power management or thermal management
Landscapes
- Engineering & Computer Science (AREA)
- Multimedia (AREA)
- Management, Administration, Business Operations System, And Electronic Commerce (AREA)
Abstract
本申请实施例公开了一种组合处理方法、装置、计算机、存储介质及程序产品,该方法包括:获取组成组合编码数据的组合元素,对组合元素进行初始化,得到初始组合;从初始组合中选取第一组合对,将第一组合对所包括的第一初始组合与第二初始组合进行P次元素交叉处理,基于第一组合对所对应的2P个交叉组合的组合适应度,确定第一组合对所对应的第一子代组合;对待变异组合分别进行Q次元素变异处理,基于得到的Q个变异组合的组合适应度,确定待变异组合所对应的第二子代组合;根据第一组合对所对应的第一子代组合,以及待变异组合所对应的第二子代组合,确定目标组合。采用本申请,可以提高组合确定的效率和性能。
Description
技术领域
本申请涉及计算机技术领域,尤其涉及一种组合处理方法、装置、计算机、存储介质及程序产品。
背景技术
在战争策略类游戏等中,经常会出现阵容对抗的情况,一般会根据业务规则确定一个阵容的组成元素,并基于此生成阵容编码规则,进而通过该阵容编码规则初始化具有若干个阵容的集合。而在这些游戏中,往往需要对阵容进行扩充进而再对扩充后的阵容进行后续处理。对于相邻的两个阵容,根据固定不变的全局交叉概率P_c,完成阵容交叉。对于单个阵容,根据固定不变的全局变异概率P_m,完成阵容变异。再根据终止条件判断循环是否继续,若判断循环继续,则重新执行第3步,否则输出若干个头部阵容。交叉概率和变异概率都是固定不变的,会导致遗传算法无法收敛、早熟或者局部收敛的问题。
发明内容
本申请实施例提供了一种组合处理方法、装置、计算机、存储介质及程序产品,可以提高对组合处理的准确性及检测效率。
本申请实施例一方面提供了一种组合处理方法,该方法包括:
获取组成组合编码数据的组合元素,对组合元素进行初始化,得到初始组合;
从初始组合中选取第一组合对,对第一组合对所包括的第一初始组合与第二初始组合进行P次元素交叉处理,得到第一组合对所对应的2P个交叉组合,根据第一组合对所对应的2P个交叉组合分别对应的组合适应度,确定第一组合对所对应的第一子代组合;P为正整数;
对待变异组合分别进行Q次元素变异处理,得到待变异组合所对应的Q个变异组合,根据待变异组合所对应的Q个变异组合分别对应的组合适应度,确定待变异组合所对应的第二子代组合;Q为正整数;待变异组合为初始组合或第一组合对所对应的第一子代组合;
根据第一组合对所对应的第一子代组合,以及待变异组合所对应的第二子代组合,确定目标组合。
本申请实施例一方面提供了一种组合处理装置,该装置包括:
组合初始模块,用于获取组成组合编码数据的组合元素,对组合元素进行初始化,得到初始组合;
交叉处理模块,用于从初始组合中选取第一组合对,对第一组合对所包括的第一初始组合与第二初始组合进行P次元素交叉处理,得到第一组合对所对应的2P个交叉组合,根据第一组合对所对应的2P个交叉组合分别对应的组合适应度,确定第一组合对所对应的第一子代组合;P为正整数;
变异处理模块,用于对待变异组合分别进行Q次元素变异处理,得到待变异组合所对应的Q个变异组合,根据待变异组合所对应的Q个变异组合分别对应的组合适应度,确定待变异组合所对应的第二子代组合;Q为正整数;待变异组合为初始组合或第一组合对所对应的第一子代组合;
组合确定模块,用于根据第一组合对所对应的第一子代组合,以及待变异组合所对应的第二子代组合,确定目标组合。
其中,该组合初始模块,具体用于:
获取组成组合编码数据的c个组合元素,获取c个组合元素之间的元素依赖关系;c为正整数;
基于c个组合元素之间的元素依赖关系,确定元素获取顺序,按照元素获取顺序获取c个组合元素分别对应的元素数据,将c个组合元素分别对应的元素数据组成初始组合。
其中,该交叉处理模块,具体用于:
从初始组合中随机选取第i个第一初始组合及第i个第二初始组合,将第i个第一初始组合与第i个第二初始组合组成第i个第一组合对;i为正整数;第i个第一初始组合与第i个第二初始组合不相同;
对第i个第一初始组合与第i个第二初始组合进行P次元素交叉处理,得到第i个第一组合对所对应的2P个交叉组合;
将第i个第一组合对所对应的2P个交叉组合中组合适应度最大的交叉组合,确定为第i个第一子代组合,将第i个第一子代组合添加至交叉组合集群中;
若交叉组合集群中所包括的第一子代组合的数量,大于或等于交叉处理阈值,则结束对初始组合的交叉处理;
若交叉组合集群中所包括的第一子代组合的数量,小于交叉处理阈值,则从初始组合中获取第i+1个第一组合对,对第i+1个第一组合对进行P次元素交叉处理,得到第i+1个第一组合对所对应的第i+1个第一子代组合。
其中,在对第一组合对所包括的第一初始组合与第二初始组合进行P次元素交叉处理,得到第一组合对所对应的2P个交叉组合时,该交叉处理模块具体用于:
在第j次元素交叉处理中,生成第j个交叉随机数,基于第j个交叉随机数确定第j个组合交叉位置信息;j为小于或等于P的正整数;
将第一初始组合中的第一元素数据,与第二初始组合中的第二元素数据进行交换,得到第一初始组合所对应的第j个交叉组合,以及第二初始组合所对应的第j个交叉组合;第一元素数据是指第一初始组合中位于第j个组合交叉位置信息处的元素数据,第二元素数据是指第二初始组合中位于第j个组合交叉位置信息处的元素数据;
当j为P时,得到第一组合对所对应的2P个交叉组合。
其中,该装置还包括:
组合结合模块,用于从应用程序中获取候选组合,将2P个交叉组合与候选组合进行结合,得到M个第二组合对;M为正整数,每个第二组合对包括一个交叉组合以及一个候选组合;
组合拼接模块,用于将M个第二组合对进行拼接,得到第一对局串,针对第一对局串进行模拟对局处理,得到M个第二组合对分别对应的对局结果;
模拟对局模块,用于根据M个第二组合对分别对应的对局结果,确定2P个交叉组合分别对应的对局胜率,将2P个交叉组合分别对应的对局胜率,确定为2P个交叉组合分别对应的组合适应度。
其中,在对待变异组合分别进行Q次元素变异处理,得到待变异组合所对应的Q个变异组合时,该变异处理模块具体用于:
在第k次元素变异处理中,生成第k个变异随机数,基于第k个变异随机数确定待变异组合的第k个待变异组合元素;k为小于或等于Q的正整数;
基于待变异组合确定第k个待变异组合元素所对应的候选元素数据,从候选元素数据中随机获取第三元素数据;
将待变异组合中的第k个待变异组合元素更新为第三元素数据,得到待变异组合所对应的第k个变异组合。
其中,该组合确定模块,用于:
将第一组合对所对应的第一子代组合,以及待变异组合所对应的第二子代组合,组成子代组合集群;
基于子代组合集群中所包括的h个子代组合分别对应的组合适应度,对h个子代组合进行组合更新,得到目标组合集群;h为正整数,h个子代组合包括第一组合对所对应的第一子代组合,以及待变异组合所对应的第二子代组合;目标组合集群包括更新组合;
从目标组合集群中,将组合适应度最大的f个更新组合,确定为目标组合;f为正整数。
其中,在基于子代组合集群中所包括的h个子代组合分别对应的组合适应度,对h个子代组合进行组合更新,得到目标组合集群时,该组合确定模块具体用于:
基于h个子代组合分别对应的组合适应度,对h个子代组合进行排序,得到第一组合序列,从第一组合序列中获取前d个第一前列组合;d为小于h的正整数;
对d个第一前列组合分别进行变异处理,得到d个第一前列组合分别对应的第二前列组合,将d个第二前列组合与其他组合组成目标组合集群;其他组合是指h个子代组合中,除d个第一前列组合之外的组合。
其中,在基于子代组合集群中所包括的h个子代组合分别对应的组合适应度,对h个子代组合进行组合更新,得到目标组合集群时,该组合确定模块,具体用于:
获取h个子代组合中任意两个子代组合之间的组合距离,基于任意两个子代组合之间的组合距离,将h个子代组合划分为第一组合集合;每个第一组合集合中所包括的子代组合之间的组合距离小于或等于组合相似阈值;
将第一组合集合中组合适应度最大的子代组合组成距离处理集群;
获取距离处理集群所包括的子代组合的第一数据量,根据第一数据量及目标数据量确定第二数据量,在距离处理集群中添加第二数据量所对应的补充组合,得到目标组合集群。
其中,在获取h个子代组合中任意两个子代组合之间的组合距离时,该组合确定模块,具体用于:
获取第A个子代组合所包括的第一组合元素,与第B个子代组合所包括的第二组合元素之间的元素差异数量,将元素差异数量确定为第A个子代组合与第B个子代组合之间的组合距离;A、B均为小于或等于h的正整数;第A个子代组合与第B个子代组合不同;或者,
对第A个子代组合与第B个子代组合进行字符比较,得到字符差异值,将字符差异值确定为第A个子代组合与第B个子代组合之间的组合距离;或者,
将第A个子代组合与第B个子代组合输入差异检测模块中进行预测,得到第A个子代组合与第B个子代组合之间的组合距离。
其中,该装置还包括:
数据调整模块,用于获取目标组合所包括的第一虚拟对象,以及第一虚拟对象所关联的第一对象数据,对第一虚拟对象的第一对象数据进行调整,得到第二对象数据;
数据处理模块,用于在应用程序中为第一虚拟对象关联发布第二对象数据,获取应用程序中所包括的虚拟对象的使用频率,根据虚拟对象的使用频率生成对象强度信息;应用程序是指组合编码数据所属的应用;虚拟对象包括第一虚拟对象;
信息发送模块,用于将对象强度信息发送至管理设备,以使管理设备基于对象强度信息对虚拟对象进行管理。
本申请实施例一方面提供了一种计算机设备,包括处理器、存储器、输入输出接口;
处理器分别与存储器和输入输出接口相连,其中,输入输出接口用于接收数据及输出数据,存储器用于存储计算机程序,处理器用于调用该计算机程序,以使包含该处理器的计算机设备执行本申请实施例一方面中的组合处理方法。
本申请实施例一方面提供了一种计算机可读存储介质,计算机可读存储介质存储有计算机程序,该计算机程序适于由处理器加载并执行,以使得具有该处理器的计算机设备执行本申请实施例一方面中的组合处理方法。
本申请实施例一方面提供了一种计算机程序产品或计算机程序,该计算机程序产品或计算机程序包括计算机指令,该计算机指令存储在计算机可读存储介质中。计算机设备的处理器从计算机可读存储介质读取该计算机指令,处理器执行该计算机指令,使得该计算机设备执行本申请实施例一方面中的各种可选方式中提供的方法。换句话说,该计算机指令被处理器执行时实现本申请实施例一方面中的各种可选方式中提供的方法。
实施本申请实施例,将具有如下有益效果:
在本申请实施例中,可以获取组成组合编码数据的组合元素,对组合元素进行初始化,得到初始组合;从初始组合中选取第一组合对,对第一组合对所包括的第一初始组合与第二初始组合进行P次元素交叉处理,得到第一组合对所对应的2P个交叉组合,根据第一组合对所对应的2P个交叉组合分别对应的组合适应度,确定第一组合对所对应的第一子代组合;P为正整数;对待变异组合分别进行Q次元素变异处理,得到待变异组合所对应的Q个变异组合,根据待变异组合所对应的Q个变异组合分别对应的组合适应度,确定待变异组合所对应的第二子代组合;Q为正整数;待变异组合为初始组合或第一组合对所对应的第一子代组合;根据第一组合对所对应的第一子代组合,以及待变异组合所对应的第二子代组合,确定目标组合。通过该过程,可以实现对组合的随机交叉及变异处理,可以提高组合的随机性,从而使得组合确定的结果更为公正准确。而且,在交叉变异过程中引入组合适应度,实现对交叉及变异过程中的小范围竞争择优,可以有效避免在组合交叉或变异过程中所产生的类似“相似数据结合”的问题,可以提高组合的搜索空间,提高组合搜索质量,从而提高组合确定的效率和性能。
