CN110368696B - 一种非对称游戏玩家能力获取方法、装置、设备及介质 - Google Patents
一种非对称游戏玩家能力获取方法、装置、设备及介质 Download PDFInfo
- Publication number
- CN110368696B CN110368696B CN201910751473.8A CN201910751473A CN110368696B CN 110368696 B CN110368696 B CN 110368696B CN 201910751473 A CN201910751473 A CN 201910751473A CN 110368696 B CN110368696 B CN 110368696B
- Authority
- CN
- China
- Prior art keywords
- game
- play
- factor
- team
- asymmetric
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Active
Links
Images
Classifications
-
- A—HUMAN NECESSITIES
- A63—SPORTS; GAMES; AMUSEMENTS
- A63F—CARD, BOARD, OR ROULETTE GAMES; INDOOR GAMES USING SMALL MOVING PLAYING BODIES; VIDEO GAMES; GAMES NOT OTHERWISE PROVIDED FOR
- A63F13/00—Video games, i.e. games using an electronically generated display having two or more dimensions
- A63F13/70—Game security or game management aspects
- A63F13/79—Game security or game management aspects involving player-related data, e.g. identities, accounts, preferences or play histories
- A63F13/795—Game security or game management aspects involving player-related data, e.g. identities, accounts, preferences or play histories for finding other players; for building a team; for providing a buddy list
-
- A—HUMAN NECESSITIES
- A63—SPORTS; GAMES; AMUSEMENTS
- A63F—CARD, BOARD, OR ROULETTE GAMES; INDOOR GAMES USING SMALL MOVING PLAYING BODIES; VIDEO GAMES; GAMES NOT OTHERWISE PROVIDED FOR
- A63F13/00—Video games, i.e. games using an electronically generated display having two or more dimensions
- A63F13/70—Game security or game management aspects
- A63F13/79—Game security or game management aspects involving player-related data, e.g. identities, accounts, preferences or play histories
- A63F13/798—Game security or game management aspects involving player-related data, e.g. identities, accounts, preferences or play histories for assessing skills or for ranking players, e.g. for generating a hall of fame
Abstract
本发明公开了一种非对称游戏玩家能力获取方法、装置、设备及介质,所述方法包括获取非对称游戏的游戏对象;根据所述游戏对象构建概率图模型,所述概率图模型中为参与所述非对称游戏的游戏对局的每个团队均设置一个团队能力调节因子,所述团队能力调节因子作用于所述团队中的各个成员,所述概率图模型中为参与非对称游戏的游戏对局的各个成员设置发挥调节因子,所述发挥调节因子作用于所述游戏对局中的每个成员;根据所述概率图模型得到因子图;获取游戏对局数据;基于所述因子图根据所述游戏对局数据,使用和积算法确定玩家能力。本发明可以获取每个参与非对称游戏的游戏玩家的能力。
Description
技术领域
本发明涉及游戏数据处理领域,尤其涉及一种非对称游戏玩家能力获取方法、装置、设备及介质。
背景技术
大多数竞技游戏都有一个评价玩家是否完成目标的度量指标,它是游戏的基础。对于包含两个或两个以上玩家(多玩家比赛)的比赛,常涉及到游戏玩家能力的排名。根据游戏玩家能力的排名鼓励玩家之间良性竞争,玩家不只要赢得单场比赛,还可以让更多的玩家见识和认可自己的整体技能水平。随着游戏产业的发展,游戏玩家能力评估的重要性愈发突出,其可以被广泛的应用于游戏在线匹配,游戏成员推荐和游戏相关的数据挖掘之中,从而提升游戏的可玩性,进而提升游戏的用户粘度。
现有技术中被广泛使用的游戏玩家能力评估方案为TrueSkill排名系统,TrueSkill排名系统是一个基于技能的排名系统,它使用贝叶斯推断技术对玩家进行排名。然而TrueSkill假定游戏对战中形成的团队的团队能力是其所有团队成员能力之和,这一假定忽视了非对称游戏中游戏环境对团队能力产生的影响,由此导致TrueSkill排名系统难以应用于对非对称游戏中游戏玩家能力的评估之中。
