[发明专利]游戏阵容强度的预测方法、装置、电子设备及存储介质有效
申请号: | 202010478101.5 | 申请日: | 2020-05-29 |
公开(公告)号: | CN111617478B | 公开(公告)日: | 2023-03-03 |
发明(设计)人: | 许家誉;王君乐;张力柯;荆彦青 | 申请(专利权)人: | 腾讯科技(深圳)有限公司 |
主分类号: | A63F13/58 | 分类号: | A63F13/58 |
代理公司: | 北京市立方律师事务所 11330 | 代理人: | 张筱宁 |
地址: | 518000 广东省深圳*** | 国省代码: | 广东;44 |
权利要求书: | 查看更多 | 说明书: | 查看更多 |
摘要: | |||
搜索关键词: | 游戏 阵容 强度 预测 方法 装置 电子设备 存储 介质 | ||
1.一种游戏阵容强度的预测方法,其特征在于,包括:
获取待预测阵容的阵容信息,所述阵容信息包括待预测阵容中的各游戏角色、以及各所述游戏角色在游戏场景中的位置信息;
基于各所述游戏角色,获取所述待预测阵容对应的角色特征;
基于各所述游戏角色在游戏场景中的位置信息,获取所述待预测阵容对应的角色位置特征;
将所述角色特征和所述角色位置特征进行拼接,得到拼接后的特征;
基于所述拼接后的特征,得到所述待预测阵容的阵容强度;
其中,所述方法是通过阵容强度预测模型实现的,该模型是通过以下方式训练得到的:
基于训练样本集对初始神经网络模型进行训练,直至满足训练结束条件,将满足该条件时的神经网络模型作为阵容强度预测模型,所述训练样本集中的每一训练样本包括样本阵容以及所述样本阵容的标准阵容强度;所述训练样本集是通过以下方式得到的:
获取样本阵容集、以及获取参考阵容集;根据样本阵容集中的每一样本阵容与参考阵容集中各参考阵容的对阵结果,确定所述样本阵容的标准阵容强度;所述参考阵容集是通过以下方式得到的:
获取多个初始阵容;基于所述多个初始阵容执行设定次数的以下操作,得到参考阵容集:
利用所述多个初始阵容中两两阵容之间的对阵结果,得到各所述初始阵容的阵容强度;基于各所述初始阵容的阵容强度,从所述多个初始阵容中筛选第一阵容集;对所述第一阵容集中的各阵容进行随机交叉操作或变异操作中的至少一种处理,得到第二阵容集;将所述第一阵容集和所述第二阵容集中所包含的各阵容作为新的多个初始阵容。
2.根据权利要求1所述的游戏阵容强度的预测方法,其特征在于,所述角色位置特征包括所述待预测阵容中各游戏角色的位置特征及各游戏角色之间的相对位置特征。
3.根据权利要求1所述的游戏阵容强度的预测方法,其特征在于,所述阵容信息还包括所述待预测阵容中所述游戏角色之间的关联关系,所述基于各所述游戏角色,获取所述待预测阵容对应的角色特征,包括:
基于各所述游戏角色、以及所述游戏角色之间的关联关系,获取所述待预测阵容的角色特征。
4.根据权利要求1至3任一项所述的游戏阵容强度的预测方法,其特征在于,所述基于各所述游戏角色,获取所述待预测阵容对应的角色特征,包括:
分别提取每个所述游戏角色的初始角色特征;
通过注意力机制确定各所述游戏角色的初始角色特征的权重;
基于各所述游戏角色的初始角色特征的权重,对各所述游戏角色的角色特征进行融合,得到所述待预测阵容对应的角色特征。
5.根据权利要求1所述的游戏阵容强度的预测方法,其特征在于,所述满足训练结束条件包括所述初始神经网络模型的损失函数收敛,其中,所述初始神经网络模型的输入包括所述样本阵容,输出为所述样本阵容的预测阵容强度,所述损失函数的值表征各所述样本阵容的标准阵容强度和预测阵容强度之间的差异。
6.根据权利要求1所述的游戏阵容强度的预测方法,其特征在于,所述获取样本阵容集,包括:
遍历游戏中的游戏角色之间的关联关系;
对于每一所述关联关系,基于所述关联关系所对应的游戏角色,构建样本阵容,基于所述样本阵容形成样本阵容集。
7.根据权利要求6所述的游戏阵容强度的预测方法,其特征在于,所述基于所述关联关系所对应的游戏角色,构建样本阵容,包括:
随机抽取所述关联关系所对应的游戏角色组合;
基于随机抽取的所述游戏角色组合,构建样本阵容。
该专利技术资料仅供研究查看技术是否侵权等信息,商用须获得专利权人授权。该专利全部权利属于腾讯科技(深圳)有限公司,未经腾讯科技(深圳)有限公司许可,擅自商用是侵权行为。如果您想购买此专利、获得商业授权和技术合作,请联系【客服】
本文链接:http://www.vipzhuanli.com/pat/books/202010478101.5/1.html,转载请声明来源钻瓜专利网。