附图说明
为了更清楚地说明本申请实施例或现有技术中的技术方案,下面将对实施例或现有技术描述中所需要使用的附图作简单地介绍,显而易见地,下面描述中的附图仅仅是本申请的一些实施例,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的附图。
图1是本申请实施例提供的一种组合处理的网络交互架构图;
图2是本申请实施例提供的一种组合处理场景示意图;
图3是本申请实施例提供的一种组合处理的方法流程图;
图4是本申请实施例提供的一种适应度确定场景示意图;
图5是本申请实施例提供的一种组合交叉场景示意图;
图6是本申请实施例提供的一种组合变异场景示意图;
图7是本申请实施例提供的一种数据调整场景示意图;
图8是本申请实施例提供的一种组合处理方法流程示意图;
图9是本申请实施例提供的另一种组合处理方法流程示意图;
图10是本申请实施例提供的一种组合处理过程示意图;
图11是本申请实施例提供的一种组合确定效果示意图;
图12是本申请实施例提供的一种组合应用效果示意图;
图13是本申请实施例提供的一种对象使用频率变化场景示意图;
图14是本申请实施例提供的一种组合处理装置示意图;
图15是本申请实施例提供的一种计算机设备的结构示意图。
具体实施方式
下面将结合本申请实施例中的附图,对本申请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申请一部分实施例,而不是全部的实施例。基于本申请中的实施例,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,都属于本申请保护的范围。
其中,若在本申请中需要收集对象(如用户等)数据,则在收集前、收集中,显示提示界面或者弹窗,该提示界面或者弹窗用于提示用户当前正在搜集某些数据,仅仅在获取到用户对该提示界面或者弹窗发出确认操作后,开始执行数据获取的相关的步骤,否则结束。而且,对于获取到的用户数据,会在合理合法的场景或用途等上进行使用。可选的,在一些需要使用用户数据但未得到用户授权的场景中,还可以向用户请求授权,在授权通过时,再使用用户数据。其中,对于用户数据的使用符合法律法规的相关规定,即,本申请会在合法合理的范围内使用获取到的用户数据。
可选的,本申请可以采用人工智能技术,提高对本申请中所涉及的数据(如组合等)处理的效率。其中,人工智能(Artificial Intelligence,AI)是利用数字计算机或者数字计算机控制的机器模拟、延伸和扩展人的智能,感知环境、获取知识并使用知识获得最佳结果的理论、方法、技术及应用***。换句话说,人工智能是计算机科学的一个综合技术,它企图了解智能的实质,并生产出一种新的能以人类智能相似的方式做出反应的智能机器。人工智能也就是研究各种智能机器的设计原理与实现方法,使机器具有感知、推理与决策的功能。例如,本申请中,可以通过人工智能确定组合适应度,以及对组合进行元素交叉处理和元素变异处理等的智能化实现等。
在本申请实施例中,请参见图1,图1是本申请实施例提供的一种组合处理的网络交互架构图,如图1所示,计算机设备101可以获取应用程序中组成组合编码数据的组合元素,基于该组合元素初始化得到初始组合。进一步,对初始组合进行元素交叉处理以及元素变异处理,得到元素交叉处理后的第一子代组合,以及元素变异处理后的第二子代组合;根据第一子代组合与第二子代组合,确定目标组合。其中,计算机设备101可以从本地存储空间中获取相关数据(如组合编码数据等),或者从任意一个业务设备中获取相关数据,如业务设备102a、业务设备102b或业务设备102c等。进一步可选的,计算机设备在确定目标组合后,可以基于该目标组合更新应用程序中的组合关联数据,并将该组合关联数据发布至应用程序中,以使安装有该应用程序的各个业务设备同步更新后的组合关联数据等。其中,该第一子代组合与第二子代组合是基于得到的组合的组合适应度所确定的,使得该第一子代组合与第二子代组合的确定,实现了小范围的竞争择优,不仅扩展了组合的搜索范围,还有效避免了在子代组合确定过程中可能出现的相似数据结合(即采用相似数据生成新的数据)的问题,从而可以提高组合搜索质量,进而提高组合确定的效率及性能,以及确定的组合的质量。其中,组合适应度是指对应的组合的组合质量,该应用程序可以是任意一个可以得到组合的应用,例如,可以是游戏类应用(如战争策略游戏等),该组合可以认为是游戏阵容(或者简称为阵容等),该组合适应度可以认为是对应的游戏阵容的对局胜率;或者可以是调度类应用,如进行任务调度等的应用,该组合可以认为是调度数据,该组合适应度可以认为是对应的调度数据的任务可行性等;或者可以是模型,该组合可以是模型参数或特征集合,该组合适应度可以认为是对应的模型参数或特征集合的质量等。
具体的,请参见图2,图2是本申请实施例提供的一种组合处理场景示意图。如图2所示,计算机设备可以获取组成组合编码数据的组合元素201,其中,该组合编码数据用于表示形成一个组合所需要的组合元素,其中,可以将组成组合编码数据的组合元素201的数量记作c,c为正整数,则该组成组合编码数据的组合元素201包括组合元素1、组合元素2、…及组合元素c等。计算机设备可以对组合元素201进行初始化,得到初始组合202,假定该初始组合202的数量为N,N为正整数,即,对组合元素201进行N次初始化,得到N个初始组合,包括初始组合1、初始组合2、…以及初始组合N等。进一步地,计算机设备可以对初始组合202进行元素交叉处理,得到第一子代组合205。具体的,可以从初始组合202中选取S个第一组合对203,对每个第一组合对分别进行P次元素交叉处理,得到每个第一组合对分别对应的2P个交叉组合,如第一组合对1所对应的2P个交叉组合2041、…以及第一组合对S所对应的2P个交叉组合2042等,其中,S为正整数,P为正整数。进一步,可以根据S个第一组合对分别对应的2P个交叉组合的组合适应度,确定S个第一组合对分别对应的第一子代组合205,如第一组合对1所对应的第一子代组合1、…以及第一组合对S所对应的第一子代组合S,使得在元素交叉处理过程中,实现了对组合对的随机选取及多次交叉,可以提高组合搜索的范围,即扩展了组合搜索空间,并基于组合适应度进行小范围竞争择优处理,可以有效避免在组合交叉过程中可能产生的类似“相似数据结合”的问题,也就是有效避免组合提前过度收敛的问题,提高组合的搜索质量。
进一步,计算机设备可以对待变异组合进行元素变异处理,得到待变异组合所对应的第二子代组合,其中,该待变异组合可以是初始组合,或者可以是第一子代组合。其中,可以将待变异组合的数量记作T,T为正整数,具体的,计算机设备可以对T个待变异组合分别进行Q次元素变异处理,得到每个待变异组合所对应的Q个变异组合,如待变异组合1所对应的Q个变异组合2061、…以及待变异组合T所对应的Q个变异组合2062等,根据每个待变异组合所对应的Q个变异组合的组合适应度,确定每个待变异组合所对应的第二子代组合207,如待变异组合1所对应的第二子代组合1、…以及待变异组合T所对应的第二子代组合T等。该过程可以使得在元素变异处理过程中,实现了对组合的随机变异及多次变异,可以提高组合搜索的范围,即扩展了组合搜索空间,并基于组合适应度进行小范围竞争择优处理,可以有效避免在组合变异过程中可能产生的类似“相似数据结合”的问题,也就是有效避免组合提前过度收敛的问题,提高组合的搜索质量。
进一步,计算机设备可以根据第一组合对所对应的第一子代组合205,以及待变异组合所对应的第二子代组合207,确定目标组合,使得组合的确定更为全面,提高组合确定的效率和性能。
其中,可以理解的是,本申请实施例中所提及的计算机设备包括但不限于终端设备或服务器,其中,业务设备可以包括但不限于终端设备或服务器。换句话说,计算机设备可以是服务器或终端设备,也可以是服务器和终端设备组成的***。其中,以上所提及的终端设备可以是一种电子设备,包括但不限于手机、平板电脑、台式电脑、笔记本电脑、掌上电脑、车载设备、增强现实/虚拟现实(Augmented Reality/Virtual Reality,AR/VR)设备、头盔显示器、智能电视、可穿戴设备、智能音箱、数码相机、摄像头及其他具备网络接入能力的移动互联网设备(mobile internet device,MID),或者火车、轮船、飞行等场景下的终端设备等。如图1中所示,终端设备可以是一种笔记本电脑(如业务设备102b所示)、手机(如业务设备102c所示)或车载设备(如业务设备102a所示)等,图1仅例举出部分的设备,可选的,该业务设备102a是指位于交通工具103中的设备,业务设备102a可以用于运行应用程序1021等,与其他业务设备之间进行视频交互。其中,以上所提及的服务器可以是独立的物理服务器,也可以是多个物理服务器构成的服务器集群或者分布式***,还可以是提供云服务、云数据库、云计算、云函数、云存储、网络服务、云通信、中间件服务、域名服务、安全服务、车路协同、内容分发网络(Content Delivery Network,CDN)、以及大数据和人工智能平台等基础云计算服务的云服务器。
可选的,本申请实施例中所涉及的数据可以存储在计算机设备中,或者可以基于云存储技术或区块链网络对该数据进行存储,在此不做限制。
进一步地,请参见图3,图3是本申请实施例提供的一种组合处理的方法流程图。如图3所示,该组合处理过程包括如下步骤:
步骤S301,获取组成组合编码数据的组合元素,对组合元素进行初始化,得到初始组合。
在本申请实施例中,计算机设备可以获取应用程序的组合编码数据,获取组成该组合编码数据的组合元素。其中,该组合编码数据用于表示在应用程序中组合的组成,如应用程序为游戏应用时,该组合编码数据也可以称为阵容编码数据,组合元素也可以称为阵容元素。例如,在游戏应用中,每个游戏阵容有3个游戏对象(即游戏英雄等),每个游戏对象可以装配2个对象技能,每个游戏对象可以选择一个对象风格(如在勇武、统率及智谋等对象风格中选择一个),每个游戏阵容对应一个阵容类型,此时,该游戏应用的组合编码数据可以认为是[阵容类型,游戏对象1,游戏对象2,游戏对象3,游戏对象1_对象技能1,游戏对象1_对象技能2,游戏对象2_对象技能1,游戏对象2_对象技能2,游戏对象3_对象技能1,游戏对象3_对象技能2,游戏对象1_对象风格,游戏对象2_对象风格,游戏对象3_对象风格]等。例如,在模型中,假定该模型包括2个模型参数,模型参数1有两个数据,模型参数2有3个数据,则该模型中的模型参数的组合编码数据可以认为是[模型参数1,模型参数2,模型参数1_数据1,模型参数1_数据2,模型参数2_数据1,模型参数2_数据2,模型参数2_数据3]等。
