【技术实现步骤摘要】
测试机器人的AI行为树的生成方法、装置及设备
本申请涉及游戏测试领域,尤其涉及一种测试机器人的AI行为树的生成方法、装置及设备。
技术介绍
为了测试游戏系统各方面的性能,特别是稳定性以及承压能力,通常需要测试机器人模拟玩家的行为以实现对游戏系统的测试。制作测试机器人的过程中所涉及的关键技术是构建人工智能(ArtificialIntelligence,AI)行为树。其中,构建AI行为树主要包括:构建AI行为树的行为节点,以及构建行为节点之间的AI逻辑。通常行为节点包括(RemoteProcedureCallProtocol,RPC)函数,RPC函数用于实现在服务器的远程调度。目前AI行为树的构建过程为:将大量测试机器人行为抽象成多个行为节点,再利用编辑器构建这些行为节点之间的AI逻辑。即AI行为树的构建完全依赖于程序员,程序员需要对各个行为节点以及行为节点之间的AI逻辑进行编程。故,现有技术中AI行为树的生成过程较为复杂,从而造成AI行为树生成效率低的问题。
技术实现思路
本申请提供一种测试机器人的人工智能AI行为树的生成方法、装置及设备,从而提高AI行为树的生成效率。第一方面,本申请提供一种测试机器人的人工智能AI行为树的生成方法,包括:获取M个特征行为模板、以及客户端与服务器之间传输的第一远程过程调用RPC序列;其中M为大于或者等于1的正整数;特征行为模板和第一RPC序列均包括多个RPC函数;匹配第一RPC序列和M个特征行为模板,得到N个特征行为序列;其中N为大于或者等于1的正整数;特征行为序列包括第一RPC序列中与所述特征行为序列对应的特征行为模板匹配成功 ...
【技术保护点】
一种测试机器人的人工智能AI行为树的生成方法,其特征在于,包括:获取M个特征行为模板、以及客户端与服务器之间传输的第一远程过程调用RPC序列;其中M为大于或者等于1的正整数;所述特征行为模板和所述第一RPC序列均包括多个RPC函数;匹配所述第一RPC序列和所述M个特征行为模板,得到N个特征行为序列;其中N为大于或者等于1的正整数;所述特征行为序列包括所述第一RPC序列中与所述特征行为序列对应的特征行为模板匹配成功的多个RPC函数;将所述N个特征行为序列生成N个特征子树;将所述N个特征子树生成AI行为树。
【技术特征摘要】
1.一种测试机器人的人工智能AI行为树的生成方法,其特征在于,包括:获取M个特征行为模板、以及客户端与服务器之间传输的第一远程过程调用RPC序列;其中M为大于或者等于1的正整数;所述特征行为模板和所述第一RPC序列均包括多个RPC函数;匹配所述第一RPC序列和所述M个特征行为模板,得到N个特征行为序列;其中N为大于或者等于1的正整数;所述特征行为序列包括所述第一RPC序列中与所述特征行为序列对应的特征行为模板匹配成功的多个RPC函数;将所述N个特征行为序列生成N个特征子树;将所述N个特征子树生成AI行为树。2.根据权利要求1所述的方法,其特征在于,所述匹配所述第一RPC序列和所述M个特征行为模板,得到N个特征行为序列,包括:对于所述M个特征行为模板中的每个特征行为模板,匹配所述第一RPC序列和特征行为模板,得到所述特征行为模板对应的匹配成功的多个RPC函数;确定所述特征行为模板与所述匹配成功的多个RPC函数的匹配度;根据所述第一RPC序列对应的匹配度确定所述N个特征行为序列。3.根据权利要求2所述的方法,其特征在于,所述确定所述特征行为模板与所述匹配成功的多个RPC函数的匹配度,包括:获取所述特征行为模板的长度和所述匹配成功的多个RPC函数的编号差值;其中,所述编号差值为所述匹配成功的多个RPC函数对应的最大编号与最小编号的差值;根据所述特征行为模板的长度和所述匹配成功的多个RPC函数的编号差值,确定所述特征行为模板和所述匹配成功的多个RPC函数的匹配度;其中,所述匹配度与所述特征行为模板的长度呈正比,且所述匹配度与所述编号差值呈反比。4.根据权利要求2或3所述的方法,其特征在于,所述根据所述第一RPC序列对应的匹配度确定所述N个特征行为序列,包括:根据所述第一RPC序列对应的匹配度确定所述第一RPC序列与所述M个特征行为模板的最大匹配度;根据所述最大匹配度确定所述N个特征行为序列。5.根据权利要求4所述的方法,其特征在于,所述根据所述第一RPC序列对应的匹配度确定所述第一RPC序列与所述M个特征行为模板的最大匹配度,包括:通过如下公式确定所述第一RPC序列与所述M个特征行为模板的最大匹配度f(n):f(i)=max{f(i-1),max{f(h-1)+Score(h,i,k)|(h,i,k)∈ScoreSet}}其中,i=1,2……n,n表示所述第一RPC序列包括的RPC函数的个数;f(i)表示按照所述第一RPC序列中各RPC函数的编号顺序,所述第一RPC序列中的第1个RPC函数至第i个RPC函数与所述M个特征行为模板的最大匹配度;f(i-1)表示按照所述第一RPC序列中各RPC函数的编号顺序,所述第一RPC序列中的第1个RPC函数至第i-1个RPC函数与所述M个特征行为模板的最大匹配度;f(h-1)表示按照所述第一RPC序列中各RPC函数的编号顺序,所述第一RPC序列中的第1个RPC函数至第h-1个RPC函数与所述M个特征行为模板的最大匹配度;Score(h,i,k)表示按照所述第一RPC序列中各RPC函数的编号顺序以及各特征行为模板的编号顺序,所述第一RPC序列中第h个RPC函数至第i个RPC函数与所述M个特征行为模板中的第k个特征行为模板的匹配度;ScoreSet表示三元组集合;其中所述集合中的元素为三元组,所述三元组包括:特征行为模板的编号、与特征行为模板对应的匹配成功的多个RPC函数中的第1个RPC函数的编号以及最后一个RPC函数的编号。