[发明专利]基于人工智能的博弈业务执行方法、装置、设备及介质

权利要求书

1.一种基于人工智能的博弈业务执行方法，其特征在于，所述博弈业务是n个参与者按照博弈规则进行博弈的计算机业务，n≥2，且n为整数，所述n个参与者中包括人工智能AI参与者，所述方法包括：

在所述博弈业务中包含静态博弈的第i轮博弈中，构建与所述第i轮博弈对应的蒙特卡洛树，所述蒙特卡洛树中包括：与所述静态博弈对应的起始节点、至少两个参与者节点、至少两个逻辑分发节点和至少两个逻辑门节点，所述逻辑分发节点用于将所述至少两个参与者节点在所述静态博弈中对应的候选执行动作按照排列组合转发至不同的所述逻辑门节点中，每个所述逻辑门节点用于按照所述博弈规则向下层节点输出同一排列组合中的至少两个候选执行动作中具有最高优先级的目标候选执行动作，i为正整数；

模拟所述蒙特卡洛树中每条路径上的博弈结果；

将所述每条路径对应的博弈结果的收益反向传播至所述AI参与者在所述蒙特卡洛树中层级最高的AI参与者节点；

选择所述层级最高的AI参与者节点在具有最大收益的路径上的执行动作，输出为所述AI参与者在所述第i轮博弈中的AI执行动作。

2.根据权利要求1所述的方法，其特征在于，所述构建与所述第i轮博弈对应的蒙特卡洛树，包括：

在所述博弈业务的第i轮博弈中，从根节点开始构建所述蒙特卡洛树的每一层节点；

当第j层节点中存在用于触发所述静态博弈的起始节点时，将参与所述静态博弈的所述至少两个参与者节点扩展为所述蒙特卡洛树中的第j+1层节点，j为大于1的正整数；

预测所述至少两个参与者节点在所述静态博弈中对应的m个候选执行动作，将与所述m个候选执行动作一一对应的m个逻辑分发节点扩展为所述蒙特卡洛树中的第j+2层节点，m为正整数；

预测所述m个候选执行动作对应的P个排列组合方式，将与所述P个排列组合方式一一对应的P个逻辑门节点扩展为所述蒙特卡洛树中的第j+3层节点，每个所述逻辑门节点用于将同一排列组合中的至少两个候选执行动作中具有最高优先级的目标候选执行动作向所述下层节点输出，P为正整数。

3.根据权利要求1所述的方法，其特征在于，所述将所述每条路径对应的博弈结果的收益反向传播至所述AI参与者在所述蒙特卡洛树中层级最高的AI参与者节点，包括：

将所述博弈结果对应的收益从所述蒙特卡洛树的叶子节点反向传播至所述至少两个逻辑门节点；

将所述博弈结果对应的收益从所述逻辑门节点反向传播至所述起始节点；

通过所述起始节点计算得到所述静态博弈对应的平均收益；

将所述平均收益从所述起始节点反向传播至所述AI参与者在所述蒙特卡洛树中层级最高的AI参与者节点。

4.根据权利要求3所述的方法，其特征在于，设所述逻辑门节点在所述蒙特卡洛树中的第j+3层节点；

所述将所述博弈结果对应的收益从所述逻辑门节点反向传播至所述起始节点，包括：

将所述每条路径对应的所述博弈结果的收益从P个逻辑门节点反向传播至第j+2层节点中与所述P个逻辑门节点对应的m个逻辑分发节点，j、P和m均为正整数；

将所述每条路径对应的所述博弈结果的收益从所述m个逻辑分发节点反向传播至所述第j+1层节点中与所述m个逻辑分发节点对应的至少两个参与者节点。

5.根据权利要求2至4任一所述的方法，其特征在于，所述从根节点开始构建所述蒙特卡洛树的每一层节点，还包括：

当第j-1层中存在一个所述参与者节点对应的执行动作是用于触发所述静态博弈的执行动作时，在第j层中设置与所述执行动作对应的动作分发节点，作为所述用于触发所述静态博弈的起始节点；

其中，所述动作分发节点用于将所述参与者节点对应的执行动作转发至参与所述静态博弈的至少两个参与者对应的参与者节点中。