进一步,可以对组合元素进行初始化,得到初始组合。具体的,可以获取组成组合编码数据的c个组合元素,获取所述c个组合元素之间的元素依赖关系;c为正整数,例如,以上述游戏应用的组合编码数据为例,该c个组合元素包括阵容类型、游戏对象1、…以及游戏对象3_对象风格等。进一步,可以对c个组合元素分别进行初始化,得到初始组合。可选的,可以基于所述c个组合元素之间的元素依赖关系,确定元素获取顺序,按照元素获取顺序获取c个组合元素分别对应的元素数据,将c个组合元素分别对应的元素数据组成初始组合。例如,对象技能依赖于游戏对象,对象风格依赖于游戏对象,也就是说,元素依赖关系包括“游戏对象1_对象技能1、游戏对象1_对象技能2及游戏对象1_对象风格”依赖于“游戏对象1”,“游戏对象2_对象技能1、游戏对象2_对象技能2及游戏对象2_对象风格”依赖于“游戏对象2”等,基于该元素依赖关系,可以确定元素获取顺序,可以是“阵容类型—>游戏对象(如游戏对象1、游戏对象2及游戏对象3等)—>各个游戏对象的对象技能—>各个游戏对象的对象风格”,或者,“阵容类型—>第一个游戏对象及其对象技能、对象风格—>…—>最后一个游戏对象及其对象技能、对象风格”等。按照该元素获取顺序,可以随机获取到c个组合元素分别对应的元素数据,将c个组合元素分别对应的元素数据组成初始组合。可选的,初始组合的数量为N,可以采用以上过程,初始化得到N个初始组合,N为正整数。可选的,可以将N个初始组合组成初始集群,可以记作iniPopList,即,该初始集群iniPopList包括N个初始组合。
进一步可选的,计算机设备可以获取N个初始组合分别对应的组合适应度。具体的,可以从应用程序中获取N1个对照组合,将N个初始组合与N1个对照组合进行结合,得到NN1个检测组合对,将N/>N1个检测组合对拼接成第二对局串,针对第二对局串进行模拟对局处理,得到N/>N1个检测组合对分别对应的对局结果,N1为正整数。从N/>N1个检测组合对分别对应的对局结果中,获取N个初始组合分别对应的对局胜率;将N个初始组合分别对应的对局胜率,确定为N个初始组合分别对应的组合适应度。举例来说,参见图4,图4是本申请实施例提供的一种适应度确定场景示意图。如图4所示,可以将初始组合401与检测组合402进行拼接,得到第二对局串,此处的初始组合401与检测组合402以游戏阵容为例,可选的,该第二对局串可以是一个对局序列,或者可以是一个轻量级数据交换格式(JavaScriptObject Notation,json)串等。进一步,可以将第二对局串传输至对局环境403中,对第二对局串进行模拟对局处理,得到N/>N1个检测组合对分别对应的对局结果,进而得到N个初始组合分别对应的对局胜率;将N个初始组合分别对应的对局胜率,确定为N个初始组合的组合适应度。其中,该对局环境403可以是应用程序中提供对局条件的环境,或者,用于提供对局测试的环境等,如可以是游戏应用中的战斗服等。可选的,可以通过创建超文本传输协议(Hypertext Transfer Protocol,http)请求对局环境,向对局环境中传入第二对局串。也就是说,一个组合的组合适应度可以认为是该组合的对局胜率,也可以记作该组合的强度等。其中,对照组合可以是历史使用频率较大的组合以及管理人员所推荐的组合等,具体的,可以获取历史组合及历史组合的历史使用频率,获取管理人员的推荐组合,将历史组合中历史使用频率最大的N2个历史组合以及推荐组合,确定为对照组合,N2为正整数,N2与推荐组合的数量之和为N1。或者,可以将第二对局串输入对局模拟模型中进行预测,得到N/>N1个检测组合对分别对应的对局结果,其中,该对局模拟模型为深度神经网络(Deep NeuralNetwork,DNN),是一个训练得到的用于模拟真实的对局的模型,通过采用该对局模拟模型,可以利用图形处理器(graphics processing unit,GPU)的高性能计算,可以更加高效快速地模拟预测出对局结果,从而提高组合处理的效率。
进一步可选地,计算机设备可以针对初始组合执行步骤S302,具体可以参见图8所示过程;或者,可以针对初始组合执行步骤S302,将初始组合确定为待变异组合,针对待变异组合执行步骤S303,具体可以参见图9所示过程。
步骤S302,从初始组合中选取第一组合对,对第一组合对所包括的第一初始组合与第二初始组合进行P次元素交叉处理,得到第一组合对所对应的2P个交叉组合,根据第一组合对所对应的2P个交叉组合分别对应的组合适应度,确定第一组合对所对应的第一子代组合。
在本申请实施例中,计算机设备可以从初始组合中选取第一组合对,对第一组合对所包括的第一初始组合与第二初始组合进行P次元素交叉处理,得到第一组合对所对应的2P个交叉组合,P为正整数。进一步,可以将第一组合对所对应的交叉关联组合中组合适应度最大的交叉关联组合,确定为第一组合对所对应的第一子代组合。其中,该交叉关联组合包括该第一组合对所对应的2P个交叉组合;或者,该交叉关联组合可以包括第一组合对所对应的2P个交叉组合,以及该第一组合对。例如,假定选取第一初始组合X及第二初始组合Y,对X与Y进行P次元素交叉处理,得到2P个交叉组合,可以记作xy1、xy2、…xy2P-1及xy2P,可以将xy1、xy2、…xy2P-1及xy2P中组合适应度最大的交叉关联组合,确定为第一组合对所对应的第一子代组合;或者,将xy1、xy2、…xy2P-1、xy2P及X、Y中组合适应度最大的交叉关联组合,确定为第一组合对所对应的第一子代组合等。其中,可以基于需要,确定该交叉关联组合中是否包含该第一组合对,在此不做限制。其中,P可以是预设值(如3~5次等),或者根据组合长度进行确定,组合长度越大,P值可以越大等。
具体的,该第一组合对的数量为S,可以对S个第一组合对分别进行P次元素交叉处理,得到每个第一组合对所对应的2P个交叉组合。将每个第一组合对的交叉关联组合中,组合适应度最大的交叉关联组合,确定为对应的第一组合对的第一子代组合,即,可以得到S个第一组合对分别对应的第一子代组合。具体的,以第i个第一组合对为例,计算机设备可以从初始组合中随机选取第i个第一初始组合及第i个第二初始组合,将第i个第一初始组合与第i个第二初始组合组成第i个第一组合对;i为正整数;第i个第一初始组合与第i个第二初始组合不相同。对第i个第一初始组合与第i个第二初始组合进行P次元素交叉处理,得到第i个第一组合对所对应的2P个交叉组合。将第i个第一组合对所对应的2P个交叉组合中组合适应度最大的交叉组合,确定为第i个第一子代组合,或者,将第i个第一组合对所对应的2P个交叉组合,以及第i个第一初始组合和第i个第二初始组合中,组合适应度最大的组合,确定为第i个第一子代组合。可以将第i个第一子代组合添加至交叉组合集群中。进一步,若交叉组合集群中所包括的第一子代组合的数量,大于或等于交叉处理阈值,则结束对初始组合的交叉处理,得到S个第一子代组合。若交叉组合集群中所包括的第一子代组合的数量,小于交叉处理阈值,则从初始组合中获取第i+1个第一组合对,对第i+1个第一组合对进行P次元素交叉处理,得到第i+1个第一组合对所对应的第i+1个第一子代组合。
其中,在对第一组合对中的第一初始组合与第二初始组合进行元素交叉处理时,可以生成交叉随机数,采用该交叉随机数对第一初始组合与第二初始组合进行元素交换,得到第一初始组合所对应的交叉组合,以及第二初始组合所对应的交叉组合。具体的,在第j次元素交叉处理中,可以生成第j个交叉随机数,基于第j个交叉随机数确定第j个组合交叉位置信息;j为小于或等于P的正整数。可选的,该第j个交叉随机数可以包括第j个第一交叉随机数以及第j个第二交叉随机数,该第j个组合交叉位置信息是指从第j个第一交叉随机数到第j个第二交叉随机数之间的位置。进一步,可以将第一初始组合中的第一元素数据,与第二初始组合中的第二元素数据进行交换,得到第一初始组合所对应的第j个交叉组合,以及第二初始组合所对应的第j个交叉组合;第一元素数据是指第一初始组合中位于第j个组合交叉位置信息处的元素数据,第二元素数据是指第二初始组合中位于第j个组合交叉位置信息处的元素数据。当j为P时,得到第一组合对所对应的2P个交叉组合。同理,在第一组合对的数量为S时,可以采用该方式,得到每个第一组合对所对应的2P个交叉组合。
举例来说,参见图5,图5是本申请实施例提供的一种组合交叉场景示意图。如图5所示,在对第一初始组合5011与第二初始组合5012进行元素交叉处理时,可以生成交叉随机数,该交叉随机数可以包括第一交叉随机数5021(可以记作ID1)及第二交叉随机数5022(可以记作ID2),其中,第一交叉随机数5021小于第二交叉随机数5022(可以记作ID1<ID2),第一交叉随机数5021及第二交叉随机数5022均小于组合长度,该组合长度为组合编码数据所包括的组合元素的数量,即可以记作(ID1<c,ID2<c)。可以将第一初始组合5011中位于ID1与ID2之间的第一元素数据,与第二初始组合5012中位于ID1与ID2之间的第二元素数据进行交换,得到第一初始组合5011所对应的交叉组合5031,以及第二初始组合5012所对应的交叉组合5032。
通过以上过程,可以实现对两个初始组合之间的随机多次元素交叉处理,使得得到的交叉组合更为随机,范围更广,从而扩展了组合的搜索空间,提高组合搜索的全面性,进而提高组合确定的质量及有效性。同时,基于组合适应度进行第一子代组合的确定,实现小范围竞争择优的交叉处理,随机多次元素交叉处理与小范围竞争择优的交叉处理相结合,有效避免了相似数据结合的问题,减少了组合确定过程提前过度收敛而造成的局部最优解的情况出现,从而提高组合确定的质量和有效性。
其中,在获取每个第一组合对的2P个交叉组合的组合适应度时,可以从应用程序中获取候选组合,将2P个交叉组合与候选组合进行结合,得到M个第二组合对;M为正整数,每个第二组合对包括一个交叉组合以及一个候选组合。其中,该候选组合的获取过程可以参见上述步骤S301中对照组合的获取过程,在此不再进行赘述。进一步,可以将M个第二组合对进行拼接,得到第一对局串,针对第一对局串进行模拟对局处理,得到M个第二组合对分别对应的对局结果。根据M个第二组合对分别对应的对局结果,确定2P个交叉组合分别对应的对局胜率,将2P个交叉组合分别对应的对局胜率,确定为2P个交叉组合分别对应的组合适应度。具体的,该组合适应度的确定过程,可以参见上述步骤S301中各个初始组合的组合适应度,在此不再进行赘述。
可选的,可以将S个第一组合对分别对应的第一子代组合,确定为待变异组合,针对该待变异组合执行步骤S303,如图8所示。
步骤S303,对待变异组合分别进行Q次元素变异处理,得到待变异组合所对应的Q个变异组合,根据待变异组合所对应的Q个变异组合分别对应的组合适应度,确定待变异组合所对应的第二子代组合。
在本申请实施例中,计算机设备可以对待变异组合分别进行Q次元素变异处理,得到待变异组合所对应的Q个变异组合;将待变异组合所对应的变异关联组合中组合适应度最大的变异关联组合,确定为待变异组合所对应的第二子代组合。其中,Q为正整数;待变异组合为初始组合或第一组合对所对应的第一子代组合。其中,待变异组合所对应的变异关联组合可以包括该待变异组合所对应的Q个变异组合,或者,可以包括该待变异组合所对应的Q个变异组合以及该待变异组合等,在此不做限制。具体的,该变异关联组合的含义,可以基于需要确定是否要包含待变异组合。其中,Q可以是预设值(如3~5次等),或者根据组合长度进行确定,组合长度越大,Q值可以越大等。例如,假定选取待变异组合X,对X进行Q次元素变异处理,得到Q个变异组合,可以记作x1、x2、…xQ-1及xQ,可以将x1、x2、…xQ-1及xQ中组合适应度最大的变异关联组合,确定为待变异组合所对应的第二子代组合;或者,将x1、x2、…xQ-1及xQ及X中组合适应度最大的变异关联组合,确定为待变异组合所对应的第二子代组合等。