发明内容
为了解决现有技术难以对非对称游戏的玩家的能力进行获取的技术问题,本发明实施例提供一种非对称游戏玩家能力获取方法、装置、设备及介质。
一方面,本发明提供了一种非对称游戏玩家能力获取方法,所述方法包括:
获取非对称游戏的游戏对象,所述游戏对象指向所述非对称游戏的执行逻辑;
根据所述游戏对象为所述非对称游戏构建概率图模型,所述概率图模型中为参与所述非对称游戏的游戏对局的每个团队均设置一个团队能力调节因子,所述团队能力调节因子作用于所述团队中的各个成员,所述概率图模型中为参与非对称游戏的游戏对局的各个成员设置发挥调节因子,所述发挥调节因子作用于所述游戏对局中的每个成员;
根据所述概率图模型得到所述概率图对应的因子图;
获取所述非对称游戏的游戏对局数据,所述游戏对局数据中包括多次单局游戏对局数据,每个单局游戏对局数据中均具有相同的玩家分布,所述玩家分布包括玩家以及玩家对应的角色;
基于所述因子图根据所述游戏对局数据,使用和积算法计算所述游戏对局数据中各个玩家的能力后验分布,根据所述能力后验分布确定玩家能力。
另一方面,本发明提供一种非对称游戏玩家能力获取装置,所述装置包括:
非对称游戏的游戏对象获取模块,用于获取非对称游戏的游戏对象,所述游戏对象指向所述非对称游戏的执行逻辑;
概率图模型构建模块,用于根据所述游戏对象为所述非对称游戏构建概率图模型,所述概率图模型中为参与所述非对称游戏的游戏对局的每个团队均设置一个团队能力调节因子,所述团队能力调节因子作用于所述团队中的各个成员,所述概率图模型中为参与非对称游戏的游戏对局的各个成员设置发挥调节因子,所述发挥调节因子作用于所述游戏对局中的每个成员;
因子图获取模块,用于根据所述概率图模型得到所述概率图对应的因子图;
游戏对局数据获取模块,用于获取所述非对称游戏的游戏对局数据,所述游戏对局数据中包括多次单局游戏对局数据,每个单局游戏对局数据中均具有相同的玩家分布,所述玩家分布包括玩家以及玩家对应的角色;
玩家能力获取模块,用于基于所述因子图根据所述游戏对局数据,使用和积算法计算所述游戏对局数据中各个玩家的能力后验分布,根据所述能力后验分布确定玩家能力。
另一方面,本发明提供了一种设备,其特征在于,所述设备包括处理器和存储器,所述存储器中存储有至少一条指令、至少一段程序、代码集或指令集,所述至少一条指令、所述至少一段程序、所述代码集或指令集由所述处理器加载并执行以实现一种非对称游戏玩家能力获取方法。
另一方面,本发明提供了一种计算机存储介质,其特征在于,所述存储介质中存储有至少一条指令、至少一段程序、代码集或指令集,所述至少一条指令、至少一段程序、代码集或指令集由处理器加载并执行一种非对称游戏玩家能力获取方法。
本发明提供了一种非对称游戏玩家能力获取方法、装置、设备及介质。本发明可以获取每个参与非对称游戏的游戏玩家的能力,并且还能够进一步计算非对称游戏中的团队调节因子和发挥调节因子,从而对于游戏对局战况进行精准掌控,并对游戏的对局结果进行更为准确的预测。本发明可以广泛应用于游戏团队推荐、游戏伙伴推荐、游戏战局邀请、游戏快速组局等各个场景之中,优化用户的游戏体验,增加用户粘度。
附图说明
为了更清楚地说明本发明实施例或现有技术中的技术方案和优点,下面将对实施例或现有技术描述中所需要使用的附图作简单的介绍,显而易见地,下面描述中的附图仅仅是本发明的一些实施例,对于本领域普通技术人员来讲,在不付出创造性劳动的前提下,还可以根据这些附图获得其它附图。
图1是本发明提供的非对称游戏玩家能力获取方法实施环境示意图;
图2是本发明提供的游戏服务器基于对各个游戏玩家能力的获取结果为游戏玩家提供快速匹配服务的界面示意图;
图3是本发明提供的游戏服务器基于对各个游戏玩家能力的获取结果为游戏玩家提供实时匹配服务的界面示意图;
图4是本发明提供的一种非对称游戏玩家能力获取方法流程图;
图5是本发明提供的根据所述游戏对象为所述非对称游戏构建概率图模型流程图;
图6是本发明提供的根据斗地主的游戏对象构建得到的概率图模型的示意图;
图7是本发明提供一个因子图;
图8是本发明提供的斗地主的概率模型图对应的因子图;
图9是本发明提供的根据游戏对局数据和所述因子图计算所述团队调节因子和发挥调节因子流程图;
图10是本发明提供的本发明实施例与现有技术的技术效果比较示意图;
图11是本发明提供的一种非对称游戏玩家能力获取装置框图;
图12是本发明提供的超参数获取模块框图;
图13是本发明提供的一种用于实现本发明实施例所提供的方法的设备的硬件结构示意图。
具体实施方式
下面将结合本发明实施例中的附图,对本发明实施例中的技术方案进行清楚、完整地描述,显然,所描述的实施例仅仅是本发明一部分实施例,而不是全部的实施例。基于本发明中的实施例,本领域普通技术人员在没有做出创造性劳动的前提下所获得的所有其他实施例,都属于本发明保护的范围。
需要说明的是,本发明的说明书和权利要求书及上述附图中的术语“第一”、“第二”等是用于区别类似的对象,而不必用于描述特定的顺序或先后次序。应该理解这样使用的数据在适当情况下可以互换,以便这里描述的本发明的实施例能够以除了在这里图示或描述的那些以外的顺序实施。此外,术语“包括”和“具有”以及他们的任何变形,意图在于覆盖不排他的包含,例如,包含了一系列步骤或单元的过程、方法、系统、产品或服务器不必限于清楚地列出的那些步骤或单元,而是可包括没有清楚地列出的或对于这些过程、方法、产品或设备固有的其它步骤或单元。
为了使本发明实施例公开的目的、技术方案及优点更加清楚明白,以下结合附图及实施例,对本发明实施例进行进一步详细说明。应当理解,此处描述的具体实施例仅仅用以解释本发明实施例,并不用于限定本发明实施例。
以下,术语“第一”、“第二”仅用于描述目的,而不能理解为指示或暗示相对重要性或者隐含指明所指示的技术特征的数量。由此,限定有“第一”、“第二”的特征可以明示或者隐含地包括一个或者更多个该特征。在本实施例的描述中,除非另有说明,“多个”的含义是两个或两个以上。
为了对于本发明实施例中所述的技术方案进行清晰的阐述,本发明实施例首先对与其相关技术名词、技术背景和技术环境进行解释:
