一种游戏人工智能行动规划方法及系统技术方案

本发明专利技术公开了一种游戏人工智能行动规划方法，属于计算机游戏和人工智能技术领域，该规划方法具体步骤如下：步骤一：获取样本数据；步骤二：基学习器训练；步骤三：层级判断及权重配比；步骤四：集成学习；步骤五：反馈与执行；本发明专利技术采用三类基学习器对游戏场景初始样本、非玩家角色任务初始样本和玩家待执行任务初始样本进行训练学习，并根据真实玩家游戏水平对三类基学习器进行权重分配，最后通过集成学习构建游戏AI行为规划模型，并基于其对游戏AI进行行动规划和执行，使得游戏AI能够针对不同玩家水平做出多种不同行动反应，行为模式多元，从而满足不同水平玩家的游戏趣味性，大大提高了真实玩家游戏体验感。了真实玩家游戏体验感。了真实玩家游戏体验感。

【技术实现步骤摘要】
一种游戏人工智能行动规划方法及系统


[0001]本专利技术涉及计算机游戏和人工智能领域，尤其涉及一种游戏人工智能行动规划方法及系统。

技术介绍

[0002]经检索，中国专利号CN109857552A公开了一种游戏人工智能行动规划方法及系统，该专利技术虽然能够使NPC的AI行为范围变得更宽，但非玩家角色行动路径的仍相对死板固定，无法针对不同水平玩家做出不同行动路径变化，从而易降低真实玩家游戏体验感；游戏人工智能(也称游戏AI，Game Artificial Intelligence)，是人工智能科学
的一个新兴的、活跃的学科分支，是计算机游戏和人工智能相结合的产物，一般是指游戏中，计算机控制的非玩家角色(Non
‑
Player Character，缩写为NPC)能够模拟人类思维或者现实中的其他生物，表现出一定的智能行为，好的AI使游戏变得更加逼真，更加接近现实；目前，随着网络游戏市场的不断发展和壮大，游戏行业的竞争越来越大，游戏玩家也变得越来越挑剔；为了满足玩家对游戏各方面不断提高的需求，在激烈的竞争中生存下来，甚至脱颖而本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种游戏人工智能行动规划方法，其特征在于，该规划方法具体步骤如下：步骤一：获取样本数据，获取各种游戏场景数据、非玩家角色任务数据和玩家信息数据，所述玩家信息数据包括玩家待执行任务数据和玩家游戏水平信息；将所述游戏场景数据、非玩家角色任务数据和玩家待执行任务数据作为初始样本数据，形成游戏场景初始样本、非玩家角色任务初始样本和玩家待执行任务初始样本；步骤二：基学习器训练，构建三类基学习器，并依次提取步骤一中所述游戏场景初始样本、非玩家角色任务初始样本和玩家待执行任务初始样本，同时将其输入所述三类基学习器进行训练，生成个体游戏场景样本、个体非玩家角色任务样本和个体玩家待执行任务样本；步骤三：层级判断及权重配比，提取步骤一所述玩家游戏水平信息，根据其判断定义玩家所处层级，并根据所述玩家所处层级对步骤二所述个体游戏场景样本、个体非玩家角色任务样本和个体玩家待执行任务样本进行权重配比；步骤四：集成学习，构建集成学习器，并将步骤三所述权重配比后的个体游戏场景样本、个体非玩家角色任务样本和个体玩家待执行任务样本输入其中进行集成学习，形成游戏AI行动决策模型；步骤五：反馈与执行，根据步骤四所述游戏AI行动决策模型对非玩家角色进行行为指令反馈，并使其执行。2.根据权利要求1所述的一种游戏人工智能行动规划方法，其特征在于，步骤一所述游戏场景初始样本、非玩家角色任务初始样本和玩家待执行任务初始样本形成前需经过预处理操作，所述预处理操作包括但不限于数据清洗、数据格式变换、数据集成和数据规约和缺失数据补全；所述玩家游戏水平信息包括但不限于玩家游戏等级、玩家操作评分、玩家游戏时长、玩家荣誉积分和玩家游戏胜率。3.根据权利要求1所述的一种游戏人工智能行动规划方法，其特征在于，步骤二所述三类基学习器为异质，所述个体游戏场景样本采用SVM算法模型，所述个体非玩家角色任务样本Logistic算法模型，所述个体玩家待执行任务样本采用KNN算法模型。4.根据权利要求1所述的一种游戏人工智能行动规划方法，其特征在于，步骤三所述玩家所处层级共包括A、B、C、D和E五级，其A级表示该玩家水平较低，其B级表示该玩家水平一般，其C级表示该玩家水平中等，其D级表示该玩家水平较高，其E级表示该玩家水平超高；步骤三所述权重配比具体运行过程如下：...

【专利技术属性】
技术研发人员：陶宇星，
申请(专利权)人：陶宇星，
类型：发明
国别省市：