具体的,在第k次元素变异处理中,生成第k个变异随机数,基于第k个变异随机数确定待变异组合的第k个待变异组合元素;k为小于或等于Q的正整数。基于待变异组合确定第k个待变异组合元素所对应的候选元素数据,从候选元素数据中随机获取第三元素数据。将待变异组合中的第k个待变异组合元素更新为第三元素数据,得到待变异组合所对应的第k个变异组合。同理,可以得到待变异组合所对应的Q个变异组合。
可选的,该待变异组合的数量为T,T为正整数,可以针对每个待变异组合进行Q次元素变异处理,得到每个待变异组合所对应的Q个变异组合,对每个待变异组合的每一次元素变异处理,可以参见上述第k次元素变异处理的过程,在此不再进行赘述。
举例来说,参见图6,图6是本申请实施例提供的一种组合变异场景示意图。如图6所示,在对待变异组合601进行元素变异处理时,可以生成变异随机数602(可以记作ID),该变异随机数602小于或等于组合长度(可以记作ID≤c)。基于变异随机数602确定待变异组合601的待变异组合元素,如图6中所示的“组合元素1_2”,可以基于待变异组合确定待变异组合元素所对应的候选元素数据,从候选元素数据中随机获取第三元素数据603,如“组合元素2_2”。例如,待变异组合601的待变异组合元素对应“游戏对象”,则候选元素数据是指应用程序中除待变异组合中的游戏对象之外的剩余游戏对象,从剩余游戏对象中随机选取一个游戏对象,确定为第三元素数据。例如,该待变异组合601的待变异组合元素对应“对象技能”,则该候选元素数据为该待变异组合元素所关联的游戏对象的技能池中,除该待变异组合元素之外的剩余对象技能,从剩余对象技能中随机选取一个对象技能,确定为第三元素数据等。将待变异组合601中的待变异组合元素更新为第三元素数据603,得到待变异组合601所对应的变异组合604。该过程可以用于对任意一个待变异组合进行任意一次元素变异处理。通过多次随机的元素变异处理,以及小范围择优的元素变异处理相结合,可以扩展组合的搜索范围,有效避免了在子代组合的确定过程中可能出现的相似数据的结合问题,也就是减少了提前过度收敛造成的局部最优解的情况,从而可以提高组合确定的有效性以及组合搜索的质量。
步骤S304,根据第一组合对所对应的第一子代组合,以及待变异组合所对应的第二子代组合,确定目标组合。
在本申请实施例中,计算机设备可以根据第一组合对所对应的第一子代组合,以及待变异组合所对应的第二子代组合,确定目标组合。具体的,可以将第一组合对所对应的第一子代组合,以及待变异组合所对应的第二子代组合,组成子代组合集群,可以记作PopList;可以基于子代组合集群中所包括的h个子代组合分别对应的组合适应度,对h个子代组合进行组合更新,得到目标组合集群;h为正整数,h个子代组合包括第一组合对所对应的第一子代组合,以及待变异组合所对应的第二子代组合;目标组合集群包括更新组合。从目标组合集群中,将组合适应度最大的f个更新组合,确定为目标组合;f为正整数。
可选的,一种目标组合集群的确定方式①,可以基于h个子代组合分别对应的组合适应度,对h个子代组合进行排序,得到第一组合序列,从第一组合序列中获取前d个第一前列组合;d为小于h的正整数,可以认为该d个第一前列组合组成前列组合集群,可以记作TopPopList,可选的,d可以是预设的数值,或者可以是根据前列获取规则所确定的,例如,该前列获取规则为前5%,则d=h5%等。进一步,计算机设备可以对d个第一前列组合分别进行变异处理,得到d个第一前列组合分别对应的第二前列组合,将d个第二前列组合与其他组合组成目标组合集群;其他组合是指h个子代组合中,除d个第一前列组合之外的组合。
具体的,在对d个第一前列组合分别进行变异处理,得到d个第一前列组合分别对应的第二前列组合时,可以参见上述步骤S303中,待变异组合的第二子代组合的确定过程。具体的,可以对每个第一前列组合进行Q'次元素变异处理,得到每个第一前列组合所对应的Q'个前列处理组合,若Q'个前列处理组合分别对应的组合适应度,均小于对应的第一前列组合的组合适应度,则将第一前列组合,确定为该第一前列组合的第二前列组合;若Q'个前列处理组合分别对应的组合适应度中,存在大于对应的第一前列组合的组合适应度,则将Q'个前列处理组合中组合适应度最大的前列处理组合,确定为该第一前列组合的第二前列组合。例如,d个第一前列组合包括第一前列组合Z,可以对第一前列组合Z进行Q'次元素变异处理,得到Z所对应的Q'个前列处理组合,即Z1、…ZQ'-1及ZQ',对比第一前列组合Z的Q'个前列处理组合中的最大组合强度MaxPopStrength,与第一前列组合Z的组合适应度Z_Strength,若最大组合强度大于第一前列组合Z的组合适应度,则将最大组合强度所对应的前列处理组合,确定为第一前列组合Z的第二前列组合,即,可以将最大组合强度所对应的前列处理组合(可以记作BetterPop),替换前列组合集群中的第一前列组合Z;若最大组合强度小于或等于第一前列组合Z的组合适应度,则将第一前列组合Z确定为第一前列组合Z的第二前列组合。通过这一方式,可以持续保证前列高强度组合(即组合适应度大的组合)的优化质量和搜索效率,同时也可以尽可能避免在多次元素变异处理过程中,高强度组合过早收敛不变的弊端,从而提高组合搜索的全面性、质量及有效性。
一种目标组合集群的确定方式②,计算机设备可以获取h个子代组合中任意两个子代组合之间的组合距离,基于任意两个子代组合之间的组合距离,将h个子代组合划分为第一组合集合;每个第一组合集合中所包括的子代组合之间的组合距离小于或等于组合相似阈值。将第一组合集合中组合适应度最大的子代组合组成距离处理集群。获取距离处理集群所包括的子代组合的第一数据量,可以记作DeletePopCount,根据第一数据量及目标数据量(可以记作PopListsize)确定第二数据量,可以记作FillPopSize,在距离处理集群中添加第二数据量所对应的补充组合,得到目标组合集群。此时,第二数据量FillPopSize=PopListsize-DeletePopCount,可以使得最终可以得到足够多的组合,用于进行后续的组合处理,提高组合处理的效率及准确性。
其中,在获取h个子代组合中任意两个子代组合之间的组合距离时,可以获取第A个子代组合所包括的第一组合元素,与第B个子代组合所包括的第二组合元素之间的元素差异数量,将元素差异数量确定为第A个子代组合与第B个子代组合之间的组合距离;A、B均为小于或等于h的正整数;第A个子代组合与第B个子代组合不同。或者,可以对第A个子代组合与第B个子代组合进行字符比较,得到字符差异值,将字符差异值确定为第A个子代组合与第B个子代组合之间的组合距离;例如,字符串“10111101”与字符串“1001001”之间存在从左往右的第3位和第5位不同,则字符串“10111101”与字符串“1001001”之间的组合距离为2等。或者,可以将第A个子代组合与第B个子代组合输入差异检测模块中进行预测,得到第A个子代组合与第B个子代组合之间的组合距离。其中,组合距离越大,表示对应的两个组合之间的差异越大,组合距离越小,表示对应的两个组合之间的差异越小,通过这一方式,降低最终确定的目标组合集群内的组合的单一性,增加目标组合集群中的个体(即组合)的多样性,可以扩展组合的搜索空间,提高了组合的全局搜索能力,进而提高组合确定的有效性及组合质量等。
一种目标组合集群的确定方式③,可以采用目标组合集群的确定方式①,得到d个第一前列组合分别对应的第二前列组合,将d个第二前列组合与其他组合组成头部更新集群;采用目标组合集群的确定方式②,获取头部更新集群中所包括的头部处理组合中,任意两个头部处理组合之间的组合距离,可以参见上述任意两个子代组合之间的组合距离的确定过程。进一步可以基于任意两个头部处理组合之间的组合距离,将头部处理组合划分为第二组合集合,每个第二组合集合中所包括的头部处理组合之间的组合距离小于或等于组合相似阈值。将第二组合集合中组合适应度最大的头部处理组合组成距离处理集群。进一步,基于距离处理集群得到目标组合集群。
其中,可以基于更新组合集群中任意两个个体组合之间的组合距离,构建距离处理集群,该更新组合集群可以是如目标组合集群的确定方式②中的子代组合集群,此时,更新组合集群中的个体组合为h个子代组合;或者,该更新组合集群可以是如目标组合集群的确定方式③中的头部更新集群,此时,更新组合集群中的个体组合为头部更新集群中的头部处理组合,即d个第二前列组合与其他组合。具体的,可以对个体组合进行排序,得到第二组合序列,记作SortedPopList,构建初始距离处理集群(DeleteSimilarityPopList)。获取第二组合序列中第r个个体组合,与初始距离处理集群中所包括的个体组合之间的第r个组合距离(Delta Distance),r为正整数;若该第r个组合距离均大于组合相似阈值(Threshold),则将第r个个体组合添加至初始距离处理集群。进一步,若第r个个体组合不是第二组合序列中的最后一个个体组合,则获取第二组合序列中第r+1个个体组合,与初始距离处理集群中所包括的个体组合之间的第r+1个组合距离;若第r个个体组合是第二组合序列中的最后一个个体组合,则将此时的初始距离处理集群确定为距离处理集群。可以将距离处理集群中所包括的个体组合记作距离处理组合。
进一步可选的,可以认为通过上述步骤S301至步骤S304得到中间组合集群,即,根据第一组合对所对应的第一子代组合,以及待变异组合所对应的第二子代组合,确定中间组合集群。若达到组合终止条件,则将该中间组合集群确定为目标组合集群;若未达到组合终止条件,则将该中间组合集群确定为初始集群,将中间组合集群中所包括的组合确定为初始组合,返回执行步骤S302,直至达到组合终止条件。其中,该组合终止条件可以是达到迭代次数阈值,即得到过迭代次数阈值的中间组合集群,或者该中间组合集群中的组合达到质量要求等。
进一步可选的,可以获取目标组合所包括的第一虚拟对象,以及第一虚拟对象所关联的第一对象数据,对第一虚拟对象的第一对象数据进行调整,得到第二对象数据。例如,对第一虚拟对象的第一对象数据“对象技能”进行技能调整,得到调整后的对象技能,即第二对象数据。进一步可以在应用程序中为第一虚拟对象关联发布第二对象数据,获取应用程序中所包括的虚拟对象的使用频率,根据虚拟对象的使用频率生成对象强度信息;应用程序是指组合编码数据所属的应用;虚拟对象包括第一虚拟对象。将对象强度信息发送至管理设备,以使管理设备基于对象强度信息对虚拟对象进行管理。可选的,还可以采用图3所示的各个过程,在过程中获取组合适应度最小的组合,得到待优化组合;获取待优化组合所包括的第二虚拟对象,以及第二虚拟对象所关联的第三对象数据,对第二虚拟对象的第三对象数据进行调整,得到第四对象数据;在应用程序中为第二虚拟对象关联发布第四对象数据,获取应用程序中所包括的虚拟对象的使用频率,根据虚拟对象的使用频率生成对象强度信息;应用程序是指组合编码数据所属的应用;虚拟对象包括第一虚拟对象及第二虚拟对象;将对象强度信息发送至管理设备,以使管理设备基于对象强度信息对虚拟对象进行管理。也就是说,通过该方式得到组合后,对组合适应度较高的组合进行数据减弱处理,对组合适应度较低的组合进行数据增强处理,从而提高应用程序中的数据平衡性,提高对象的应用频率。
