[发明专利]一种游戏AI的编程实现方法及装置

说明书

本发明公开了一种游戏AI的编程实现方法及装置，方法包括：获取大量用户的游戏数据，根据游戏数据生成训练样本，所述游戏数据包括游戏操作记录数据和游戏场景数据；根据训练样本对神经网络进行训练，生成AI决策模型；检测到游戏AI调用指令，获取AI角色的特征数据及游戏场景；获取AI决策模型根据AI角色的特征数据及游戏场景作出的决策，并执行所述决策。本发明实施例可通过原始的用户游戏数据训练生成AI决策模型，从而使游戏AI可根据当前游戏场景作出适应当前游戏场景的决策，提高游戏AI的智能程度，而且在编程过程使用图形化编程，减少了编程难度，提升用户体验。

技术领域

本发明涉及通信技术领域，尤其涉及一种游戏AI的编程实现方法及装置。

背景技术

现有的编程方法主要为在编程软件界面上输入符合一定逻辑规则的程序代码，然后通过调试和保存得到目标编程文件。这种方式过于传统，对于中小学生、教师或编程初学者等而言，不但枯燥无味，而且由于可读性差，在调试过程中查错极不方便，导致编程效率和学习效率极为低下，严重影响教师、学生以及编程初学者等参与编程教育的积极性。

为了提高学生的编程的积极性，市场上也出现了图形化编程系统。在编程系统中可通过将编程语句嵌入积木中，通过积木的堆叠实现编程。

但现有技术中的图形化编程系统一般是通过用户编写游戏程序，对角色进行控制，无法实现对游戏角色决策能力进行调整，无法实现游戏AI(Artificial Intelligence，人工智能)，用户体验差。

因此，现有技术还有待于改进和发展。

发明内容

鉴于上述现有技术的不足，本发明的目的在于提供一种游戏AI的编程实现方法及装置，旨在解决现有技术中图形化编程系统一般是通过用户编写游戏程序，对角色进行控制，无法实现对游戏角色的决策能力进行调整的问题。

本发明的技术方案如下：

一种游戏AI的编程实现方法，应用于图形化编程，所述方法包括：

获取大量用户的游戏数据，根据游戏数据生成训练样本，所述游戏数据包括游戏操作记录数据和游戏场景数据；

根据训练样本对神经网络进行训练，生成AI决策模型；

检测到游戏AI调用指令，获取AI角色的特征数据及游戏场景；

获取AI决策模型根据AI角色的特征数据及游戏场景作出的决策，并执行所述决策。

可选地，所述获取大量用户的游戏数据，根据游戏数据生成训练样本，包括：

记录大量用户在操作游戏中的生成的游戏数据；

对所述游戏数据进行过滤，获取满足预设条件的游戏数据；

根据游戏数据生成训练样本。

可选地，所述获取大量用户的游戏数据，根据游戏数据生成训练样本前，包括：

预先对神经网络的网络结构进行设置。

可选地，所述神经网络包括输入层、隐藏层和输出层；

则预先对神经网络的网络结构进行设置，包括：

预先设置所述输入层用于采集游戏中实时变化的数据；

预先设置所述隐藏层用于将输入层采集的数据进行运算和处理；

预先设置所述输出层用于输出分类结果。

可选地，所述预先设置所述输出层用于输出分类结果后，还包括：

预先设置AI角色的死亡条件。

可选地，所述预先设置AI角色的死亡条件后，还包括：