The application discloses an AI parameter configuration method, device, device and storage medium for a race AI model, belonging to the field of artificial intelligence. The method includes: acquiring the nth generation parameter set, each generation parameter set contains M sets of AI parameters, each set of AI parameters is used to indicate the way the car AI model travels on the track, n < 1, m < 2; according to the M sets of AI parameters control car AI model fitness test, get m fitness, fitness and car AI model according to AI parameters. If m fitness is less than the fitness threshold, then the n+1 parameter set is generated according to the n-th generation parameter set; if M fitness has the target fitness greater than the fitness threshold, the AI parameter corresponding to the target fitness is configured as the target AI parameter. The embodiment of the application adopts genetic algorithm to realize automatic adjustment of AI parameters and improves the efficiency of adjusting and configuring AI parameters.
【技术实现步骤摘要】
用于竞速类AI模型的AI参数配置方法、装置、设备及存储介质
本申请实施例涉及人工智能(ArtificialIntelligence,AI)领域,特别涉及一种用于竞速类AI模型的AI参数配置方法、装置、设备及存储介质。
技术介绍
在竞速类游戏应用中,大量游戏场景下需要引入赛车AI。比如,在单机模式或玩家匹配不足的情况下,需要引入若干赛车AI与真实玩家进行竞速。为了使赛车AI达到更加真实的模拟效果,开发人员开发出赛车AI模型后,需要为赛车AI模型配置一套AI参数。在一种AI参数配置方式中,开发人员初始化一套AI参数,并指示赛车AI模型根据该AI参数在赛道上行进;通过查看分析赛车AI模型的行进效果,开发人员对AI参数进行调整,从而在反复模拟和AI参数调整后,最终得到符合开发人员预期效果的AI参数。采用上述方式配置AI参数时,由于一套AI参数中包含大量参数,且参数之间存在耦合,因此通过人工调整AI参数需要耗费大量时间,导致AI参数的配置效率较低。
技术实现思路
本申请实施例提供了一种用于竞速类AI模型的AI参数配置方法、装置、设备及存储介质,可以解决相关技术中,通过人工调整AI参数需要耗费大量时间,导致AI参数的配置效率较低的问题。所述技术方案如下:第一方面,提供了一种用于竞速类AI模型的AI参数配置方法,所述方法包括:获取第n代参数集合,每代参数集合中包含m套AI参数,每套AI参数用于指示赛车AI模型在赛道上的行进方式,n≥1,m≥2;根据所述m套AI参数控制所述赛车AI模型进行m次适应度测试,得到m个适应度,所述适应度与所述赛车AI模型根据所述AI参数在赛道上的行 ...
【技术保护点】
1.一种用于竞速类AI模型的AI参数配置方法,其特征在于,所述方法包括:获取第n代参数集合,每代参数集合中包含m套AI参数,每套AI参数用于指示赛车AI模型在赛道上的行进方式,n≥1,m≥2;根据所述m套AI参数控制所述赛车AI模型进行m次适应度测试,得到m个适应度,所述适应度与所述赛车AI模型根据所述AI参数在赛道上的行进距离呈正相关关系;若所述m个适应度均小于适应度阈值,则根据所述第n代参数集合生成第n+1代参数集合;若所述m个适应度中存在大于所述适应度阈值的目标适应度,则将所述目标适应度对应的AI参数配置为目标AI参数。