概率图模型:使用有向图或无向图的方式对系统中所涉及的变量的条件依赖关系进行表示的统计建模方法。
非对称游戏:玩家可以选择不同角色或团队,因此导致玩家的实力被限制或加强的游戏。如黎明杀机(1对4,一个屠夫对抗4个人类),斗地主(1对2,1个地主对2个农民)等。
玩家能力:玩家的游戏实力或水平,现有技术中通常由玩家间对抗的胜率来表示。
为了进行游戏玩家的能力获取,现有技术通常使用TrueSkill排名系统。TrueSkill排名系统基于概率图模型,对于非对称游戏,它的缺点在于对团队能力的假设过于简单:团队能力是其所有成员能力之和。因为非对称性会给玩家的能力发挥带来增强或削弱的影响,TrueSkill的假设并不合适。以斗地主为例,虽然地主自成一家,人数少于农民,但游戏环境会增强地主的实力,导致地主通常有更多的好牌,而且首先出牌。农民虽然有两人但实力会被自动削弱,因为他们手牌通常会差一些,同时失去出牌先机。
因此,为了解决现有技术无法对于非对称游戏中玩家能力进行科学获取的技术问题,本发明实施例提供了一种非对称游戏玩家能力获取方法。首先,本发明实施例公开所述非对称游戏玩家能力获取方法的实施环境。
参见图1,该实施环境包括:客户端01和游戏服务器03,所述客户端01和游戏服务器03通信连接,所述客户端01向所述游戏服务器03发起游戏请求,从而参与非对称游戏,所述游戏服务器03对所述客户端01产生的游戏数据进行采集,进而对客户端对应的玩家能力进行获取,还可以进一步基于获取结果为玩家提供游戏团队推荐、游戏伙伴推荐、游戏战局邀请、游戏快速组局等个性化服务。
如图2所示,游戏服务器可以基于对各个游戏玩家能力的获取结果为游戏玩家提供快速匹配服务,如图3所示,游戏服务器还可以基于对各个游戏玩家能力的获取结果为游戏玩家提供实时匹配服务。进一步地,在其它场景中还可以基于游戏玩家能力为各个玩家推送与其适配的游戏,战局等相关信息。
所述客户端01可以基于浏览器/服务器模式(Browser/Server,B/S)或客户端/服务器模式(Client/Server,C/S)与游戏服务器03通信。客户端01可以包括:智能手机、平板电脑、笔记本电脑、数字助理、智能可穿戴设备、车载终端等类型的实体设备,也可以包括运行于实体设备中的软体,例如应用程序等。比如,所述客户端01可以运行非对称游戏类软体。
所述游戏服务器03可以包括一个独立运行的服务器,或者分布式服务器,或者由多个服务器组成的服务器集群。
请参考图4,其示出了一种非对称游戏玩家能力获取方法流程图,所述方法可以以图1所述的实施环境为实施基础,所述方法可以包括:
S101.获取非对称游戏的游戏对象,所述游戏对象指向所述非对称游戏的执行逻辑。
本发明实施例中以游戏对象表征一种或一类游戏,所述游戏对象记录的执行逻辑中可以体现出游戏规则对于非对称游戏的约束作用。以斗地主为例,斗地主构成的游戏对象中的执行逻辑至少包括下述内容:
(1)游戏对局中包括两个团队,地主自成一队,两个农民一队。
(2)地主大概率获得好牌,农民小概率获得好牌。
(3)地主优先出牌。
S103.根据所述游戏对象为所述非对称游戏构建概率图模型,所述概率图模型中为参与所述非对称游戏的游戏对局的每个团队均设置一个团队能力调节因子,所述团队能力调节因子作用于所述团队中的各个成员,所述概率图模型中为参与非对称游戏的游戏对局的各个成员设置发挥调节因子,所述发挥调节因子作用于所述游戏对局中的每个成员。
为解决游戏的非对称游戏中游戏规则对于非对称游戏的约束作用影响玩家能力发挥从而为玩家能力获取带来困难的问题,本发明实施例为每个非对称游戏设置了一组团队能力调节因子,每个团队能力调节因子对应游戏对局中的一个团队。通过合理设置团队能力调节因子的数值,就可以对非对称游戏的玩家能力进行合理的建模,从而降低屏蔽非对称游戏的规则约束对于玩家能力获取结果的影响。
所述概率图模型可以使用有向图或无向图表示,在一个可行的实施例中,所述根据所述游戏对象为所述非对称游戏构建概率图模型,如图5所示,包括:
S1031.为游戏对象中参与游戏对局的成员设置第一节点,每个第一节点对应一个所述成员能力的随机概率分布。
游戏成员的含义可以被理解为游戏玩家在游戏中扮演的角色。
S1033.为每个成员设置第二节点,所述第一节点指向其对应的第二节点。
S1035.设置发挥调节因子节点,所述发挥调节因子节点指向各个第二节点,以使得第二节点表征其对应的成员在游戏对局中单场发挥的能力的随机概率分布。
S1037.为游戏对局中的每个团队对应设置团队调节因子节点和团队能力节点,所述团队调节因子节点指向其对应的团队能力节点,所述团队中的成员对应的第二节点指向其对应的团队能力节点,以使得所述团队能力节点表征团队在游戏对局中单场发挥的能力的随机概率分布。
S1039.为游戏对局设置对局结果节点,各个团队能力节点指向所述对局结果节点以使得所述对局结果节点表征游戏对局的结果。
以斗地主为例,请参考图6,其示出了根据斗地主的游戏对象构建得到的概率图模型的示意图。所述概率图模型中第一节点、第二节点、发挥调节因子节点、团队调节因子节点、团队能力节点、对局结果节点均可以代表一个随机变量,箭头代表随机变量的条件依赖关系。A指向B代表随机变量B条件依赖随机变量A的值。可观测的随机变量的节点被涂灰,不可观测的随机变量的节点无色。
这里要特别要指出的是,本发明实施例引入的团队调节因子节点γ1和γ2,分别对应地主和农民队,十分关键,其可以使得所述概率图模型更加贴近游戏对象的执行逻辑,以便于后续对玩家游戏能力进行获取,在实际建模中为了降低模型复杂度的需要,可以使正态分布代替随机概率分布。图6中涉及的相关内容介绍如下:
s1:地主对应的第一节点,表征持有地主角色的玩家的能力,服从正态分布N(μ1,σ1)。
s2:第一个农民对应的第一节点,表征持有第一个农民角色的玩家的能力,这个服从正态分布N(μ2,σ2)。
s3:第二个农民对应的第一节点,表征持有第二个农民角色的玩家的能力,服从正态分布N(μ3,σ3)。
β:发挥调节因子节点,表征持有第一个农民角色的玩家、持有第一个农民角色的玩家和持有第二个农民角色的玩家的单场发挥环境造成的其实际发挥能力的波动。
