一种数据处理方法及相关装置制造方法及图纸

本申请提供了一种数据处理方法以及相关装置。本申请实施例可应用于计算机技术领域。其方法包括：首先，获取包括M个第一阵容的第一阵容集合及阵容遗传约束条件信息；接着，基于阵容遗传约束条件信息，根据遗传算法对第一阵容集合进行遗传迭代处理，生成包括N个第二阵容的第二阵容集合，每个第二阵容对应的阵容属性信息满足阵容遗传约束条件信息；最后，根据第二阵容集合中生成目标业务的分析结果。本申请实施例提供的方法，通过遗传算法生成第二阵容集合中的每个第二阵容的阵容属性信息满足遗传约束条件信息，以使得每个第二阵容的平衡性较强，通过算法对阵容进行平衡性测试，提高了在游戏上线之前对阵容平衡性测试的效率。了在游戏上线之前对阵容平衡性测试的效率。了在游戏上线之前对阵容平衡性测试的效率。

【技术实现步骤摘要】
一种数据处理方法及相关装置


[0001]本申请涉及计算机
，尤其涉及一种数据处理方法及相关装置。

技术介绍

[0002]战术策略类游戏（例如自走棋）是目前市场上最受欢迎的游戏类型之一。在此游戏中，玩家构建自己的游戏阵容，自动与其他玩家进行战斗。游戏中的棋子、羁绊组合种类繁多，对游戏平衡性进行分析极具挑战性。
[0003]战术策略类游戏对平衡性要求较高，在游戏上线之前需要对游戏中阵容强弱的平衡性进行测试。传统的平衡性测试方法在测试阵容强弱时，需要根据测试人员对游戏的理解搭配强势的阵容，然后进行阵容对战，通过实际对战结果判断阵容平衡性。由于传统测试方法高度依赖于测试人员对游戏的理解，导致阵容平衡性较差，并且无法进行大规模的阵容测试。

