基于人工智能的游戏对局方法、装置、设备及存储介质制造方法及图纸

本申请提供了一种基于人工智能的游戏对局方法、装置、设备及存储介质；所述方法包括：响应于接收到的加入游戏对局的操作指令，获取在所述游戏对局中所有参与者的游戏对局数据流；通过训练好的神经网络模型对所述游戏对局数据流进行预测操作，得到预测结果，其中，所述训练好的神经网络模型至少包括自注意力编码模块；基于所述预测结果确定目标游戏策略；将所述目标游戏策略发送至服务器。如此，能够提高游戏策略的准确性。

【技术实现步骤摘要】
基于人工智能的游戏对局方法、装置、设备及存储介质
本申请涉及人工智能
，尤其涉及一种基于人工智能的游戏对局方法、装置、设备及存储介质。
技术介绍
人工智能(ArtificialIntelligence，AI)是研究、开发用于模拟、延伸和扩展人的智能的理论、方法、技术及应用系统的一门新的技术科学。从诞生以来，人工智能理论和技术日益成熟，应用领域也不断扩大，可以设想，未来人工智能带来的科技产品，将会是人类智慧的“容器”。人工智能可以对人的意识、思维的信息过程的模拟。人工智能不是人的智能，但能像人那样思考、也可能超过人的智能。例如通过人工智能技术实现的阿尔法狗(Alphazero)，已经在棋类游戏里战胜了最顶尖的人类。相比棋类游戏，多人在线战术竞技游戏(MultiplayerOnlineBattleArena，MOBA)，例如DOTA2、英雄联盟、王者荣耀，游戏机制更加复杂，且更接近真实世界的场景。由于在MOBA游戏中，玩家需要对抗和合作的游戏单元数量众多，丰富的游戏单元既使得游戏场景更加多元化，也增加了游戏AI策略模块的学习复杂度。因本文档来自技高网...

【技术保护点】
1.一种基于人工智能的游戏对局方法，其特征在于，包括：/n响应于接收到的加入游戏对局的操作指令，获取在所述游戏对局中所有参与者的游戏对局数据流；/n通过训练好的神经网络模型对所述游戏对局数据流进行预测操作，得到预测结果，其中，所述训练好的神经网络模型至少包括自注意力编码模块；/n基于所述预测结果确定目标游戏策略；/n将所述目标游戏策略发送至服务器。/n

【技术特征摘要】
1.一种基于人工智能的游戏对局方法，其特征在于，包括：
响应于接收到的加入游戏对局的操作指令，获取在所述游戏对局中所有参与者的游戏对局数据流；
通过训练好的神经网络模型对所述游戏对局数据流进行预测操作，得到预测结果，其中，所述训练好的神经网络模型至少包括自注意力编码模块；
基于所述预测结果确定目标游戏策略；
将所述目标游戏策略发送至服务器。


2.根据权利要求1中所述的方法，其特征在于，所述方法还包括：
获取训练游戏数据流；
对所述训练游戏数据流进行解析，以提取出训练特征和训练策略标签；
根据所述训练特征和训练策略标签对神经网络模型进行训练。


3.根据权利要求2中所述的方法，其特征在于，所述对所述训练游戏数据流进行解析，以提取出训练特征和训练策略标签，包括：
对所述训练游戏数据流进行解析，确定所述训练游戏数据流中的各个游戏单元；
提取各个游戏单元的基础属性特征和关系特征；其中，所述基础属性特征至少包括生命力特征、位置特征、攻击特征，所述关系特征至少包括所述游戏单元与其他游戏单元之间的相对位置特征；
提取所述训练游戏数据流中对应的训练技能类型标签、训练目标标签和训练技能参数标签。


4.根据权利要求3中所述的方法，其特征在于，所述根据所述训练特征和训练策略标签对神经网络模型进行训练，包括：
将所述各个游戏单元的基础属性特征和关系特征输入至神经网络模型，得到预测技能类型标签、预测目标标签和预测技能参数标签；
利用训练技能类型标签、训练目标标签、训练技能参数标签预测技能类型标签、预测目标标签和预测技能参数标签对所述神经网络模块进行反向传播训练。


5.根据权利要求4中所述的方法，其特征在于，将所述各个游戏单元的基础属性特征和关系特征输入至神经网络模型，得到预测技能类型标签、预测目标标签和预测技能参数标签，包括：
将所述各个游戏单元的基础属性特征和关系特征输入至神经网络模型的隐藏层，得到隐藏层输出向量；
将所述隐藏层输出向量输入至所述神经网络模型中的自注意力编码模块，得...

【专利技术属性】
技术研发人员：杜雪莹，石贝，王亮，付强，
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