p1:地主对应的第二节点,表征持有地主角色的玩家在游戏对局中单场发挥的能力,服从正态分布N(s1,β)。
p2:第一个农民对应的第二节点,表征持有第一个农民角色的玩家在游戏对局中单场发挥的能力,服从正态分布N(s2,β)。
p3:第二个农民对应的第二节点,表征持有第二个农民角色的玩家在游戏对局中单场发挥的能力,服从正态分布N(s3,β)。
λ1:地主队的团队调节因子节点,表征游戏对象的执行逻辑对于地主队实际发挥的影响。
t1:地主队的团队能力节点,表征地主队在游戏对局中单场发挥能力,其可以被表示为t1=λ1p1。
λ2:农民队的团队调节因子节点,表征游戏对象的执行逻辑对于农民队实际发挥的影响。
t2:农民队的团队能力节点,表征农民队在游戏对局中单场发挥能力,其可以被表示为t2=λ2(p2+p3)。
d:对局结果节点,表征所述游戏对局的对局结果,其由t1和t2唯一确定。
r:对局结果节点的值,当t1大于t2时,取值为1,表征地主队胜利;当t1不大于t2时,取值为0,表征农民队胜利。
S105.根据所述概率图模型得到所述概率图对应的因子图。
因子图(factor graph)是图模型的一种,本发明实施例并不限定因子图的具体形式。
在一个可行的实施例中可以使用forney-style factor graph(FFG)表征所述概率图模型得到所述概率模型图对应的因子图。FFG由节点、边缘、半边缘(只与一个节点连接)组成;FFG的定义规则包括:
(1)每个因子对应唯一的节点;
(2)每个变量对应唯一的边缘或半边缘;
(3)代表因子的节点与代表变量的边缘(或半边缘)相连,当且仅当所述因子为所述变量的函数。
所述因子图可以代表关于若干随机变量的联合概率分布(或联合概率密度),进一步假设对应的其中一些变量的边缘组成了一个割集(换言之,移除这些边缘可以将图标分割成了不相连的两部分)。这种情况下,以一部分变量为条件,一部分因子图中的变量与另一部分因子图中的每个变量都是相互独立的。如图7所示,其示出了一个因子图,所述因子图中三个节点对应三个因子f1,f2和f3,两个边缘对应两个变量分别为x,z,三个半边缘对应三个变量u,w,y,所述因子图可以表示如下关系f(u,w,x,y,z)=f1(u,w,x)f2(x,y,z)f1(z)
以本发明实施例中的斗地主的概率模型图为例,其对应的因子图如图8所示,其为一个无向因子图,其中黑色方块表示一个因子。
S107.获取所述非对称游戏的游戏对局数据,所述游戏对局数据中包括多次单局游戏对局数据,每个单局游戏对局数据中均具有相同的玩家分布,所述玩家分布包括玩家以及玩家对应的角色。
以斗地主为例,各个单局游戏对局数据中均包括三个角色:地主,第一个农民和第二个农民,其中地主都是玩家张三,第一个农民都是玩家李四,第二个农民都是玩家王五。
每个单局游戏对局数据均包括了本次对局的输赢结果和各个玩家的基本信息。
游戏对局数据是本发明实施例所需采集的数据,在实际的游戏场景中非常容易获得,由此,降低了本发明实施例的实施难度,也扩展了其使用范围和适用场景。
S109.基于所述因子图根据所述游戏对局数据,使用和积算法计算所述游戏对局数据中各个玩家的能力后验分布,根据所述能力后验分布确定玩家能力。
以斗地主为例,即计算节点s1、s2、s3的后验分布,所述后验分布即为玩家的能力获取结果。
本发明实施例中可以基于和积算法对节点s1、s2、s3进行后验分布的计算。所述和积算法包括下述内容:
(1)所述边缘函数用于计算边缘函数沿着边沿的两个方向的信息的乘积,对于所有边缘节点,其分布可以被同时得到。
(2)和积算法适用于任何非循环因子图。
(3)半边缘不携带任何的传入信息,或者说携带的信息为常数因子1。
本发明实施例基于和积算法通过计算因子到随机变量节点和随机变量到因子节点的消息来计算随机变量对应的节点s1、s2、s3的后验分布。值得注意的是本发明实施例中假设的随机概率分布为正态分布,引入的团队调节因子和发挥调节因子对应正态分布的信息,使得基于和积算法得到的后验分布具有高准确性的优势。
在一个优选的实施例中,本发明实施例还包括:
S1011.根据所述游戏对局数据和所述因子图计算所述团队调节因子和发挥调节因子。
基于游戏对象的模型概率图进行游戏玩家能力获取的过程中需要涉及到团队调节因子和发挥调节因子,团队调节因子和发挥调节因子的选择对玩家能力的获取质量有很大的影响,也影响到玩家能力获取结果在实际的游戏业务中的应用。具体地,所述游戏对局数据包括多个游戏对局的输赢结果,所述游戏对局数据的数据量越大,计算得到的所述团队调节因子和发挥调节因子越为精确。团队调节因子和发挥调节因子越精确,则基于游戏对象的模型概率图进行游戏玩家能力获取的结果越精确。
在现有技术中的的TrueSkill排名系统中,只涉及到发挥调节因子,因此,现有技术无法给出对作为超参数的团队调节因子和发挥调节因子的计算问题的解决方法。具体地,对于所述游戏对局数据而言,单个游戏对局中团队调节因子和发挥调节因子以及各个节点的取值都是真实的,因此,计算所述团队调节因子和发挥调节因子的问题即可被转化为极大似然估计问题。
具体地,所述根据游戏对局数据和所述因子图计算所述团队调节因子和发挥调节因子如图9所示,包括:
S10111.按照预设算法为团队调节因子和发挥调节因子的值进行枚举,以得到超参数集,所述超参数集中每个元素均包括团队调节因子的值和发挥调节因子的值。
S10113.将所述超参数集中的每个元素作为已知量,将所述游戏对局数据中的各个单局游戏对局数据依次输入和积模型以得到各个所述单局游戏对局数据对应的似然值,所述和积模型用于以因子图作为和积算法运行基础得到游戏对局数据中各个单局游戏对局数据中输赢结果的似然值。
所述和积模型中运行和积算法的思想为:沿着因子图的某个边缘从因子传递出的信息是所述因子和沿着除所述边缘以外的其它所有边缘传入的信息的乘积,然后除以除去所述边缘以外其余所述有相关变量进行求和的结果。
S10115.根据所述各个所述单局游戏对局数据对应的似然值,计算所述元素对应的目标值。
具体地,所述目标值为各个所述单局游戏对局数据对应的似然值的加权和值,在一个可行的实施例中,各个所述单局游戏对局数据对应的似然值的权值均为1。
S10117.根据数值最大的目标值对应的元素得到团队调节因子和发挥调节因子。