例如,参见图7,图7是本申请实施例提供的一种数据调整场景示意图。如图7所示,以游戏应用为例,在游戏应用701中获取到第一虚拟对象702,该第一虚拟对象702的组合适应度较高,即为一个目标组合,则可以获取该第一虚拟对象702的第一对象数据703,该第一对象数据703可以包括该第一虚拟对象702所包括的对象技能及技能数据,如对象技能7031及其技能数据7041、对象技能7032及其技能数据7042,以及对象技能7033及其技能数据7043等。进一步,对第一对象数据703进行数据调整,得到第二对象数据705,该数据调整可以包括但不限于更改对象技能及更新一个或多个对象技能的技能数据等。以图7为例,将对象技能7031的技能数据7041中,攻击伤害由“100/点”降低为“80/点”,得到技能数据7051;将对象技能7033的技能数据7043中,伤害增加由“3秒”减少为“2秒”,得到技能数据7053;对象技能7032的技能数据7042不改变,直接作为技能数据7052,从而得到第二对象数据705,降低了该第一虚拟对象702的强度,从而平衡虚拟对象之间的对象强度,提高游戏应用的平衡性等。以上仅为例举的一种可能的对象数据的调整场景,具体的调整可以基于应用程序的需要进行。
例如,一种方式中,可以参见图8,图8是本申请实施例提供的一种组合处理方法流程示意图。如图8所示,该过程包括如下步骤:
步骤S801,获取组成组合编码数据的组合元素,对组合元素进行初始化,得到初始组合。
在本申请实施例中,可以参见图3中的步骤S301中的相关描述,在此不再进行赘述,进一步针对初始组合执行步骤S802。
步骤S802,从初始组合中选取第一组合对,对第一组合对所包括的第一初始组合与第二初始组合进行P次元素交叉处理,得到第一组合对所对应的2P个交叉组合,根据第一组合对所对应的2P个交叉组合分别对应的组合适应度,确定第一组合对所对应的第一子代组合。
在本申请实施例中,可以参见图3中的步骤S302中的相关描述,在此不再进行赘述,进一步可以将第一子代组合确定为待变异组合,针对待变异组合执行步骤S803。
步骤S803,对第一子代组合分别进行Q次元素变异处理,得到第一子代组合所对应的Q个变异组合,根据第一子代组合所对应的Q个变异组合分别对应的组合适应度,确定第一子代组合所对应的第二子代组合。
在本申请实施例中,可以参见图3中的步骤S303中的相关描述,在此不再进行赘述,即,此时待变异组合为第一组合对的第一子代组合。
步骤S804,根据第一组合对所对应的第一子代组合,以及第一子代组合所对应的第二子代组合,确定目标组合。
在本申请实施例中,可以参见图3中的步骤S304中的相关描述,在此不再进行赘述。
或者,一种方式中,可以参见图9,图9是本申请实施例提供的另一种组合处理方法流程示意图。如图9所示,该过程包括如下步骤:
步骤S901,获取组成组合编码数据的组合元素,对组合元素进行初始化,得到初始组合。
在本申请实施例中,可以参见图3中的步骤S301中的相关描述,在此不再进行赘述。进一步针对初始组合执行步骤S902;将初始组合确定为待变异组合,针对待变异组合执行步骤S903。
步骤S902,从初始组合中选取第一组合对,对第一组合对所包括的第一初始组合与第二初始组合进行P次元素交叉处理,得到第一组合对所对应的2P个交叉组合,根据第一组合对所对应的2P个交叉组合分别对应的组合适应度,确定第一组合对所对应的第一子代组合。
在本申请实施例中,可以参见图3中的步骤S302中的相关描述,在此不再进行赘述,进一步执行步骤S904。
步骤S903,对初始组合分别进行Q次元素变异处理,得到初始组合所对应的Q个变异组合,根据初始组合所对应的Q个变异组合分别对应的组合适应度,确定初始组合所对应的第二子代组合。
在本申请实施例中,可以参见图3中的步骤S303中的相关描述,在此不再进行赘述,即,此时待变异组合为初始组合。
步骤S904,根据第一组合对所对应的第一子代组合,以及初始组合所对应的第二子代组合,确定目标组合。
在本申请实施例中,可以参见图3中的步骤S304中的相关描述,在此不再进行赘述。
在本申请实施例中,计算机设备可以获取组成组合编码数据的组合元素,对组合元素进行初始化,得到初始组合;从初始组合中选取第一组合对,对第一组合对所包括的第一初始组合与第二初始组合进行P次元素交叉处理,得到第一组合对所对应的2P个交叉组合,根据第一组合对所对应的2P个交叉组合分别对应的组合适应度,确定第一组合对所对应的第一子代组合;P为正整数;对待变异组合分别进行Q次元素变异处理,得到待变异组合所对应的Q个变异组合,根据待变异组合所对应的Q个变异组合分别对应的组合适应度,确定待变异组合所对应的第二子代组合;Q为正整数;待变异组合为初始组合或第一组合对所对应的第一子代组合;根据第一组合对所对应的第一子代组合,以及待变异组合所对应的第二子代组合,确定目标组合。通过该过程,可以实现对组合的随机交叉及变异处理,可以提高组合的随机性,从而使得组合确定的结果更为公正准确。而且,在交叉变异过程中引入组合适应度,实现对交叉及变异过程中的小范围竞争择优,可以有效避免在组合交叉或变异过程中所产生的类似“相似数据结合”的问题,可以提高组合的搜索空间,提高组合搜索质量,从而提高组合确定的效率和性能。
其中,可以参见图10,以游戏应用为例,图10是本申请实施例提供的一种组合处理过程示意图。如图10所示,该过程可以包括如下步骤:
步骤S1001,组合编码数据。
在本申请实施例中,计算机设备可以获取组合编码数据,可以参见图3的步骤S301中的相关描述,如游戏应用中的阵容编码数据等。
步骤S1002,初始化得到初始集群。
在本申请实施例中,计算机设备可以基于组合编码数据进行初始化,得到初始组合,将初始组合组成初始集群,可以参见图3的步骤S301中的相关描述。
步骤S1003,获取组合适应度。
在本申请实施例中,计算机设备可以基于组合编码数据进行初始化,得到初始组合,将初始组合组成初始集群,可以参见图3的步骤S301中的相关描述。
步骤S1004,基于组合适应度对初始组合集群进行交叉、变异处理,得到子代组合。
在本申请实施例中,计算机设备可以基于组合适应度对初始组合集群进行交叉、变异处理,得到子代组合,可以参见图3的步骤S302及步骤S303中的相关描述。
步骤S1005,对子代组合进行局部寻优,得到头部处理组合。
在本申请实施例中,可以参见图3的步骤S304中,目标组合集群的确定方式①及目标组合集群的确定方式③所示的相关描述。
步骤S1006,对头部处理组合进行相似过滤,得到距离处理组合。
在本申请实施例中,可以参见图3的步骤S304中,目标组合集群的确定方式②及目标组合集群的确定方式③所示的相关描述。
步骤S1007,生成补充组合。
在本申请实施例中,可以参见图3的步骤S304中的相关描述。具体的,可以对组合编码数据进行初始化得到补充组合,将补充组合添加至距离处理集群中,得到中间组合集群。
步骤S1008,满足组合终止条件。
在本申请实施例中,若满足组合终止条件,则将中间组合集群确定为目标组合集群,执行步骤S1009;若不满足组合终止条件,则将中间组合集群确定为初始集群,返回执行步骤S1003。
步骤S1009,确定目标组合。
在本申请实施例中,可以从目标组合集群中,将组合适应度最大的f个更新组合,确定为目标组合。
其中,可以参见图11,图11是本申请实施例提供的一种组合确定效果示意图。如图11所示,相比现有方案,本申请的计算效率更高,具体的,收敛时长绝对缩短65.3分钟,相对缩短36.2%;收敛效果更优,解决传统遗传算法进化过程中交叉、变异操作过于简单引起的子代“相似数据结合”弊端,集群内个体过度同质化,导致过早收敛和容易陷入局部最优解的问题,头部最强阵容强度相比于现有方案绝对提升10.5%,相对提升12.1%。而且,参见图12,图12是本申请实施例提供的一种组合应用效果示意图。如图12所示,可以看出,采用本申请后,对象使用频率标准差相对调整前降低58.2%,技能使用频率标准差相对降低35.6%。进一步,可以参见图13,图13是本申请实施例提供的一种对象使用频率变化场景示意图,如图13所示,以虚拟对象1至虚拟对象18为例,可以看出,采用本申请后,各个虚拟对象的使用频率由第一使用频率示例信息1301所指示的使用频率,变成第二使用频率示例信息1302所指示的使用频率,各个虚拟对象的使用频率更为平衡。由此可以看出,采用本申请可以提高应用的平衡性,可以更加准确、高效地挖掘出游戏应用中的头部阵容,从而使得游戏策划可以及时地对于使用频率过高、过低的游戏英雄或者技能进行针对性数值调整,进而提升游戏平衡性,最终直接提升玩家在游戏内的核心战斗体验,间接促进游戏的商业化价值。
进一步地,请参见图14,图14是本申请实施例提供的一种组合处理装置示意图。该组合处理装置可以是运行于计算机设备中的一个计算机程序(包括程序代码等),例如该组合处理装置可以为一个应用软件;该装置可以用于执行本申请实施例提供的方法中的相应步骤。如图14所示,该组合处理装置1400可以用于图3所对应实施例中的计算机设备,具体的,该装置可以包括:组合初始模块11、交叉处理模块12、变异处理模块13及组合确定模块14。
组合初始模块11,用于获取组成组合编码数据的组合元素,对组合元素进行初始化,得到初始组合;
交叉处理模块12,用于从初始组合中选取第一组合对,对第一组合对所包括的第一初始组合与第二初始组合进行P次元素交叉处理,得到第一组合对所对应的2P个交叉组合,根据第一组合对所对应的2P个交叉组合分别对应的组合适应度,确定第一组合对所对应的第一子代组合;P为正整数;
变异处理模块13,用于对待变异组合分别进行Q次元素变异处理,得到待变异组合所对应的Q个变异组合,根据待变异组合所对应的Q个变异组合分别对应的组合适应度,确定待变异组合所对应的第二子代组合;Q为正整数;待变异组合为初始组合或第一组合对所对应的第一子代组合;
组合确定模块14,用于根据第一组合对所对应的第一子代组合,以及待变异组合所对应的第二子代组合,确定目标组合。
其中,该组合初始模块11,具体用于:
获取组成组合编码数据的c个组合元素,获取c个组合元素之间的元素依赖关系;c为正整数;
基于c个组合元素之间的元素依赖关系,确定元素获取顺序,按照元素获取顺序获取c个组合元素分别对应的元素数据,将c个组合元素分别对应的元素数据组成初始组合。
其中,该交叉处理模块12,具体用于:
从初始组合中随机选取第i个第一初始组合及第i个第二初始组合,将第i个第一初始组合与第i个第二初始组合组成第i个第一组合对;i为正整数;第i个第一初始组合与第i个第二初始组合不相同;
对第i个第一初始组合与第i个第二初始组合进行P次元素交叉处理,得到第i个第一组合对所对应的2P个交叉组合;
将第i个第一组合对所对应的2P个交叉组合中组合适应度最大的交叉组合,确定为第i个第一子代组合,将第i个第一子代组合添加至交叉组合集群中;
若交叉组合集群中所包括的第一子代组合的数量,大于或等于交叉处理阈值,则结束对初始组合的交叉处理;
若交叉组合集群中所包括的第一子代组合的数量,小于交叉处理阈值,则从初始组合中获取第i+1个第一组合对,对第i+1个第一组合对进行P次元素交叉处理,得到第i+1个第一组合对所对应的第i+1个第一子代组合。
其中,在对第一组合对所包括的第一初始组合与第二初始组合进行P次元素交叉处理,得到第一组合对所对应的2P个交叉组合时,该交叉处理模块12具体用于:
在第j次元素交叉处理中,生成第j个交叉随机数,基于第j个交叉随机数确定第j个组合交叉位置信息;j为小于或等于P的正整数;