技术实现思路

[0004]本申请实施例提供了一种数据处理方法以及相关装置，在解决了现有技术中阵容平衡性较差、阵容平衡性测试效率较低的问题。
[0005]本申请的一方面提供一种数据处理方法，包括：获取目标业务关联的第一阵容集合及目标业务关联的阵容遗传约束条件信息，其中，第一阵容集合包括M个第一阵容，M个第一阵容对应于M个阵容属性信息，每个第一阵容包括R个基因信息，每个基因信息包括虚拟对象、虚拟技能及M个第一阵容进行两两交互时虚拟对象对应的交互顺序，阵容属性信息为根据虚拟对象对应的虚拟对象属性信息及虚拟技能对应的虚拟技能属性信息确定的，阵容遗传约束条件信息用于表征第二阵容部署的控制条件，M及R均为大于1的整数；基于阵容遗传约束条件信息，根据遗传算法对第一阵容集合进行遗传迭代处理，生成第二阵容集合，其中，第二阵容集合包括N个第二阵容，每个第二阵容包括R个基因信息，每个第二阵容对应的阵容属性信息满足阵容遗传约束条件信息，N大于1的整数；根据第二阵容集合中的虚拟对象出现的频次及虚拟技能出现的频次中的至少一种，生成目标业务的分析结果。
[0006]本申请的另一方面提供了一种数据处理装置，包括：数据获取模块、遗传迭代模块及分析模块；具体的：数据获取模块，用于获取目标业务关联的第一阵容集合及目标业务关联的阵容遗传约束条件信息，其中，第一阵容集合包括M个第一阵容，M个第一阵容对应于M个阵容属性信息，每个第一阵容包括R个基因信息，每个基因信息包括虚拟对象、虚拟技能及M个第一阵容进行两两交互时虚拟对象对应的交互顺序，阵容属性信息为根据虚拟对象对应的虚拟对象属性信息及虚拟技能对应的虚拟技能属性信息确定的，阵容遗传约束条件信息用于表征第二阵容部署的控制条件，M及R均为大于1的整数；
遗传迭代模块，用于基于阵容遗传约束条件信息，根据遗传算法对第一阵容集合进行遗传迭代处理，生成第二阵容集合，其中，第二阵容集合包括N个第二阵容，每个第二阵容包括R个基因信息，每个第二阵容对应的阵容属性信息满足阵容遗传约束条件信息，N大于1的整数；分析模块，用于根据第二阵容集合中的虚拟对象出现的频次及虚拟技能出现的频次中的至少一种，生成目标业务的分析结果。
[0007]在本申请实施例的另一种实现方式中，遗传迭代模块，还用于：根据M个第一阵容对应的M个阵容属性信息及阵容遗传约束条件信息，计算M个第一阵容对应的M个适应度；获取适应度阈值及迭代阈值；根据适应度阈值，从M个第一阵容中确定K个第一目标阵容，其中，K个第一目标阵容对应的K个适应度值均大于适应度阈值，K为大于等于1且小于等于M的整数；根据遗传算法对K个第一目标阵容进行遗传迭代处理，生成N个第二阵容，由N个第二阵容组成第二阵容集合，其中，第二阵容集合对应的迭代次数等于迭代阈值。
[0008]在本申请实施例的另一种实现方式中，遗传迭代模块，还用于：将M个第一阵容中的每个第一阵容进行两两交互，得到M个第一阵容对应的M个对战胜率；根据M个第一阵容对应的M个阵容属性信息与阵容遗传约束条件信息的匹配度，对M个第一阵容对应的对战胜率进行适应度函数计算，生成M个第一阵容对应的M个适应度。
[0009]在本申请实施例的另一种实现方式中，遗传迭代模块，还用于：基于遗传算法，根据K个第一目标阵容中生成K个第一交叉阵容，其中，K个第一交叉阵容为对K个第一目标阵容中的基因信息进行交叉得到的；将K个第一目标阵容与K个第一交叉阵容进行两两交互，得到K个第一目标阵容对应的K个适应度；根据K个适应度对K个第一目标阵容进行降序排列，取前N个第一目标阵容作为第二阵容，由N个第二阵容组成第二阵容集合。
[0010]在本申请实施例的另一种实现方式中，遗传迭代模块，还用于：基于遗传算法，根据K个第一目标阵容中生成K个第一变异阵容，其中，K个第一变异阵容为对K个第一目标阵容中的基因信息进行替换得到的；将K个第一目标阵容与K个第一变异阵容进行两两交互，得到K个第一目标阵容对应的K个适应度；根据K个适应度对K个第一目标阵容进行降序排列，取前N个第一目标阵容作为第二阵容，由N个第二阵容组成第二阵容集合。
[0011]在本申请实施例的另一种实现方式中，遗传迭代模块，还用于：根据M个适应度对M个第一阵容进行降序排列，取前L个第一阵容；获取迭代阈值；根据遗传算法对L个第一阵容进行遗传迭代处理，生成N个第二阵容，由N个第二阵容组成第二阵容集合，其中，第二阵容集合对应的迭代次数等于迭代阈值。
[0012]在本申请实施例的另一种实现方式中，数据处理装置还包括遗传迭代调整模块；
具体的，传迭代调整模块用于：获取频次阈值及连续轮次阈值；统计第二阵容集合中每个基因信息的频次；确定频次高于频次阈值的基因信息为候选基因信息；统计候选基因信息在遗传迭代处理中的连续轮次，其中，连续伦次用于表征候选基因信息在遗传迭代处理中适应度值连续高于适应度阈值的次数；确定连续轮次高于连续轮次阈值的候选基因信息为第一目标基因信息；若第一目标基因信息存在于基因信息黑名单中，则获取第一目标基因信息对应的第一目标遗传停滞时长及遗传停滞时长阈值，其中，基因信息黑名单中的基因信息为待减少遗传迭代处理的基因信息，第一目标遗传停滞时长用于表征第一目标基因信息在遗传迭代处理中的停止遗传迭代的时长；若第一目标基因信息对应的第一目标遗传停滞时长大于遗传停滞时长阈值，则删除包含第一目标基因信息的第二阵容。
