[发明专利]决策模型的训练方法、装置、设备、存储介质及程序产品

说明书

本申请实施例公开了一种决策模型的训练方法、装置、设备、存储介质及程序产品，属于人工智能领域。该方法包括：获取各个虚拟角色对应的模型池，模型池中包含虚拟角色对应的各个决策模型，决策模型用于指示虚拟角色在对战时采用的对战策略；在第n轮迭代过程中，基于虚拟角色间对局过程中的对局数据，对各个虚拟角色的第n决策模型进行更新训练，得到各个虚拟角色的第n+1决策模型，以及将各个第n+1决策模型分别添加至对应虚拟角色的模型池中；在满足迭代训练结束条件的情况下，将模型池中最后一轮训练得到的决策模型确定为虚拟角色的目标决策模型。通过针对各个虚拟角色分别训练对应特定决策模型的方式，提高各个虚拟角色对战时的对战胜率。

技术领域

本申请实施例涉及人工智能领域，特别涉及一种决策模型的训练方法、装置、设备、存储介质及程序产品。

背景技术

目前，在格斗游戏中，玩家可进行人机对战，即玩家可与具备一定策略与决策能力的游戏人工智能体(Artificial Intelligence，AI)进行对战。

相关技术中，可利用强化学习的方式训练得到AI进行作战。训练过程中，利用不同角色的对战数据对AI决策模型进行训练，优化AI对战策略，从而提高AI对战胜率。该种方式下训练得到的AI决策模型可适用于所有角色，为通用型决策模型。

然而，格斗游戏中不同角色具有不同的角色特性，比如，包括远攻型、近战型以及防御型的角色，而不同角色在对战时需采用不同策略，若采用通用型决策模型控制虚拟角色进行对战，则可能限制角色特性，AI对战胜率受限。

发明内容

本申请实施例提供了一种决策模型的训练方法、装置、设备、存储介质及程序产品，有助于提高各个虚拟角色基于决策模型对战时的对战胜率。所述技术方案如下：

一方面，本申请实施例提供了一种决策模型的训练方法，所述方法包括：

获取各个虚拟角色对应的模型池，所述模型池中包含所述虚拟角色对应的各个决策模型，所述决策模型用于指示所述虚拟角色在对战时采用的对战策略；

在第n轮迭代过程中，基于所述虚拟角色间对局过程中的对局数据，对各个所述虚拟角色的第n决策模型进行更新训练，得到各个所述虚拟角色的第n+1决策模型，以及将各个所述第n+1决策模型分别添加至对应虚拟角色的模型池中，所述第n决策模型是所述模型池中上一轮迭代过程训练得到的模型；

在满足迭代训练结束条件的情况下，将所述模型池中最后一轮训练得到的决策模型确定为所述虚拟角色的目标决策模型。

另一方面，本申请实施例提供了一种决策模型的训练装置，所述装置包括：

模型获取模块，用于获取各个虚拟角色对应的模型池，所述模型池中包含所述虚拟角色对应的各个决策模型，所述决策模型用于指示所述虚拟角色在对战时采用的对战策略；

模型训练模块，用于在第n轮迭代过程中，基于所述虚拟角色间对局过程中的对局数据，对各个所述虚拟角色的第n决策模型进行更新训练，得到各个所述虚拟角色的第n+1决策模型，以及将各个所述第n+1决策模型分别添加至对应虚拟角色的模型池中，所述第n决策模型是所述模型池中上一轮迭代过程训练得到的模型；

模型确定模块，用于在满足迭代训练结束条件的情况下，将所述模型池中最后一轮训练得到的决策模型确定为所述虚拟角色的目标决策模型。

另一方面，本申请实施例提供了一种计算机设备，所述计算机设备包括处理器和存储器，所述存储器中存储有至少一条指令、至少一段程序、代码集或指令集，所述至少一条指令、所述至少一段程序、所述代码集或指令集由所述处理器加载并执行以实现如上述方面所述的决策模型的训练方法。