[发明专利]一种数据处理方法、装置及计算机可读存储介质

权利要求书

1.一种数据处理方法，其特征在于，包括：

获取阵容集群，所述阵容集群中包括多个对战阵容，每一对战阵容中包括至少一个虚拟对象，所述虚拟对象包括多个属性信息，所述属性信息包括装备数据；

通过训练后的预设模型计算每一对战阵容的胜率值；

从胜率值大于第一预设阈值的对战阵容中选取预设数量的对战阵容；

基于第二预设概率，从所述预设数量的对战阵容中选取一对第一目标对战阵容，每一个第一目标对战阵容中包括至少一个目标虚拟对象；

分别选取每一第一目标对战阵容中的一个目标虚拟对象的装备数据进行调换，得到调换后的第一目标对战阵容；

基于第一预设概率，从调换后的第一目标对战阵容中选取任一虚拟对象进行装备数据变换，得到装备数据变换后的第一目标对战阵容；

基于第二预设概率，从所述预设数量的对战阵容中选取一对第二目标对战阵容；

分别从每一第二目标对战阵容中选取一个第二目标虚拟对象，将第二目标虚拟对象之间的阵容位置进行调换，得到调换后的第二目标对战阵容；

确定更新后的多个对战阵容，所述更新后的多个对战阵容中包括装备数据变换后的第一目标对战阵容和调换后的第二目标对战阵容；

返回执行通过训练后的预设模型计算更新后的每一对战阵容的胜率值，直至达到预设迭代阈值，输出胜率值大于所述第一预设阈值的对战阵容。

2.根据权利要求1所述的数据处理方法，其特征在于，所述分别选取每一第一目标对战阵容中的一个目标虚拟对象的装备数据进行调换的步骤，包括：

分别从每一第一目标对战阵容中选取一个第一目标虚拟对象，所述第一目标虚拟对象之间对应的装备数据的数量的差的绝对值小于第二预设阈值；

将第一目标虚拟对象之间的装备数据进行调换。

3.根据权利要求1所述的数据处理方法，其特征在于，所述第二目标虚拟对象之间对应的装备数据的数量的差的绝对值小于第二预设阈值。

4.根据权利要求1所述的数据处理方法，其特征在于，所述确定更新后的多个对战阵容的步骤之前，还包括：

基于第一预设概率，从调换后的第二目标对战阵容中选取任一虚拟对象进行对象类型数据变换；

所述确定更新后的多个对战阵容，所述更新后的多个对战阵容中包括装备数据变换后的第一目标对战阵容和调换后的第二目标对战阵容，包括：

执行确定更新后的多个对战阵容，所述更新后的多个对战阵容中包括装备数据变换后的第一目标对战阵容和对象类型数据变换后的第二目标对战阵容。

5.根据权利要求1所述的数据处理方法，其特征在于，所述通过训练后的预设模型计算每一对战阵容的胜率值的步骤之前，还包括：

生成样本对战阵容，所述样本对战阵容携带标签信息；

将样本对战阵容转化为位置矩阵向量；

将所述位置矩阵向量和对应的标签信息一并输入预设模型中进行训练，得到训练后的预设模型。

6.根据权利要求5所述的数据处理方法，其特征在于，所述将样本对战阵容转化为位置矩阵向量的步骤，包括：

将样本对战阵容中的每一虚拟对象转化为向量信息；

根据样本对战阵容的位置排列信息将所述向量信息进行拼接，得到位置矩阵向量。

7.根据权利要求5所述的数据处理方法，其特征在于，所述预设模型为预设卷积神经网络模型，所述将所述位置矩阵向量和对应的标签信息一并输入预设模型中进行训练，得到训练后的预设模型的步骤，包括：

将所述位置矩阵向量和对应的标签信息一并输入预设卷积神经网络模型；

通过预设卷积神经网络模型的卷积层对所述位置矩阵向量进行卷积处理以及特征扁平化处理，得到一维的特征向量；

将所述一维的特征向量输入所述预设卷积神经网络模型的全连接层，输出样本对战阵容的预测胜率值；

根据所述预测胜率值与对应的标签信息的差异，对预设卷积神经网络模型的网络参数进行调节，直至差异收敛，得到训练后的预设卷积神经网络模型。