将第一初始组合中的第一元素数据,与第二初始组合中的第二元素数据进行交换,得到第一初始组合所对应的第j个交叉组合,以及第二初始组合所对应的第j个交叉组合;第一元素数据是指第一初始组合中位于第j个组合交叉位置信息处的元素数据,第二元素数据是指第二初始组合中位于第j个组合交叉位置信息处的元素数据;
当j为P时,得到第一组合对所对应的2P个交叉组合。
其中,该装置1400还包括:
组合结合模块15,用于从应用程序中获取候选组合,将2P个交叉组合与候选组合进行结合,得到M个第二组合对;M为正整数,每个第二组合对包括一个交叉组合以及一个候选组合;
组合拼接模块16,用于将M个第二组合对进行拼接,得到第一对局串,针对第一对局串进行模拟对局处理,得到M个第二组合对分别对应的对局结果;
模拟对局模块17,用于根据M个第二组合对分别对应的对局结果,确定2P个交叉组合分别对应的对局胜率,将2P个交叉组合分别对应的对局胜率,确定为2P个交叉组合分别对应的组合适应度。
其中,在对待变异组合分别进行Q次元素变异处理,得到待变异组合所对应的Q个变异组合时,该变异处理模块13具体用于:
在第k次元素变异处理中,生成第k个变异随机数,基于第k个变异随机数确定待变异组合的第k个待变异组合元素;k为小于或等于Q的正整数;
基于待变异组合确定第k个待变异组合元素所对应的候选元素数据,从候选元素数据中随机获取第三元素数据;
将待变异组合中的第k个待变异组合元素更新为第三元素数据,得到待变异组合所对应的第k个变异组合。
其中,该组合确定模块14,用于:
将第一组合对所对应的第一子代组合,以及待变异组合所对应的第二子代组合,组成子代组合集群;
基于子代组合集群中所包括的h个子代组合分别对应的组合适应度,对h个子代组合进行组合更新,得到目标组合集群;h为正整数,h个子代组合包括第一组合对所对应的第一子代组合,以及待变异组合所对应的第二子代组合;目标组合集群包括更新组合;
从目标组合集群中,将组合适应度最大的f个更新组合,确定为目标组合;f为正整数。
其中,在基于子代组合集群中所包括的h个子代组合分别对应的组合适应度,对h个子代组合进行组合更新,得到目标组合集群时,该组合确定模块14具体用于:
基于h个子代组合分别对应的组合适应度,对h个子代组合进行排序,得到第一组合序列,从第一组合序列中获取前d个第一前列组合;d为小于h的正整数;
对d个第一前列组合分别进行变异处理,得到d个第一前列组合分别对应的第二前列组合,将d个第二前列组合与其他组合组成目标组合集群;其他组合是指h个子代组合中,除d个第一前列组合之外的组合。
其中,在基于子代组合集群中所包括的h个子代组合分别对应的组合适应度,对h个子代组合进行组合更新,得到目标组合集群时,该组合确定模块14,具体用于:
获取h个子代组合中任意两个子代组合之间的组合距离,基于任意两个子代组合之间的组合距离,将h个子代组合划分为第一组合集合;每个第一组合集合中所包括的子代组合之间的组合距离小于或等于组合相似阈值;
将第一组合集合中组合适应度最大的子代组合组成距离处理集群;
获取距离处理集群所包括的子代组合的第一数据量,根据第一数据量及目标数据量确定第二数据量,在距离处理集群中添加第二数据量所对应的补充组合,得到目标组合集群。
其中,在获取h个子代组合中任意两个子代组合之间的组合距离时,该组合确定模块14,具体用于:
获取第A个子代组合所包括的第一组合元素,与第B个子代组合所包括的第二组合元素之间的元素差异数量,将元素差异数量确定为第A个子代组合与第B个子代组合之间的组合距离;A、B均为小于或等于h的正整数;第A个子代组合与第B个子代组合不同;或者,
对第A个子代组合与第B个子代组合进行字符比较,得到字符差异值,将字符差异值确定为第A个子代组合与第B个子代组合之间的组合距离;或者,
将第A个子代组合与第B个子代组合输入差异检测模块中进行预测,得到第A个子代组合与第B个子代组合之间的组合距离。
其中,该装置1400还包括:
数据调整模块18,用于获取目标组合所包括的第一虚拟对象,以及第一虚拟对象所关联的第一对象数据,对第一虚拟对象的第一对象数据进行调整,得到第二对象数据;
数据处理模块19,用于在应用程序中为第一虚拟对象关联发布第二对象数据,获取应用程序中所包括的虚拟对象的使用频率,根据虚拟对象的使用频率生成对象强度信息;应用程序是指组合编码数据所属的应用;虚拟对象包括第一虚拟对象;
信息发送模块20,用于将对象强度信息发送至管理设备,以使管理设备基于对象强度信息对虚拟对象进行管理。
本申请实施例提供了一种组合处理装置,该装置可以获取组成组合编码数据的组合元素,对组合元素进行初始化,得到初始组合;从初始组合中选取第一组合对,对第一组合对所包括的第一初始组合与第二初始组合进行P次元素交叉处理,得到第一组合对所对应的2P个交叉组合,根据第一组合对所对应的2P个交叉组合分别对应的组合适应度,确定第一组合对所对应的第一子代组合;P为正整数;对待变异组合分别进行Q次元素变异处理,得到待变异组合所对应的Q个变异组合,根据待变异组合所对应的Q个变异组合分别对应的组合适应度,确定待变异组合所对应的第二子代组合;Q为正整数;待变异组合为初始组合或第一组合对所对应的第一子代组合;根据第一组合对所对应的第一子代组合,以及待变异组合所对应的第二子代组合,确定目标组合。通过该过程,可以实现对组合的随机交叉及变异处理,可以提高组合的随机性,从而使得组合确定的结果更为公正准确。而且,在交叉变异过程中引入组合适应度,实现对交叉及变异过程中的小范围竞争择优,可以有效避免在组合交叉或变异过程中所产生的类似“相似数据结合”的问题,可以提高组合的搜索空间,提高组合搜索质量,从而提高组合确定的效率和性能。
参见图15,图15是本申请实施例提供的一种计算机设备的结构示意图。如图15所示,本申请实施例中的计算机设备可以包括:一个或多个处理器1501、存储器1502和输入输出接口1503。该处理器1501、存储器1502和输入输出接口1503通过总线1504连接。存储器1502用于存储计算机程序,该计算机程序包括程序指令,输入输出接口1503用于接收数据及输出数据,如用于计算机设备与业务设备之间进行数据交互;处理器1501用于执行存储器1502存储的程序指令。
其中,该处理器1501可以执行如下操作:
获取组成组合编码数据的组合元素,对组合元素进行初始化,得到初始组合;
从初始组合中选取第一组合对,对第一组合对所包括的第一初始组合与第二初始组合进行P次元素交叉处理,得到第一组合对所对应的2P个交叉组合,根据第一组合对所对应的2P个交叉组合分别对应的组合适应度,确定第一组合对所对应的第一子代组合;P为正整数;
对待变异组合分别进行Q次元素变异处理,得到待变异组合所对应的Q个变异组合,根据待变异组合所对应的Q个变异组合分别对应的组合适应度,确定待变异组合所对应的第二子代组合;Q为正整数;待变异组合为初始组合或第一组合对所对应的第一子代组合;
根据第一组合对所对应的第一子代组合,以及待变异组合所对应的第二子代组合,确定目标组合。
在一些可行的实施方式中,该处理器1501可以是中央处理单元(centralprocessing unit,CPU),该处理器还可以是其他通用处理器、数字信号处理器(digitalsignal processor,DSP)、专用集成电路(application specific integrated circuit,ASIC)、现成可编程门阵列(field-programmable gate array,FPGA)或者其他可编程逻辑器件、分立门或者晶体管逻辑器件、分立硬件组件等。通用处理器可以是微处理器或者该处理器也可以是任何常规的处理器等。
该存储器1502可以包括只读存储器和随机存取存储器,并向处理器1501和输入输出接口1503提供指令和数据。存储器1502的一部分还可以包括非易失性随机存取存储器。例如,存储器1502还可以存储设备类型的信息。
具体实现中,该计算机设备可通过其内置的各个功能模块执行如该图3中各个步骤所提供的实现方式,具体可参见该图3中各个步骤所提供的实现方式,在此不再赘述。
本申请实施例通过提供一种计算机设备,包括:处理器、输入输出接口、存储器,通过处理器获取存储器中的计算机程序,执行该图3中所示方法的各个步骤,进行组合处理操作。本申请实施例实现了获取组成组合编码数据的组合元素,对组合元素进行初始化,得到初始组合;从初始组合中选取第一组合对,对第一组合对所包括的第一初始组合与第二初始组合进行P次元素交叉处理,得到第一组合对所对应的2P个交叉组合,根据第一组合对所对应的2P个交叉组合分别对应的组合适应度,确定第一组合对所对应的第一子代组合;P为正整数;对待变异组合分别进行Q次元素变异处理,得到待变异组合所对应的Q个变异组合,根据待变异组合所对应的Q个变异组合分别对应的组合适应度,确定待变异组合所对应的第二子代组合;Q为正整数;待变异组合为初始组合或第一组合对所对应的第一子代组合;根据第一组合对所对应的第一子代组合,以及待变异组合所对应的第二子代组合,确定目标组合。通过该过程,可以实现对组合的随机交叉及变异处理,可以提高组合的随机性,从而使得组合确定的结果更为公正准确。而且,在交叉变异过程中引入组合适应度,实现对交叉及变异过程中的小范围竞争择优,可以有效避免在组合交叉或变异过程中所产生的类似“相似数据结合”的问题,可以提高组合的搜索空间,提高组合搜索质量,从而提高组合确定的效率和性能。
本申请实施例还提供一种计算机可读存储介质,该计算机可读存储介质存储有计算机程序,该计算机程序适于由该处理器加载并执行图3中各个步骤所提供的组合处理方法,具体可参见该图3中各个步骤所提供的实现方式,在此不再赘述。另外,对采用相同方法的有益效果描述,也不再进行赘述。对于本申请所涉及的计算机可读存储介质实施例中未披露的技术细节,请参照本申请方法实施例的描述。作为示例,计算机程序可被部署为在一个计算机设备上执行,或者在位于一个地点的多个计算机设备上执行,又或者,在分布在多个地点且通过通信网络互连的多个计算机设备上执行。
该计算机可读存储介质可以是前述任一实施例提供的组合处理装置或者该计算机设备的内部存储单元,例如计算机设备的硬盘或内存。该计算机可读存储介质也可以是该计算机设备的外部存储设备,例如该计算机设备上配备的插接式硬盘,智能存储卡(smart media card,SMC),安全数字(secure digital,SD)卡,闪存卡(flash card)等。进一步地,该计算机可读存储介质还可以既包括该计算机设备的内部存储单元也包括外部存储设备。该计算机可读存储介质用于存储该计算机程序以及该计算机设备所需的其他程序和数据。该计算机可读存储介质还可以用于暂时地存储已经输出或者将要输出的数据。
本申请实施例还提供了一种计算机程序产品或计算机程序,该计算机程序产品或计算机程序包括计算机指令,该计算机指令存储在计算机可读存储介质中。计算机设备的处理器从计算机可读存储介质读取该计算机指令,处理器执行该计算机指令,使得该计算机设备执行图3中的各种可选方式中所提供的方法,实现了对组合的随机交叉及变异处理,可以提高组合的随机性,从而使得组合确定的结果更为公正准确。而且,在交叉变异过程中引入组合适应度,实现对交叉及变异过程中的小范围竞争择优,可以有效避免在组合交叉或变异过程中所产生的类似“相似数据结合”的问题,可以提高组合的搜索空间,提高组合搜索质量,从而提高组合确定的效率和性能。