本发明实施例给出了一种非对称游戏玩家能力获取方法,可以获取每个参与非对称游戏的游戏玩家的能力,并且还能够进一步计算非对称游戏中的团队调节因子和发挥调节因子,从而对于游戏对局战况进行精准掌控,并对游戏的对局结果进行更为准确的预测。
为了验证本发明实施例中对玩家能力获取的精准度,本发明实施例中使用人工生成的非对称对局数据来验证本发明实施例中技术方案和现有的TrueSkill排名系统在玩家能力测定方面的差别。根据测定结果,可以看到本发明实施例中技术方案相比TrueSkill排名系统能更好的对玩家能力进行建模,从而对游戏的对局结果(胜率)进行更准确的预测。
对局数据的具体生成方法描述如下:
重复生成N个玩家:每个玩家的实力分从{20,50,80,110}中随机选出一个数。
重复生成M局对战:每局从N个玩家中随机选取3个人,三个人的实力分为a1,a2和a3。对局的结果服从伯努利分布,其参数p=a1/(a1+0.5*(a2+a3)),代表玩家1的真实对局胜率。
分别应用本发明实施例中技术方案与TrueSkill排名系统,基于所生成的对局数据,可以得到被不断更新的N个玩家的能力,并计算在已知每个数据点后的玩家1的胜率的估计值。将这个估计值和真实的胜率的做差即可得到误差(Error),并以误差作为预测效果的指标,将M局胜率差值的平均值作为本发明实施例中技术方案与TrueSkill排名系统的性能指标,平均值越小代表方案的预测能力越强,玩家能力测定越准确;反之,方案的性能越差。
令N=100,并不断改变M的值{2000,4000,6000,8000,10000,12000,14000,18000,2000},可以得到在不同的对局数据下,不同方案的性能对比。为加强数据的统计学意义,每个M的取值,重复进行10次独立实验,计算这个样本的平均值和标准差。实际结果如图10所示。
显而易见本发明实施例中技术方案与TrueSkill排名系统相比有更稳定更小的误差。此外,随着M的增加,本发明实施例中技术方案的误差有更加明显的减小的趋势,当M=20000时,本发明实施例中技术方案的误差均值约为0.065,而TrueSkill排名系统约为0.13。本发明实施例中技术方案的性能提高约50%,效果十分明显。
本发明实施例还提供一种非对称游戏玩家能力获取装置,如图11,所述装置包括:
非对称游戏的游戏对象获取模块201,用于获取非对称游戏的游戏对象,所述游戏对象指向所述非对称游戏的执行逻辑;
概率图模型构建模块203,用于根据所述游戏对象为所述非对称游戏构建概率图模型,所述概率图模型中为参与所述非对称游戏的游戏对局的每个团队均设置一个团队能力调节因子,所述团队能力调节因子作用于所述团队中的各个成员,所述概率图模型中为参与非对称游戏的游戏对局的各个成员设置发挥调节因子,所述发挥调节因子作用于所述游戏对局中的每个成员;
因子图获取模块205,用于根据所述概率图模型得到所述概率图对应的因子图;
游戏对局数据获取模块207,用于获取所述非对称游戏的游戏对局数据,所述游戏对局数据中包括多次单局游戏对局数据,每个单局游戏对局数据中均具有相同的玩家分布,所述玩家分布包括玩家以及玩家对应的角色;
玩家能力获取模块209,用于基于所述因子图根据所述游戏对局数据,使用和积算法计算所述游戏对局数据中各个玩家的能力后验分布,根据所述能力后验分布确定玩家能力。
在一个优选的实施例中,所述装置还包括超参数获取模块2011,所述超参数获取模块用于根据所述游戏对局数据和所述因子图计算所述团队调节因子和发挥调节因子,如图12所示,所述超参数获取模块2011,包括;
枚举单元20111,用于按照预设算法为团队调节因子和发挥调节因子的值进行枚举,以得到超参数集,所述超参数集中每个元素均包括团队调节因子的值和发挥调节因子的值;
似然值计算单元20113,用于将所述超参数集中的每个元素作为已知量,将所述游戏对局数据中的各个单局游戏对局数据依次输入和积模型以得到各个所述单局游戏对局数据对应的似然值,所述和积模型用于以因子图作为和积算法运行基础得到游戏对局数据中各个单局游戏对局数据中输赢结果的似然值;
目标值计算单元20115,用于根据所述各个所述单局游戏对局数据对应的似然值,计算所述元素对应的目标值;
超参数计算单元20117,用于根据数值最大的目标值对应的元素得到团队调节因子和发挥调节因子。
具体地,本发明实施例所述一种非对称游戏玩家能力获取装置与方法实施例均基于相同发明构思。详情请参见方法实施例,在此不再赘述。
本发明实施例还提供了一种计算机存储介质,所述计算机存储介质可以存储有多条指令。
所述指令可以适于由处理器加载并执行本发明实施例所述的一种非对称游戏玩家能力获取方法,所述方法至少包括下述步骤:
一种非对称游戏玩家能力获取方法,所述方法包括:
获取非对称游戏的游戏对象,所述游戏对象指向所述非对称游戏的执行逻辑;
根据所述游戏对象为所述非对称游戏构建概率图模型,所述概率图模型中为参与所述非对称游戏的游戏对局的每个团队均设置一个团队能力调节因子,所述团队能力调节因子作用于所述团队中的各个成员,所述概率图模型中为参与非对称游戏的游戏对局的各个成员设置发挥调节因子,所述发挥调节因子作用于所述游戏对局中的每个成员;
根据所述概率图模型得到所述概率图对应的因子图;
获取所述非对称游戏的游戏对局数据,所述游戏对局数据中包括多次单局游戏对局数据,每个单局游戏对局数据中均具有相同的玩家分布,所述玩家分布包括玩家以及玩家对应的角色;
基于所述因子图根据所述游戏对局数据,使用和积算法计算所述游戏对局数据中各个玩家的能力后验分布,根据所述能力后验分布确定玩家能力。
在一个优选的实施例中,所述根据所述游戏对象为所述非对称游戏构建概率图模型,包括:
为游戏对象中参与游戏对局的成员设置第一节点,每个第一节点对应一个所述成员能力的随机概率分布;
为每个成员设置第二节点,所述第一节点指向其对应的第二节点;
设置发挥调节因子节点,所述发挥调节因子节点指向各个第二节点,以使得第二节点表征其对应的成员在游戏对局中单场发挥的能力的随机概率分布;
为游戏对局中的每个团队对应设置团队调节因子节点和团队能力节点,所述团队调节因子节点指向其对应的团队能力节点,所述团队中的成员对应的第二节点指向其对应的团队能力节点,以使得所述团队能力节点表征团队在游戏对局中单场发挥的能力的随机概率分布;
