一种数据处理方法、装置、设备、存储介质及产品制造方法及图纸

本申请实施例公开了一种数据处理方法、装置、设备、存储介质及产品。其中方法包括：获取应用程序中目标对象的待预测轨迹的表示信息，待预测轨迹包含M个坐标点，表示信息包括N个轨迹函数，采用量子粒子群对N个轨迹函数所需的配置参数进行预测，并根据预测得到的配置参数优化N个轨迹函数，基于优化后的N个轨迹函数确定M个坐标点的坐标，并根据M个坐标点的坐标绘制待预测轨迹。可见，通过量子粒子群对用于表示待预测轨迹的N个轨迹函数进行优化，可以得到优化后的N个轨迹函数，再通过优化后的N个轨迹函数来预测待预测轨迹中各个坐标的坐标，从而根据待预测轨迹中各个坐标的坐标来绘制应用程序中目标对象的待预测轨迹。

【技术实现步骤摘要】

本申请涉及计算机，具体涉及一种数据处理方法、一种数据处理装置、一种计算机设备、一种计算机可读存储介质及一种数据处理产品。

技术介绍

1、随着科技研究的进步，网络中涌现出海量的应用程序。许多应用程序都涉及目标对象的轨迹；例如，在射击类游戏中，涉及游戏道具的瞄准轨迹；又例如，在虚拟场景中，涉及目标对象的行进轨迹。目标对象的轨迹不仅可以辅助应用程序的开发人员进行应用程序开发，还可以辅助应用程序的使用者操作应用程序中的目标对象(如瞄准轨迹可以辅助游戏玩家射击)。如何预测应用程序中的目标对象的轨迹成为目前研究的热门问题。

技术实现思路

1、本申请实施例提供了一种数据处理方法、装置、设备、计算机可读存储介质及产品，能够预测应用程序中的目标对象的轨迹。

2、一方面，本申请实施例提供了一种数据处理方法，包括：

3、获取应用程序中目标对象的待预测轨迹的表示信息，待预测轨迹包含m个坐标点；表示信息包括n个轨迹函数，一个轨迹函数用于表示待预测轨迹中任一个坐标点在一个方向上的坐标分量，m和n均为大于1的整数；本文档来自技高网...

【技术保护点】

1.一种数据处理方法，其特征在于，所述方法包括：

2.如权利要求1所述的方法，其特征在于，所述量子粒子群中多维粒子的数量为K，K为大于1的整数；所述采用量子粒子群对所述N个轨迹函数所需的配置参数进行预测，并根据预测得到的配置参数优化所述N个轨迹函数，包括：

3.如权利要求2所述的方法，其特征在于，所述通过K个多维粒子对所述N个轨迹函数所需的配置参数进行P轮迭代学习，得到K*(P+1)个候选参数组的过程包括：

4.如权利要求3所述的方法，其特征在于，所述基于每个多维粒子的前i个候选参数组关联的学习分数，确定第i次迭代学习过程中每个多维粒子对应的状态参数组...

【技术特征摘要】

1.一种数据处理方法，其特征在于，所述方法包括：

2.如权利要求1所述的方法，其特征在于，所述量子粒子群中多维粒子的数量为k，k为大于1的整数；所述采用量子粒子群对所述n个轨迹函数所需的配置参数进行预测，并根据预测得到的配置参数优化所述n个轨迹函数，包括：

3.如权利要求2所述的方法，其特征在于，所述通过k个多维粒子对所述n个轨迹函数所需的配置参数进行p轮迭代学习，得到k*(p+1)个候选参数组的过程包括：

4.如权利要求3所述的方法，其特征在于，所述基于每个多维粒子的前i个候选参数组关联的学习分数，确定第i次迭代学习过程中每个多维粒子对应的状态参数组，包括：

5.如权利要求3所述的方法，其特征在于，所述目标对象为目标道具，所述待预测轨迹为所述目标道具的瞄准轨迹，所述按照预设规则计算每个多维粒子的第i+1个候选参数组关联的学习分数，包括：

6.如权利要求5所述的方法，其特征在于，所述统计所述目标道具在所述参考轨迹下的命中率，包括：

7.如权利要求3所述的方法，其特征在于，所述待预测轨迹为所述目标对象的行进轨迹，所述按照预设规则计算每个多维粒子的第i+1个候选参数组关联的学习分数，包括：

8.如权利要求3所述...

【专利技术属性】
技术研发人员：李旭冬，黄斌，罗章龙，严明，魏学峰，
申请(专利权)人：深圳市腾讯网域计算机网络有限公司，
类型：发明
国别省市：