[0013]在本申请实施例的另一种实现方式中，遗传迭代调整模块，还用于：获取非连续轮次阈值；统计候选基因信息在遗传迭代处理中的非连续轮次，其中，非连续伦次用于表征候选基因信息在遗传迭代处理中适应度值高于适应度阈值的次数；确定非连续轮次高于非连续轮次阈值的候选基因信息为第二目标基因信息；降低包含第二目标基因信息的第二阵容的变异次数，其中，变异次数用于表征基于遗传算法根据包含第二目标基因信息的第二阵容生成第二变异阵容的次数。
[0014]在本申请实施例的另一种实现方式中，遗传迭代调整模块，还用于：若第一目标基因信息对应的第一目标遗传停滞时长小于等于遗传停滞时长阈值，则延长第一目标基因信息对应的第一目标遗传停滞时长。
[0015]在本申请实施例的另一种实现方式中，遗传迭代调整模块，还用于：若第一目标基因信息本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种数据处理方法，其特征在于，包括：获取目标业务关联的第一阵容集合及所述目标业务关联的阵容遗传约束条件信息，其中，所述第一阵容集合包括M个第一阵容，所述M个第一阵容对应于M个阵容属性信息，每个第一阵容包括R个基因信息，每个基因信息包括虚拟对象、虚拟技能及所述M个第一阵容进行两两交互时虚拟对象对应的交互顺序，所述阵容属性信息为根据所述虚拟对象对应的虚拟对象属性信息及所述虚拟技能对应的虚拟技能属性信息确定的，所述阵容遗传约束条件信息用于表征第二阵容部署的控制条件，M及R均为大于1的整数；基于所述阵容遗传约束条件信息，根据遗传算法对所述第一阵容集合进行遗传迭代处理，生成第二阵容集合，其中，所述第二阵容集合包括N个第二阵容，每个第二阵容包括R个基因信息，所述每个第二阵容对应的阵容属性信息满足所述阵容遗传约束条件信息，N大于1的整数；根据所述第二阵容集合中的所述虚拟对象出现的频次及所述虚拟技能出现的频次中的至少一种，生成所述目标业务的分析结果。2.如权利要求1所述的数据处理方法，其特征在于，所述基于所述阵容遗传约束条件信息，根据遗传算法对所述第一阵容集合进行遗传迭代处理，生成第二阵容集合，包括：根据所述M个第一阵容对应的M个阵容属性信息及所述阵容遗传约束条件信息，计算所述M个第一阵容对应的M个适应度；获取适应度阈值及迭代阈值；根据所述适应度阈值，从所述M个第一阵容中确定K个第一目标阵容，其中，所述K个第一目标阵容对应的K个适应度值均大于所述适应度阈值，K为大于等于1且小于等于M的整数；根据遗传算法对所述K个第一目标阵容进行遗传迭代处理，生成N个第二阵容，由所述N个第二阵容组成第二阵容集合，其中，所述第二阵容集合对应的迭代次数等于所述迭代阈值。3.如权利要求2所述的数据处理方法，其特征在于，所述根据所述M个第一阵容对应的M个阵容属性信息及所述阵容遗传约束条件信息，计算所述M个第一阵容对应的M个适应度，包括：将所述M个第一阵容中的每个第一阵容进行两两交互，得到M个第一阵容对应的M个对战胜率；根据所述M个第一阵容对应的M个阵容属性信息与所述阵容遗传约束条件信息的匹配度，对所述M个第一阵容对应的对战胜率进行适应度函数计算，生成所述M个第一阵容对应的M个适应度。4.如权利要求2所述的数据处理方法，其特征在于，所述根据遗传算法对所述K个第一目标阵容进行遗传迭代处理，生成N个第二阵容，由所述N个第二阵容组成第二阵容集合，包括：基于遗传算法，根据所述K个第一目标阵容中生成K个第一交叉阵容，其中，所述K个第一交叉阵容为对所述K个第一目标阵容中的基因信息进行交叉得到的；将所述K个第一目标阵容与所述K个第一交叉阵容进行两两交互，得到K个第一目标阵容对应的K个适应度；
根据所述K个适应度对所述K个第一目标阵容进行降序排列，取前N个第一目标阵容作为第二阵容，由N个所述第二阵容组成第二阵容集合。5.如权利要求2所述的数据处理方法，其特征在于，所述根据遗传算法对所述K个第一目标阵容进行遗传迭代处理，生成N个第二阵容，由所述N个第二阵容组成第二阵容集合，包括：基于遗传算法，根据所述K个第一目标阵容中生成K个第一变异阵容，其中，所述K个第一变异阵容为对所述K个第一目标阵容中的基因信息进行替换得到的；将所述K个第一目标阵容与所述K个第一变异阵容进行两两交互，得到K个第一目标阵容对应的K个适应度；根据所述K个适应度对所述K个第一目标阵容进行降序排列，取前N个第一目标阵容作为第二阵容，由N个所述第二阵容组成第二阵容集合。6.如权利要求2所述的数据处理方法，其特征在于，所述根据所述M个第一阵容对应的M个阵容属性信息及所述阵容遗传约束条件信息，计算所述M个第一阵容对应的M个适应度之后，还包括：根据所述M个适应度对所述M个第一阵容进行降序排列，取前L个第一阵容；获取迭代阈值；根据遗传算法对所述L个第一阵容进行遗传迭代处理，生成N个第二阵容，由所述N个第二阵容组成第二阵容集合，其中，所述第二阵容集合对应的迭代次数等于所述迭代阈值。7.如权利要求1所述的数据处理方法，其特征在于，所述基于所述阵容遗传约束条件信息，根据遗传算法对所述第一阵容集合进行遗传迭代处理，生成第二阵容集合之后，还包括：获取频次阈值及连续轮次阈值；统计所述第二阵容集合中每个基因信息的频次；确定所述频次高于所述频次阈值的基因信息为候选基因信息；统计所述候选基因信息在所述遗传迭代处理中的连续轮次，其中，所述连续伦次用于表征所述候选基因信息在遗传迭代处理中适应度值连续高于适应度阈值的次数；确定所述连续轮次高于所述连续轮次阈值...

【专利技术属性】
技术研发人员：卓习龙，魏学峰，赵亮，王君乐，宋超，鞠仕炜，何冰，黄文明，袁杏然，
申请(专利权)人：腾讯科技深圳有限公司，
类型：发明
国别省市：