为游戏对局设置对局结果节点,各个团队能力节点指向所述对局结果节点以使得所述对局结果节点表征游戏对局的结果。
在一个优选的实施例中,所述根据所述概率图模型得到所述概率图对应的因子图,包括:
将所述概率图模型转化为FFG因子图。
在一个优选的实施例中,所述方法还包括:
根据所述游戏对局数据和所述因子图计算所述团队调节因子和发挥调节因子。
在一个优选的实施例中,所述根据所述游戏对局数据和所述因子图计算所述团队调节因子和发挥调节因子,包括:
按照预设算法为团队调节因子和发挥调节因子的值进行枚举,以得到超参数集,所述超参数集中每个元素均包括团队调节因子的值和发挥调节因子的值;
将所述超参数集中的每个元素作为已知量,将所述游戏对局数据中的各个单局游戏对局数据依次输入和积模型以得到各个所述单局游戏对局数据对应的似然值,所述和积模型用于以因子图作为和积算法运行基础得到游戏对局数据中各个单局游戏对局数据中输赢结果的似然值;
根据所述各个所述单局游戏对局数据对应的似然值,计算所述元素对应的目标值;
根据数值最大的目标值对应的元素得到团队调节因子和发挥调节因子。
在一个优选的实施例中,所述目标值为各个所述单局游戏对局数据对应的似然值的加权和值。
进一步地,图13示出了一种用于实现本发明实施例所提供的方法的设备的硬件结构示意图,所述设备可以参与构成或包含本发明实施例所提供的装置或系统。如图13所示,设备10可以包括一个或多个(图中采用102a、102b,……,102n来示出)处理器102(处理器102可以包括但不限于微处理器MCU或可编程逻辑器件FPGA等的处理装置)、用于存储数据的存储器104、以及用于通信功能的传输装置106。除此以外,还可以包括:显示器、输入/输出接口(I/O接口)、通用串行总线(USB)端口(可以作为I/O接口的端口中的一个端口被包括)、网络接口、电源和/或相机。本领域普通技术人员可以理解,图13所示的结构仅为示意,其并不对上述电子装置的结构造成限定。例如,设备10还可包括比图13中所示更多或者更少的组件,或者具有与图13所示不同的配置。
应当注意到的是上述一个或多个处理器102和/或其他数据处理电路在本文中通常可以被称为“数据处理电路”。该数据处理电路可以全部或部分的体现为软件、硬件、固件或其他任意组合。此外,数据处理电路可为单个独立的处理模块,或全部或部分的结合到设备10(或移动设备)中的其他元件中的任意一个内。如本申请实施例中所涉及到的,该数据处理电路作为一种处理器控制(例如与接口连接的可变电阻终端路径的选择)。
存储器104可用于存储应用软件的软件程序以及模块,如本发明实施例中所述的方法对应的程序指令/数据存储装置,处理器102通过运行存储在存储器104内的软件程序以及模块,从而执行各种功能应用以及数据处理,即实现上述的一种非对称游戏玩家能力获取方法。存储器104可包括高速随机存储器,还可包括非易失性存储器,如一个或者多个磁性存储装置、闪存、或者其他非易失性固态存储器。在一些实例中,存储器104可进一步包括相对于处理器102远程设置的存储器,这些远程存储器可以通过网络连接至设备10。上述网络的实例包括但不限于互联网、企业内部网、局域网、移动通信网及其组合。
传输装置106用于经由一个网络接收或者发送数据。上述的网络具体实例可包括设备10的通信供应商提供的无线网络。在一个实例中,传输装置106包括一个网络适配器(NetworkInterfaceController,NIC),其可通过基站与其他网络设备相连从而可与互联网进行通讯。在一个实例中,传输装置106可以为射频(RadioFrequency,RF)模块,其用于通过无线方式与互联网进行通讯。
显示器可以例如触摸屏式的液晶显示器(LCD),该液晶显示器可使得用户能够与设备10(或移动设备)的用户界面进行交互。
需要说明的是:上述本发明实施例先后顺序仅仅为了描述,不代表实施例的优劣。且上述对本说明书特定实施例进行了描述。其它实施例在所附权利要求书的范围内。在一些情况下,在权利要求书中记载的动作或步骤可以按照不同于实施例中的顺序来执行并且仍然可以实现期望的结果。另外,在附图中描绘的过程不一定要求示出的特定顺序或者连续顺序才能实现期望的结果。在某些实施方式中,多任务处理和并行处理也是可以的或者可能是有利的。
本说明书中的各个实施例均采用递进的方式描述,各个实施例之间相同相似的部分互相参见即可,每个实施例重点说明的都是与其他实施例的不同之处。尤其,对于装置和服务器实施例而言,由于其基本相似于方法实施例,所以描述的比较简单,相关之处参见方法实施例的部分说明即可。
本领域普通技术人员可以理解实现上述实施例的全部或部分步骤可以通过硬件来完成,也可以通过程序来指令相关的硬件完成,所述的程序可以存储于一种计算机可读存储介质中,上述提到的存储介质可以是只读存储器,磁盘或光盘等。
以上所述仅为本发明的较佳实施例,并不用以限制本发明,凡在本发明的精神和原则之内,所作的任何修改、等同替换、改进等,均应包含在本发明的保护范围之内。
Claims (10)
1.一种非对称游戏玩家能力获取方法,其特征在于,所述方法包括:
获取非对称游戏的游戏对象,所述游戏对象指向所述非对称游戏的执行逻辑;
根据所述游戏对象为所述非对称游戏构建概率图模型,所述概率图模型中为参与所述非对称游戏的游戏对局的每个团队均设置一个团队能力调节因子,所述团队能力调节因子作用于所述团队中的各个成员,所述概率图模型中为参与非对称游戏的游戏对局的各个成员设置发挥调节因子,所述发挥调节因子作用于所述游戏对局中的每个成员;
根据所述概率图模型得到所述概率图对应的因子图;
获取所述非对称游戏的游戏对局数据,所述游戏对局数据中包括多次单局游戏对局数据,每个单局游戏对局数据中均具有相同的玩家分布,所述玩家分布包括玩家以及玩家对应的角色;
基于所述因子图根据所述游戏对局数据,使用和积算法计算所述游戏对局数据中各个玩家的能力后验分布,根据所述能力后验分布确定玩家能力。
2.根据权利要求1所述的方法,其特征在于,所述根据所述游戏对象为所述非对称游戏构建概率图模型,包括:
为游戏对象中参与游戏对局的成员设置第一节点,每个第一节点对应一个所述成员能力的随机概率分布;
为每个成员设置第二节点,所述第一节点指向其对应的第二节点;
设置发挥调节因子节点,所述发挥调节因子节点指向各个第二节点,以使得第二节点表征其对应的成员在游戏对局中单场发挥的能力的随机概率分布;
为游戏对局中的每个团队对应设置团队能力调节因子节点和团队能力节点,所述团队能力调节因子节点指向其对应的团队能力节点,所述团队中的成员对应的第二节点指向其对应的团队能力节点,以使得所述团队能力节点表征团队在游戏对局中单场发挥的能力的随机概率分布;
为游戏对局设置对局结果节点,各个团队能力节点指向所述对局结果节点以使得所述对局结果节点表征游戏对局的结果。
3.根据权利要求1所述的方法,其特征在于,所述根据所述概率图模型得到所述概率图对应的因子图,包括:
将所述概率图模型转化为FFG因子图。
4.根据权利要求1所述的方法,其特征在于,所述方法还包括:
根据所述游戏对局数据和所述因子图计算所述团队能力调节因子和发挥调节因子。
5.根据权利要求4所述的方法,其特征在于,所述根据所述游戏对局数据和所述因子图计算所述团队能力调节因子和发挥调节因子,包括:
按照预设算法为团队能力调节因子和发挥调节因子的值进行枚举,以得到超参数集,所述超参数集中每个元素均包括团队能力调节因子的值和发挥调节因子的值;
将所述超参数集中的每个元素作为已知量,将所述游戏对局数据中的各个单局游戏对局数据依次输入和积模型以得到各个所述单局游戏对局数据对应的似然值,所述和积模型用于以因子图作为和积算法运行基础得到游戏对局数据中各个单局游戏对局数据中输赢结果的似然值;
根据所述各个所述单局游戏对局数据对应的似然值,计算所述元素对应的目标值;
根据数值最大的目标值对应的元素得到团队能力调节因子和发挥调节因子。
6.根据权利要求5所述的方法,其特征在于:
所述目标值为各个所述单局游戏对局数据对应的似然值的加权和值。
7.一种非对称游戏玩家能力获取装置,其特征在于,所述装置包括:
非对称游戏的游戏对象获取模块,用于获取非对称游戏的游戏对象,所述游戏对象指向所述非对称游戏的执行逻辑;
概率图模型构建模块,用于根据所述游戏对象为所述非对称游戏构建概率图模型,所述概率图模型中为参与所述非对称游戏的游戏对局的每个团队均设置一个团队能力调节因子,所述团队能力调节因子作用于所述团队中的各个成员,所述概率图模型中为参与非对称游戏的游戏对局的各个成员设置发挥调节因子,所述发挥调节因子作用于所述游戏对局中的每个成员;
因子图获取模块,用于根据所述概率图模型得到所述概率图对应的因子图;
游戏对局数据获取模块,用于获取所述非对称游戏的游戏对局数据,所述游戏对局数据中包括多次单局游戏对局数据,每个单局游戏对局数据中均具有相同的玩家分布,所述玩家分布包括玩家以及玩家对应的角色;
玩家能力获取模块,用于基于所述因子图根据所述游戏对局数据,使用和积算法计算所述游戏对局数据中各个玩家的能力后验分布,根据所述能力后验分布确定玩家能力。
8.根据权利要求7所述的装置,其特征在于,所述装置还包括超参数获取模块,所述超参数获取模块用于根据所述游戏对局数据和所述因子图计算所述团队能力调节因子和发挥调节因子,所述超参数获取模块,包括;
枚举单元,用于按照预设算法为团队能力调节因子和发挥调节因子的值进行枚举,以得到超参数集,所述超参数集中每个元素均包括团队能力调节因子的值和发挥调节因子的值;
似然值计算单元,用于将所述超参数集中的每个元素作为已知量,将所述游戏对局数据中的各个单局游戏对局数据依次输入和积模型以得到各个所述单局游戏对局数据对应的似然值,所述和积模型用于以因子图作为和积算法运行基础得到游戏对局数据中各个单局游戏对局数据中输赢结果的似然值;
目标值计算单元,用于根据所述各个所述单局游戏对局数据对应的似然值,计算所述元素对应的目标值;
超参数计算单元,用于根据数值最大的目标值对应的元素得到团队能力调节因子和发挥调节因子。
9.一种设备,其特征在于,所述设备包括处理器和存储器,所述存储器中存储有至少一条指令或至少一段程序,所述至少一条指令或至少一段程序由所述处理器加载并执行以实现如权利要求1-6任一项所述的一种非对称游戏玩家能力获取方法。
10.一种计算机存储介质,其特征在于,所述存储介质中存储有至少一条指令或至少一段程序,所述至少一条指令或至少一段程序由处理器加载并执行如权利要求1-6任一项所述的一种非对称游戏玩家能力获取方法。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201910751473.8A CN110368696B (zh) | 2019-08-15 | 2019-08-15 | 一种非对称游戏玩家能力获取方法、装置、设备及介质 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201910751473.8A CN110368696B (zh) | 2019-08-15 | 2019-08-15 | 一种非对称游戏玩家能力获取方法、装置、设备及介质 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN110368696A CN110368696A (zh) | 2019-10-25 |
CN110368696B true CN110368696B (zh) | 2022-11-25 |
Family
ID=68259436
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201910751473.8A Active CN110368696B (zh) | 2019-08-15 | 2019-08-15 | 一种非对称游戏玩家能力获取方法、装置、设备及介质 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN110368696B (zh) |
Families Citing this family (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN111905377B (zh) * | 2020-08-20 | 2021-12-10 | 腾讯科技(深圳)有限公司 | 一种数据处理方法、装置、设备及存储介质 |