本申请实施例的说明书和权利要求书及附图中的术语“第一”、“第二”等是用于区别不同对象,而非用于描述特定顺序。此外,术语“包括”以及它们任何变形,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、装置、产品或设备没有限定于已列出的步骤或模块,而是可选地还包括没有列出的步骤或模块,或可选地还包括对于这些过程、方法、装置、产品或设备固有的其他步骤单元。
本申请实施例中,术语“模块”或“单元”是指有预定功能的计算机程序或计算机程序的一部分,并与其他相关部分一起工作以实现预定目标,并且可以通过使用软件、硬件(如处理电路或存储器)或其组合来全部或部分实现。同样的,一个处理器(或多个处理器或存储器)可以用来实现一个或多个模块或单元。此外,每个模块或单元都可以是包含该模块或单元功能的整体模块或单元的一部分。
本领域普通技术人员可以意识到,结合本文中所公开的实施例描述的各示例的单元及算法步骤,能够以电子硬件、计算机软件或者二者的结合来实现,为了清楚地说明硬件和软件的可互换性,在该说明中已经按照功能一般性地描述了各示例的组成及步骤。这些功能究竟以硬件还是软件方式来执行,取决于技术方案的特定应用和设计约束条件。专业技术人员可以对每个特定的应用来使用不同方法来实现所描述的功能,但是这种实现不应认为超出本申请的范围。
本申请实施例提供的方法及相关装置是参照本申请实施例提供的方法流程图和/或结构示意图来描述的,具体可由计算机程序指令实现方法流程图和/或结构示意图的每一流程和/或方框、以及流程图和/或方框图中的流程和/或方框的结合。这些计算机程序指令可提供到通用计算机、专用计算机、嵌入式处理机或其他可编程组合处理设备的处理器以产生一个机器,使得通过计算机或其他可编程组合处理设备的处理器执行的指令产生用于实现在流程图一个流程或多个流程和/或结构示意图一个方框或多个方框中指定的功能的装置。这些计算机程序指令也可存储在能引导计算机或其他可编程组合处理设备以特定方式工作的计算机可读存储器中,使得存储在该计算机可读存储器中的指令产生包括指令装置的制造品,该指令装置实现在流程图一个流程或多个流程和/或结构示意图一个方框或多个方框中指定的功能。这些计算机程序指令也可装载到计算机或其他可编程组合处理设备上,使得在计算机或其他可编程设备上执行一系列操作步骤以产生计算机实现的处理,从而在计算机或其他可编程设备上执行的指令提供用于实现在流程图一个流程或多个流程和/或结构示意一个方框或多个方框中指定的功能的步骤。
本申请实施例方法中的步骤可以根据实际需要进行顺序调整、合并和删减。
本申请实施例装置中的模块可以根据实际需要进行合并、划分和删减。
以上所揭露的仅为本申请较佳实施例而已,当然不能以此来限定本申请之权利范围,因此依本申请权利要求所作的等同变化,仍属本申请所涵盖的范围。
Claims (15)
1.一种组合处理方法,其特征在于,所述方法包括:
获取应用程序的组合编码数据,获取组成组合编码数据的组合元素,对所述组合元素进行初始化,得到初始组合;组合是指游戏阵容,所述游戏阵容包括游戏对象、对象技能及对象风格;
从所述初始组合中选取第一组合对,对所述第一组合对所包括的第一初始组合与第二初始组合进行P次元素交叉处理,得到所述第一组合对所对应的2P个交叉组合,根据所述第一组合对所对应的2P个交叉组合分别对应的对局胜率,确定所述第一组合对所对应的第一子代组合;P为正整数;
对待变异组合分别进行Q次元素变异处理,得到所述待变异组合所对应的Q个变异组合,根据所述待变异组合所对应的Q个变异组合分别对应的对局胜率,确定所述待变异组合所对应的第二子代组合;Q为正整数;所述待变异组合为所述初始组合或所述第一组合对所对应的第一子代组合;
根据所述第一组合对所对应的第一子代组合,以及所述待变异组合所对应的第二子代组合分别对应的对局胜率,得到更新组合,将所述更新组合中对局胜率最大的f个更新组合确定为目标组合;f为正整数;
基于所述目标组合更新所述应用程序中的组合关联数据,将所述组合关联数据发布至所述应用程序中,以使安装有所述应用程序的各个业务设备同步更新后的组合关联数据;所述更新后的组合关联数据包括对对局胜率高的组合进行数据减弱处理,对对局胜率低的组合进行数据增强处理后得到的数据。
2.如权利要求1所述的方法,其特征在于,所述获取组成组合编码数据的组合元素,对所述组合元素进行初始化,得到初始组合,包括:
获取组成组合编码数据的c个组合元素,获取所述c个组合元素之间的元素依赖关系;c为正整数;
基于所述c个组合元素之间的元素依赖关系,确定元素获取顺序,按照所述元素获取顺序获取c个组合元素分别对应的元素数据,将所述c个组合元素分别对应的元素数据组成初始组合。
3.如权利要求1所述的方法,其特征在于,所述从所述初始组合中选取第一组合对,对所述第一组合对所包括的第一初始组合与第二初始组合进行P次元素交叉处理,得到所述第一组合对所对应的2P个交叉组合,根据所述第一组合对所对应的2P个交叉组合分别对应的对局胜率,确定所述第一组合对所对应的第一子代组合,包括:
从所述初始组合中随机选取第i个第一初始组合及第i个第二初始组合,将所述第i个第一初始组合与所述第i个第二初始组合组成第i个第一组合对;i为正整数;所述第i个第一初始组合与所述第i个第二初始组合不相同;
对所述第i个第一初始组合与所述第i个第二初始组合进行P次元素交叉处理,得到所述第i个第一组合对所对应的2P个交叉组合;
将所述第i个第一组合对所对应的2P个交叉组合中对局胜率最大的交叉组合,确定为第i个第一子代组合,将所述第i个第一子代组合添加至交叉组合集群中;
若所述交叉组合集群中所包括的第一子代组合的数量,大于或等于交叉处理阈值,则结束对所述初始组合的交叉处理;
若所述交叉组合集群中所包括的第一子代组合的数量,小于所述交叉处理阈值,则从所述初始组合中获取第i+1个第一组合对,对所述第i+1个第一组合对进行P次元素交叉处理,得到所述第i+1个第一组合对所对应的第i+1个第一子代组合。
4.如权利要求1所述的方法,其特征在于,所述对所述第一组合对所包括的第一初始组合与第二初始组合进行P次元素交叉处理,得到所述第一组合对所对应的2P个交叉组合,包括:
在第j次元素交叉处理中,生成第j个交叉随机数,基于所述第j个交叉随机数确定第j个组合交叉位置信息;j为小于或等于P的正整数;
将所述第一初始组合中的第一元素数据,与所述第二初始组合中的第二元素数据进行交换,得到所述第一初始组合所对应的第j个交叉组合,以及所述第二初始组合所对应的第j个交叉组合;所述第一元素数据是指所述第一初始组合中位于所述第j个组合交叉位置信息处的元素数据,所述第二元素数据是指所述第二初始组合中位于所述第j个组合交叉位置信息处的元素数据;
当j为P时,得到所述第一组合对所对应的2P个交叉组合。
5.如权利要求1所述的方法,其特征在于,所述方法还包括:
从应用程序中获取候选组合,将所述2P个交叉组合与所述候选组合进行结合,得到M个第二组合对;M为正整数,每个第二组合对包括一个交叉组合以及一个候选组合;
将所述M个第二组合对进行拼接,得到第一对局串,针对所述第一对局串进行模拟对局处理,得到所述M个第二组合对分别对应的对局结果;
根据所述M个第二组合对分别对应的对局结果,确定所述2P个交叉组合分别对应的对局胜率,将所述2P个交叉组合分别对应的对局胜率,确定为所述2P个交叉组合分别对应的对局胜率。
6.如权利要求1所述的方法,其特征在于,所述对所述待变异组合分别进行Q次元素变异处理,得到所述待变异组合所对应的Q个变异组合,包括:
在第k次元素变异处理中,生成第k个变异随机数,基于所述第k个变异随机数确定所述待变异组合的第k个待变异组合元素;k为小于或等于Q的正整数;
基于所述待变异组合确定所述第k个待变异组合元素所对应的候选元素数据,从所述候选元素数据中随机获取第三元素数据;
将所述待变异组合中的所述第k个待变异组合元素更新为所述第三元素数据,得到所述待变异组合所对应的第k个变异组合。
7.如权利要求1所述的方法,其特征在于,所述根据所述第一组合对所对应的第一子代组合,以及所述待变异组合所对应的第二子代组合分别对应的对局胜率,得到更新组合,将所述更新组合中对局胜率最大的f个更新组合确定为目标组合,包括:
将所述第一组合对所对应的第一子代组合,以及所述待变异组合所对应的第二子代组合,组成子代组合集群;
基于所述子代组合集群中所包括的h个子代组合分别对应的对局胜率,对所述h个子代组合进行组合更新,得到目标组合集群;h为正整数,所述h个子代组合包括所述第一组合对所对应的第一子代组合,以及所述待变异组合所对应的第二子代组合;所述目标组合集群包括更新组合;
从所述目标组合集群中,将对局胜率最大的f个更新组合,确定为目标组合;f为正整数。
8.如权利要求7所述的方法,其特征在于,所述基于所述子代组合集群中所包括的h个子代组合分别对应的对局胜率,对所述h个子代组合进行组合更新,得到目标组合集群,包括:
基于h个子代组合分别对应的对局胜率,对所述h个子代组合进行排序,得到第一组合序列,从所述第一组合序列中获取前d个第一前列组合;d为小于h的正整数;
对所述d个第一前列组合分别进行变异处理,得到所述d个第一前列组合分别对应的第二前列组合,将d个第二前列组合与其他组合组成目标组合集群;所述其他组合是指所述h个子代组合中,除所述d个第一前列组合之外的组合。
9.如权利要求7所述的方法,其特征在于,所述基于所述子代组合集群中所包括的h个子代组合分别对应的对局胜率,对所述h个子代组合进行组合更新,得到目标组合集群,包括:
获取所述h个子代组合中任意两个子代组合之间的组合距离,基于所述任意两个子代组合之间的组合距离,将所述h个子代组合划分为第一组合集合;每个第一组合集合中所包括的子代组合之间的组合距离小于或等于组合相似阈值;
将所述第一组合集合中对局胜率最大的子代组合组成距离处理集群;
获取所述距离处理集群所包括的子代组合的第一数据量,根据所述第一数据量及目标数据量确定第二数据量,在所述距离处理集群中添加所述第二数据量所对应的补充组合,得到目标组合集群。
10.如权利要求9所述的方法,其特征在于,所述获取所述h个子代组合中任意两个子代组合之间的组合距离,包括:
获取第A个子代组合所包括的第一组合元素,与第B个子代组合所包括的第二组合元素之间的元素差异数量,将所述元素差异数量确定为所述第A个子代组合与所述第B个子代组合之间的组合距离;A、B均为小于或等于h的正整数;所述第A个子代组合与所述第B个子代组合不同;或者,
对所述第A个子代组合与所述第B个子代组合进行字符比较,得到字符差异值,将所述字符差异值确定为所述第A个子代组合与所述第B个子代组合之间的组合距离;或者,
将所述第A个子代组合与所述第B个子代组合输入差异检测模块中进行预测,得到所述第A个子代组合与所述第B个子代组合之间的组合距离。
11.如权利要求1所述的方法,其特征在于,所述方法还包括:
获取所述目标组合所包括的第一虚拟对象,以及所述第一虚拟对象所关联的第一对象数据,对所述第一虚拟对象的第一对象数据进行调整,得到第二对象数据;
在应用程序中为所述第一虚拟对象关联发布所述第二对象数据,获取所述应用程序中所包括的虚拟对象的使用频率,根据所述虚拟对象的使用频率生成对象强度信息;所述应用程序是指所述组合编码数据所属的应用;所述虚拟对象包括所述第一虚拟对象;
将所述对象强度信息发送至管理设备,以使所述管理设备基于所述对象强度信息对所述虚拟对象进行管理。
12.一种组合处理装置,其特征在于,所述装置包括:
组合初始模块,用于获取应用程序的组合编码数据,获取组成组合编码数据的组合元素,对所述组合元素进行初始化,得到初始组合;组合是指游戏阵容,所述游戏阵容包括游戏对象、对象技能及对象风格;