6.根据权利要求1-3任一项所述的方法,其特征在于,所述将所述N个特征行为序列生成N个特征子树,包括:针对所述N个特征行为序列中的每个特征行为序列,将特征行为序列划分为发送行为节点和等待行为节点;其中,所述发送行为节点包括所述特征行为序列中所述客户端发送给所述服务器的RPC函数;所述等待行为节点包括所述特征行为序列中所述服务器发送给所述客户端的RPC函数;对所述发送行为节点和所述等待行为节点采用特征子树模板生成所述特征行为序列对应的特征子树。7.根据权利要求6所述的方法,其特征在于,还包括:获取所述客户端对应的玩家所处的第一环境信息以及测试机器人当前所处的第二环境信息;根据所述第一环境信息和所述第二环境信息更新所述第一环境信息对应的RPC参数,得到所述第二环境信息对应的RPC参数;其中所述第一环境信息对应的RPC参数为所述发送行为节点和/或所述等待行为节点中的RPC函数的参数。8.根据权利要求6所述的方法,其特征在于,还包括:确定所述发送行为节点中各RPC函数的调用时间;根据所述调用时间确定相邻两个RPC函数的调用时间间隔;根据所述调用时间间隔生成所述相邻两个RPC函数中的后一个RPC函数的发送条件。9.根据权利要求8所述的方法,其特征在于,所述发送条件为从所述相邻两个RPC函数中的前一个RPC函数的发送时间开始计时,当计时时长达到所述调用时间间隔后发送所述后一个RPC函数。10.根据权利要求1-3任一项所述的方法,其特征在于,所述获取M个特征行为模板,包括:获取第二RPC序列;其中所述第二RPC序列包括P个预设区域,P为大于或者等于1的正整数,且P大于或者等于M;针对所述P个预设区域中的每个预设区域,在预设区域中确定关键词;在所述预设区域中确定包括所述关键词的RPC函数;将包括所述预设区域中包括所述关键词的RPC函数生成特征行为模板。11.根据权利要求1-3任一项所述的方法,其特征在于,所述将所述N个特征子树生成AI行为树,包括:将所述N个特征子树按照所述N个特征子树的生成时间顺序生成AI行为树。12.一种测试机器人的人工智能AI行为树的生成装置,其特征在于,包括:第一获取模块,用于获取M个特征行为模板、以及客户端与服务器之间传输的第一远程过程调用RPC序列;其中M为大于或者等于1的正整数;所述特征行为模板和所述第一RPC序列均包括多个RPC函数;匹配模块,用于匹配所述第一RPC序列和所述M个特征行为模板,得到N个特征行为序列;其中N为大于或者等于1的正整数;所述特征行为序列包括所述第一RPC序列中与所述特征行为序列对应的特征行为模板匹配成功的多个RPC函数;第一生成模块,用于将所述N个特征行为序列生成N个特征子树;第二生成模块,用于将所述N个特征子树生成AI行为树。13.根据权利要求12所述的装置,其特征在于,所述匹配模块具体用于:对于所述M个特征行为模板中的每个特征行为模板,匹配所述第一RPC序列和特征行为模板,得到所述特征行为模板对应的匹配成功的多个RPC函数;确定所述特征行为模板与所述匹配成功的多个RPC函数的匹配度;根据所述第一RPC序列对应的匹配度确定所述N个特征行为序列。14.根据权利要求13所述的装置,其特征在于,所述匹配模块具体用于:获取所述特征行为模板的长度和所述匹配成功的多个RPC函数的编号差值;其中,所述编号差值为所述匹配成功的多个RPC函数对应的最大编号与最小编号的差值;根据所述特征行为模板的长度和所述匹配成功的多个RPC函数的编号差值,确定所述特征行为模板和所述匹配成功的多个RPC函数的匹配度;其中,所述匹配度与所述特征行为模板的长度呈正比,且所述匹配度与所述编号差值呈反比。15.根据权利要求13或14所述的装置,其特征在于,所述匹配模块具体用于:根据所述第一RPC序列对应的匹配度确定所述第一RPC序列与所述M个特征行为模板的最大匹配度;根据所述最大匹配度确定所述N个特征行为序列。16.根据权利要求15所述的装置,其特征在于,所述匹配模块具体用于:通过如下公式确定所述第一RPC序列与所述M个特征行为模板的最大匹配度f(n):f(i)=max{f(i-1),max{f(h-1)+Score(h,i,k)|(h,i,k)∈ScoreSet}}其中,i=1,2……n,n表示所述第一RPC序列包括的RPC函数的个数;f(i)表示按照所述第一RPC序列中各RPC函数的编号顺序,所述第一RPC序列中的第1个RPC函数至第i个RPC函数与所述M个特征行为模板的最大匹配度;f(i-1)表示按照所述第一RPC序列中各RPC函数的编号顺序,所述第一RPC序列中的第1个RPC函数至第i-1个RPC函数与所述M个特征行为模板的最大匹配度...
【专利技术属性】
技术研发人员:孔炤,
申请(专利权)人:网易杭州网络有限公司,
类型:发明
国别省市:浙江,33
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。