Family Cites Families (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
EP1862955A1 (en) * | 2006-02-10 | 2007-12-05 | Microsoft Corporation | Determining relative skills of players |
US7647289B2 (en) * | 2006-06-02 | 2010-01-12 | Microsoft Corporation | Learning belief distributions for game moves |
CN104331600B (zh) * | 2014-09-30 | 2018-07-17 | 百度在线网络技术(北京)有限公司 | 基于因子图模型的自诊模型训练方法和装置 |
US10503791B2 (en) * | 2017-09-04 | 2019-12-10 | Borislav Agapiev | System for creating a reasoning graph and for ranking of its nodes |
CN108553903B (zh) * | 2018-04-19 | 2021-11-23 | 网易(杭州)网络有限公司 | 控制机器人玩家方法及装置 |
-
2019
- 2019-08-15 CN CN201910751473.8A patent/CN110368696B/zh active Active
Also Published As
Publication number | Publication date |
---|---|
CN110368696A (zh) | 2019-10-25 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN109513215B (zh) | 一种对象匹配方法、模型训练方法以及服务器 | |
CN107335220B (zh) | 一种消极用户的识别方法、装置及服务器 | |
KR20200127169A (ko) | 플레이어의 경쟁형 게임플레이 참여 장려 | |
US10192397B2 (en) | Automated hand strength estimation for card games | |
US20170050081A1 (en) | Virtual competition environment | |
CN110175299B (zh) | 一种推荐信息确定的方法及服务器 | |
CN109126140A (zh) | 游戏难度评估方法、装置和系统 | |
Becker et al. | An analytical approach for fantasy football draft and lineup management | |
WO2018140515A1 (en) | System and methods for determining events of interest in a multi-player online game | |
CN109011580A (zh) | 残局牌面获取方法、装置、计算机设备及存储介质 | |
CN111957047A (zh) | 关卡配置数据调整方法、计算机设备及存储介质 | |
CN110368696B (zh) | 一种非对称游戏玩家能力获取方法、装置、设备及介质 | |
CN111530081A (zh) | 游戏关卡设计方法、装置、存储介质及电子设备 | |
CN110598853B (zh) | 一种模型训练的方法、信息处理的方法以及相关装置 | |
Gao et al. | What you jointly know determines how you act: Strategic interactions in prediction markets | |
Whitehouse | Monte Carlo tree search for games with hidden information and uncertainty | |
CN110941769B (zh) | 目标帐号的确定方法和装置、电子装置 | |
CN113230650A (zh) | 一种数据处理方法、装置及计算机可读存储介质 | |
US8660674B2 (en) | Information types for an APP rating system | |
Lorenzo et al. | Use all your skills, not only the most popular ones | |
Gazda et al. | Agent based model of a simple economy | |
Pan et al. | Behavioral model summarisation for other agents under uncertainty | |
CN111382938A (zh) | 一种比赛信息处理方法、系统及电子设备 | |
CN109876452B (zh) | 游戏信息的检测方法和装置 | |
CN116785718A (zh) | 数据处理方法、装置、电子设备以及可读存储介质 |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
PB01 | Publication | ||
PB01 | Publication | ||
SE01 | Entry into force of request for substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
GR01 | Patent grant | ||
GR01 | Patent grant |