交叉处理模块,用于从所述初始组合中选取第一组合对,对所述第一组合对所包括的第一初始组合与第二初始组合进行P次元素交叉处理,得到所述第一组合对所对应的2P个交叉组合,根据所述第一组合对所对应的2P个交叉组合分别对应的对局胜率,确定所述第一组合对所对应的第一子代组合;P为正整数;
变异处理模块,用于对待变异组合分别进行Q次元素变异处理,得到所述待变异组合所对应的Q个变异组合,根据所述待变异组合所对应的Q个变异组合分别对应的对局胜率,确定所述待变异组合所对应的第二子代组合;Q为正整数;所述待变异组合为所述初始组合或所述第一组合对所对应的第一子代组合;
组合确定模块,用于根据所述第一组合对所对应的第一子代组合,以及所述待变异组合所对应的第二子代组合分别对应的对局胜率,得到更新组合,将所述更新组合中对局胜率最大的f个更新组合确定为目标组合;f为正整数;
基于所述目标组合更新所述应用程序中的组合关联数据,将所述组合关联数据发布至所述应用程序中,以使安装有所述应用程序的各个业务设备同步更新后的组合关联数据;所述更新后的组合关联数据包括对对局胜率高的组合进行数据减弱处理,对对局胜率低的组合进行数据增强处理后得到的数据。
13.一种计算机设备,其特征在于,包括处理器、存储器、输入输出接口;
所述处理器分别与所述存储器和所述输入输出接口相连,其中,所述输入输出接口用于接收数据及输出数据,所述存储器用于存储计算机程序,所述处理器用于调用所述计算机程序,以使得所述计算机设备执行权利要求1-11任一项所述的方法。
14.一种计算机可读存储介质,其特征在于,所述计算机可读存储介质存储有计算机程序,所述计算机程序适于由处理器加载并执行,以使得具有所述处理器的计算机设备执行权利要求1-11任一项所述的方法。
15.一种计算机程序产品,包括计算机程序/指令,其特征在于,所述计算机程序/指令被处理器执行时实现权利要求1-11任一项所述的方法。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202410041762.XA CN117547830B (zh) | 2024-01-11 | 2024-01-11 | 组合处理方法、装置、计算机、存储介质及程序产品 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202410041762.XA CN117547830B (zh) | 2024-01-11 | 2024-01-11 | 组合处理方法、装置、计算机、存储介质及程序产品 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN117547830A CN117547830A (zh) | 2024-02-13 |
CN117547830B true CN117547830B (zh) | 2024-04-02 |
Family
ID=89823592
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202410041762.XA Active CN117547830B (zh) | 2024-01-11 | 2024-01-11 | 组合处理方法、装置、计算机、存储介质及程序产品 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN117547830B (zh) |
Families Citing this family (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN117982899B (zh) * | 2024-04-07 | 2024-07-23 | 腾讯科技(深圳)有限公司 | 一种数据处理方法、装置、计算机、存储介质及程序产品 |
Citations (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US5136686A (en) * | 1990-03-28 | 1992-08-04 | Koza John R | Non-linear genetic algorithms for solving problems by finding a fit composition of functions |
JP2019177081A (ja) * | 2018-03-30 | 2019-10-17 | 株式会社バンダイナムコエンターテインメント | サーバシステム及びコンピュータシステム |
CN111832725A (zh) * | 2019-04-15 | 2020-10-27 | 电子科技大学 | 一种基于改进遗传算法的多机器人多任务分配方法及装置 |
CN112717412A (zh) * | 2021-01-22 | 2021-04-30 | 腾讯科技(深圳)有限公司 | 一种数据处理的方法、相关装置、设备及存储介质 |
CN113893547A (zh) * | 2021-09-09 | 2022-01-07 | 广州三七极创网络科技有限公司 | 一种基于适应度函数的数据处理方法、***及存储介质 |
CN116983637A (zh) * | 2022-05-10 | 2023-11-03 | 腾讯科技(深圳)有限公司 | 虚拟阵容优化方法、装置、设备及存储介质、程序产品 |
Family Cites Families (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US9589418B2 (en) * | 2012-07-19 | 2017-03-07 | Philip Paul Givant | Specialized slot machine for conducting a wagering game using real time or live action event content |
CN113877209B (zh) * | 2021-09-10 | 2022-06-10 | 广州三七极创网络科技有限公司 | 一种游戏数据测试方法、***、设备及存储介质 |
-
2024
- 2024-01-11 CN CN202410041762.XA patent/CN117547830B/zh active Active
Patent Citations (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US5136686A (en) * | 1990-03-28 | 1992-08-04 | Koza John R | Non-linear genetic algorithms for solving problems by finding a fit composition of functions |
JP2019177081A (ja) * | 2018-03-30 | 2019-10-17 | 株式会社バンダイナムコエンターテインメント | サーバシステム及びコンピュータシステム |
CN111832725A (zh) * | 2019-04-15 | 2020-10-27 | 电子科技大学 | 一种基于改进遗传算法的多机器人多任务分配方法及装置 |
CN112717412A (zh) * | 2021-01-22 | 2021-04-30 | 腾讯科技(深圳)有限公司 | 一种数据处理的方法、相关装置、设备及存储介质 |
CN113893547A (zh) * | 2021-09-09 | 2022-01-07 | 广州三七极创网络科技有限公司 | 一种基于适应度函数的数据处理方法、***及存储介质 |
CN116983637A (zh) * | 2022-05-10 | 2023-11-03 | 腾讯科技(深圳)有限公司 | 虚拟阵容优化方法、装置、设备及存储介质、程序产品 |
Also Published As
Publication number | Publication date |
---|---|
CN117547830A (zh) | 2024-02-13 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN111617478B (zh) | 游戏阵容强度的预测方法、装置、电子设备及存储介质 | |
CN109637546B (zh) | 知识蒸馏方法和装置 | |
CN117547830B (zh) | 组合处理方法、装置、计算机、存储介质及程序产品 | |
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 | |
CN109814955B (zh) | 阵容确定的方法、装置及电子设备 | |
CN111282267B (zh) | 信息处理方法、装置、介质及电子设备 | |
CN109908591B (zh) | 一种虚拟对象的决策方法、模型构建方法和装置 | |
CN111569429B (zh) | 模型训练方法、模型使用方法、计算机设备及存储介质 | |
CN111176758B (zh) | 配置参数的推荐方法、装置、终端及存储介质 | |
CN111612252A (zh) | 大规模应急设施的自动选址方法、装置及可读存储介质 | |
CN112016704B (zh) | Ai模型训练方法、模型使用方法、计算机设备及存储介质 | |
CN114139637B (zh) | 多智能体信息融合方法、装置、电子设备及可读存储介质 | |
CN110170171A (zh) | 一种目标对象的控制方法及装置 | |
CN111905377B (zh) | 一种数据处理方法、装置、设备及存储介质 | |
CN112733043B (zh) | 评论推荐方法及装置 | |
Arif et al. | A blockchain-based multiplayer transaction for tourism serious game | |
CN114404977B (zh) | 行为模型的训练方法、结构扩容模型的训练方法 | |
CN112973130B (zh) | 虚拟场景的回放模型构建方法、装置、设备及存储介质 | |
CN112274935A (zh) | Ai模型训练方法、使用方法、计算机设备及存储介质 | |
CN116680391A (zh) | 定制对话方法、定制对话模型的训练方法、装置和设备 | |
CN112870722B (zh) | 对战格斗类ai游戏模型的生成方法、装置、设备及介质 | |
CN116983637A (zh) | 虚拟阵容优化方法、装置、设备及存储介质、程序产品 | |
CN115687526A (zh) | 一种基于区块链和联邦学习的地震数据模型共享方法 | |
CN117033760A (zh) | 一种对象推荐方法、装置、设备、存储介质及程序产品 | |
Mott et al. | Controllable and coherent level generation: A two-pronged approach |
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 |