【技术特征摘要】
1.一种用于竞速类AI模型的AI参数配置方法,其特征在于,所述方法包括:获取第n代参数集合,每代参数集合中包含m套AI参数,每套AI参数用于指示赛车AI模型在赛道上的行进方式,n≥1,m≥2;根据所述m套AI参数控制所述赛车AI模型进行m次适应度测试,得到m个适应度,所述适应度与所述赛车AI模型根据所述AI参数在赛道上的行进距离呈正相关关系;若所述m个适应度均小于适应度阈值,则根据所述第n代参数集合生成第n+1代参数集合;若所述m个适应度中存在大于所述适应度阈值的目标适应度,则将所述目标适应度对应的AI参数配置为目标AI参数。2.根据权利要求1所述的方法,其特征在于,所述根据所述第n代参数集合生成第n+1代参数集合,包括:根据所述m个适应度,从所述m套AI参数中选择两套母体AI参数;对所述两套母体AI参数进行交叉和突变,得到两套子代AI参数;将所述两套子代AI参数添加到所述第n+1代参数集合。3.根据权利要求2所述的方法,其特征在于,所述根据所述m个适应度,从所述m套AI参数中选择两套母体AI参数,包括:计算所述m个适应度与预设适应度之间的适应度差值,所述预设适应度小于等于所述m个适应度中的最低适应度;根据所述适应度差值,确定所述m个适应度中各个适应度对应的AI参数的选取概率,所述选取概率与所述适应度差值呈正相关关系;根据所述选取概率从所述m套AI参数中选择所述两套母体AI参数。4.根据权利要求2所述的方法,其特征在于,所述m套AI参数采用数值编码,所述对所述两套母体AI参数进行交叉和突变,得到两套子代AI参数,包括:采用预定交叉方式对所述两套母体AI参数中的参数值进行交叉操作,所述预定交叉方式包括单点交叉和双点交叉;根据预设突变概率,对交叉操作后所述两套母体AI参数中的参数值进行突变操作,得到所述两套子代参数,其中,经过突变操作的参数值的突变量属于预设突变量范围。5.根据权利要求1所述的方法,其特征在于,所述根据所述m套AI参数控制所述赛车AI模型进行m次适应度测试,得到m个适应度,包括:调用所述赛车AI模型的相关代码模块,所述相关代码模块至少包括AI代码模块、赛车代码模块和物理代码模块,所述AI代码模块用于根据AI参数控制所述赛车AI模型在赛道上行进,所述赛车代码模块用于更新所述赛车AI模型在赛道上的位置,所述物理代码模块用于处理所述赛车AI模型与赛道之间的碰撞;将所述m套AI参数输入所述相关代码模块,并行控制m个所述赛车AI模型进行预定时长的适应度测试,其中,进行适应度测试时赛车间碰撞机制关闭;根据所述赛车AI模型在赛道上的所述行进距离确定所述适应度。6.根据权利要求2至4任一所述的方法,其特征在于,所述根据所述第n代参数集合生成第n+1代参数集合,还包括:对所述m个适应度进行降序排序;将排序后前k个适应度对应的k套AI参数添加到所述第n+1代参数集合,1≤k<m,k为整数。7.根据权利要求2至4任一所述的方法,其特征在于,所述根据所述第n代参数集合生成第n+1代参数集合之前,所述方法还包括:每隔i代参数集合,获取所述i代参数集合的最大适应度;检测所述最大适应度的提升幅度是否小于幅度阈值;若所述提升幅度小于所述幅度阈值,则对所述第n代参数集合进行灾变处理;所述根据所述第n代参数集合生成第n+1代参数集合,包括:根据灾变处理后的所述第n代参数集合生成所述第n+1代参数集合。8.根据权利要求7所述的方法,其特征在于,所述对所述第n代参数集合进行灾变处理,包括:对所述m个适应度进行降序排序;删除将排序后前j个适应度对应的j套AI参数,1≤j<m,j为整数;或,将所述第n代参数集合中各套AI参数的突变概率上调预定数值,其中,上调所述突变概率后,根据所述第n代参数集合生成所述第n+1代参数集合时发生参数突变的概率增加。9.一种用于竞速类AI模型的AI参数配置装置,其特征在于,所述装置包括:获取模块,用于获取第n代参数集合,每代参数集合中包含m套AI参数,每套AI参数用于指示赛车AI模型在赛道上的行进方式,n≥1,m≥2;测试模块,用于根据所述...
【专利技术属性】
技术研发人员:赖贵雄,
申请(专利权)人:腾讯科技深圳有限公司,
类型:发明
国别省市:广东,44
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。