[发明专利]游戏中的人工智能训练方法及装置、存储介质及电子装置

权利要求书

1.一种游戏中的人工智能训练方法，所述人工智能以参数化动作作为游戏操作输入，其特征在于，包括：

根据游戏中的参数化动作构建策略网络以及参数网络集合，其中，所述参数网络集合中包括至少一个参数网络，所述策略网络用于确定所述游戏中的参数化动作的动作标识，所述参数网络用于确定所述参数化动作的动作参数；

根据待训练的人工智能的状态参数、所述策略网络以及所述参数网络集合进行人工智能训练，以更新所述策略网络和所述参数网络集合；

其中，所述策略网络是根据所述游戏中的预设策略所构建的，所述预设策略是基于所述游戏中的运行机制决定的；

其中，根据待训练的人工智能的状态参数、所述策略网络以及所述参数网络对所进行人工智能训练，以更新所述策略网络和所述参数网络集合包括：将待训练的人工智能的状态参数输入策略网络，得到所述状态参数对应的第一参数化动作的动作标识；将所述状态参数输入至所述动作标识对应的参数网络，得到与所述第一参数化动作对应的输出参数；根据样本集合进行人工智能训练，以更新所述策略网络和所述参数网络集合，其中，所述样本集合中至少包括由所述动作标识、所述输出参数以及动作反馈所构成的训练样本，所述动作反馈是控制所述待训练的人工智能执行所述第一参数化动作产生的。

2.根据权利要求1所述的方法，其特征在于，根据游戏中的参数化动作构建策略网络以及参数网络集合包括：

根据所述参数化动作的参数确定所述参数网络集合。

3.根据权利要求1所述的方法，其特征在于，所述样本集合还包括监督样本，其中：

所述监督样本是对所述训练样本进行预定调整得到，所述监督样本与所述训练样本的比例为预设第一比例。

4.根据权利要求3所述的方法，其特征在于，根据样本集合进行人工智能训练，以更新所述策略网络和所述参数网络集合包括：

根据所述样本集合对当前策略网络进行更新，得到更新后的策略网络；

根据所述状态参数、所述更新后的策略网络以及当前参数网络获取更新后的样本集合；

根据所述更新后的样本集合对所述当前参数网络进行更新，得到更新后的参数网络。

5.根据权利要求4所述的方法，其特征在于，根据所述样本集合对当前策略网络进行更新，得到更新后的策略网络包括：

对所述训练样本进行预定调整得到所述监督样本；

根据所述训练样本以及所述监督样本构建所述样本集合；

根据所述样本集合对所述当前策略网络进行更新，得到所述更新后的策略网络。

6.根据权利要求4所述的方法，其特征在于，根据所述状态参数、所述更新后的策略网络以及当前参数网络获取更新后的样本集合包括：

根据所述更新后的策略网络以及所述当前参数网络确定所述状态参数对应的更新后的训练样本；

对所述更新后的训练样本进行预定调整得到更新后的监督样本；

根据所述更新后的训练样本以及所述更新后的监督样本构建更新后的样本集合，其中，所述更新后的监督样本与所述更新后的训练样本的比例为所述预设第一比例；

根据所述更新后的训练样本集合对所述当前参数网络进行更新，得到所述更新后的参数网络。