[发明专利]一种博弈行为决策方法、装置及其相关设备

权利要求书

1.一种博弈行为决策方法，其特征在于，包括：

当接收到决策指令时，采集当前博弈主体的已知信息；

利用预设隐藏信息预测模型对所述已知信息进行处理，获得各隐藏信息组合以及各所述隐藏信息组合的存在概率；

从所有所述隐藏信息组合中筛选获得所述存在概率超出预设存在概率的隐藏信息组合；

对筛选后的各所述隐藏信息组合进行博弈树构建，获得最优博弈行为。

2.根据权利要求1所述的博弈行为决策方法，其特征在于，所述对筛选后的各所述隐藏信息组合进行博弈树构建，获得最优博弈行为，包括：

根据筛选后的各所述隐藏信息组合，利用预设监督学习行为策略模型进行相应的决策树构建，获得各所述隐藏信息组合对应的最优合法博弈行为；

根据预设权重数据对各所述最优合法博弈行为进行加权求和计算，获得各所述最优合法博弈行为对应的加权累计值；

将取值最大的所述加权累计值对应的最优合法博弈行为作为所述最优博弈行为。

3.根据权利要求2所述的博弈行为决策方法，其特征在于，所述根据筛选后的各所述隐藏信息组合，利用预设监督学习行为策略模型进行相应的决策树构建，获得各所述隐藏信息组合对应的最优合法博弈行为，包括：

根据所述隐藏信息组合，利用所述预设监督学习行为策略模型进行决策树构建，获得合法博弈行为；

通过执行所述合法博弈行为获得博弈结果；

根据所述博弈结果进行反向传播，获得所述最优合法博弈行为。

4.根据权利要求1所述的博弈行为决策方法，其特征在于，还包括：

执行所述最优博弈行为，完成智能博弈。

5.一种博弈行为决策装置，其特征在于，包括：

信息采集模块，用于当接收到决策指令时，采集当前博弈主体的已知信息；

信息预测模块，用于利用预设隐藏信息预测模型对所述已知信息进行处理，获得各隐藏信息组合以及各所述隐藏信息组合的存在概率；

信息筛选模块，用于从所有所述隐藏信息组合中筛选获得所述存在概率超出预设存在概率的隐藏信息组合；

行为决策模块，用于对筛选后的各所述隐藏信息组合进行博弈树构建，获得最优博弈行为。

6.根据权利要求5所述的博弈行为决策装置，其特征在于，所述行为决策模块包括：

最优合法博弈行为计算单元，用于根据筛选后的各所述隐藏信息组合，利用预设监督学习行为策略模型进行相应的决策树构建，获得各所述隐藏信息组合对应的最优合法博弈行为；

加权累计值计算单元，用于根据预设权重数据对各所述最优合法博弈行为进行加权求和计算，获得各所述最优合法博弈行为对应的加权累计值；

最优博弈行为选择单元，用于将取值最大的所述加权累计值对应的最优合法博弈行为作为所述最优博弈行为。

7.根据权利要求6所述的博弈行为决策装置，其特征在于，所述最优合法博弈行为计算单元包括：

合法动作计算子单元，用于根据所述隐藏信息组合，利用所述预设监督学习行为策略模型进行决策树构建，获得合法博弈行为；

合法动作执行子单元，用于通过执行所述合法博弈行为获得博弈结果；

反向传播子单元，用于根据所述博弈结果进行反向传播，获得所述最优合法博弈行为。

8.根据权利要求5所述的博弈行为决策装置，其特征在于，还包括：

行为执行模块，用于执行所述最优博弈行为，完成智能博弈。

9.一种博弈行为决策系统，其特征在于，包括：

存储器，用于存储计算机程序；

处理器，用于执行所述计算机程序以实现如权利要求1至4任一项所述的博弈行为决策方法的步骤。

10.一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中存储有计算机程序，所述计算机程序被处理器执行时用以实现如权利要求1至4任一项所述的博弈行为决策方法的步骤。