[发明专利]决策模型的训练方法、装置、计算机设备及存储介质

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、计算机设备及存储介质，属于人工智能领域。该方法包括：获取第一模型池，第一模型池中包含至少一个决策模型，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，将第i对战状态数据输入第n决策模型，得到第n决策模型输出的动作指令，动作指令用于指示第一客户端控制第一虚拟角色执行动作，并反馈第一虚拟角色执行动作后的收集到的第i+1对战状态数据；基于对战过程中的对战状态数据训练第n决策模型，得到第n+1决策模型；将第n+1决策模型添加至第一模型池。通过对战过程中的对战状态数据训练决策模型，提高决策模型的对战拟人性。

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、计算机设备及存储介质。

背景技术

格斗游戏中，在新手教程、人机模式等智能场景中，玩家控制的虚拟角色可以与具有一定策略和决策能力的游戏AI(Artificial Intelligence，人工智能)进行对战。

相关技术中，通常采用监督学习的方法训练游戏AI，即利用玩家在游戏过程中产生的对战数据对游戏AI进行训练学习。但是在训练学习过程中，由于玩家的对战数据可靠性较差，容易产生过拟合问题，导致游戏AI的实际表现和预期值相差较大，使得游戏AI的拟人化效果差。

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、计算机设备及存储介质，能够提高决策模型的对战拟人性，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：

获取第一模型池，所述第一模型池中包含至少一个决策模型，所述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，将第i对战状态数据输入第n决策模型，得到所述第n决策模型输出的动作指令，所述第n决策模型为上一轮迭代过程训练得到的模型，所述第i对战状态数据用于表征对战过程中第i对战时刻时的对战状态，所述动作指令用于指示第一客户端控制第一虚拟角色执行动作，并反馈所述第一虚拟角色执行动作后的收集到的第i+1对战状态数据；

基于对战过程中的对战状态数据训练所述第n决策模型，得到第n+1决策模型；

将所述第n+1决策模型添加至所述第一模型池。

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：

获取模块，用于获取第一模型池，所述第一模型池中包含至少一个决策模型，所述决策模型用于指示虚拟角色在对战时采用的对战策略；

第一输出模块，用于在第n轮迭代过程中，将第i对战状态数据输入第n决策模型，得到所述第n决策模型输出的动作指令，所述第n决策模型为上一轮迭代过程训练得到的模型，所述第i对战状态数据用于表征对战过程中第i对战时刻时的对战状态，所述动作指令用于指示第一客户端控制第一虚拟角色执行动作，并反馈所述第一虚拟角色执行动作后的收集到的第i+1对战状态数据；

训练模块，用于基于对战过程中的对战状态数据训练所述第n决策模型，得到第n+1决策模型；

第一添加模块，用于将所述第n+1决策模型添加至所述第一模型池。

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。

另一方面，本申请实施例提供了一种计算机可读存储介质，所述计算机可读存储介质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。