CN105446742A - 一种人工智能执行任务的优化方法 - Google Patents
一种人工智能执行任务的优化方法 Download PDFInfo
- Publication number
- CN105446742A CN105446742A CN201510918797.8A CN201510918797A CN105446742A CN 105446742 A CN105446742 A CN 105446742A CN 201510918797 A CN201510918797 A CN 201510918797A CN 105446742 A CN105446742 A CN 105446742A
- Authority
- CN
- China
- Prior art keywords
- task
- behavior
- artificial intelligence
- optimization
- optimization method
- 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.)
- Granted
Links
Landscapes
- Management, Administration, Business Operations System, And Electronic Commerce (AREA)
Abstract
本发明的技术方案包括一种人工智能执行任务的优化方法，该方法包括：对人工智能角色所执行的任务使用原子行为进行替代，对单一任务行为进行单一化处理，删除关联性行为，还包括执行任务前进行搜索替换和多任务的算法处理。本发明的有益效果为：减少设计人工智能行为的复杂度，同时在NPC的总行为中保持高水准的智能，还使得人工智能具有真实的代入感，让玩家获得更好的游戏体验。
Description
技术领域
本发明涉及一种人工智能执行任务的优化方法，属于计算机游戏开发领域。
背景技术
一般的游戏中，NPC的AI(即本文描述的人工智能)的行为效果是一个完全有序任务。一个NPC的行为效果可能包括破坏一个目标或者获得一个物品。在使用NPC来记录世界状态的系统中，效果被表现为期望的世界状态。在传统的任务系统中，NPC被限制只能在给定的地点及时地挑选一个最重要的行为效果。一旦这个效果被选中，一个NPC可以将原子行为串联成一个序列来创建一个任务。例如如果NPC决定摧毁目标，它选择来完成这个效果的行为可能是攻击。行为有前提条件，这个前提条件描述了在行为执行之前必须是游戏世界上的为真的条件；行为也有效果，效果描述了当行为完成时存在于游戏世界上的必要条件。在攻击行为的例子中，一个前提条件可能是NPC的武器己经上膛，一个效果将会是目标的毁灭。
图1展示了制作三明治的完全有序任务的例子。完全有序任务指定了所有行为的特定顺序，而不管单独的行为是否满足其他行为的前提条件。虽然可以以任何顺序获得肉、奶酪和面包，但是一个完全有序任务指定了执行这些行为的顺序。
这种NPCAI效果的完全有序任务通常是策划用配置表的方式来配置的，它的主要缺点有:
1.必须显式地配置出所有的效果过程中所有确定的任务，策划的工作量很大。
2.由于任务的步骤是确定的，所以NPC的行为没有变化，重复单调，影响游戏世界的真实感和代入感。
3.NPC只能每次执行完一个效果后再继续执行下一个，无法同时执行多个效果，效率慢而且显得不够智能。
发明内容
针对现有技术的缺点，包括策划任务工作量大，人工智能行为单调重复以及其智能低下，人工智能效率低下的现状。本发明的技术方案提供了一种人工智能执行任务的优化方法，用于降低策划工作量，能够实现具有高智能的NPC，还能够有效的执行多个不同任务。
本发明的技术方案包括一种人工智能执行任务的优化方法，用于游戏人工智能的开发，其特征在于，该方法包括：对人工智能所执行的任务以多个原子行为进行替换，原子行为可以被其他任务重用；对具有多个重叠行为的任务进行单一化处理，包括对相似或相同的任务行为使用单一行为进行执行；在人工智能执行任务时，对所执行的任务进行关联查询，查询得到相关性任务和/或行为，如果相关性任务对任务结果没有影响，则删除所执行的相关性任务和/或行为处理动作；在人工智能执行任务时，会对任务进行优化查询，获取与所执行的任务对应的最优候选行为，并依照最优候选行为对所执行的行为进行最优优化；在人工智能执行多个任务时，对多个任务进行算法计算，得出多个任务的最优执行流程和对应的行为组合，并根据计算结果执行任务。
所述人工智能执行任务的优化方法，该方法还包括：所述人工智能执行的任务包括多个行为，对于同一个任务中的行为顺序不一定相同，但执行不同的行为顺序的执行结果相同；
所述人工智能执行任务的优化方法，还包括：对所述人工智能执行的任务中的行为顺序使用原子行为进行替换，并按照最优顺序进行排序和执行，并且原子行为可以被替他任务的行为重用。
一种人工智能执行任务的优化方法，该方法还包括：对于具有重叠行为的多个任务，将多个任务优化为一个单独执行的任务，该单独执行的任务比原来每个执行的多个任务所消耗的系统资源要低。
一种人工智能执行任务的优化方法，该方法还包括：使用数据存储技术存储候选行为，候选行为包括原子行为和已经实现优化的任务行为，能够接收其他任务的调用。
一种人工智能执行任务的优化方法，该方法还包括：在人工智能执行任务时，首先会对任务所执行的行为进行关联查询，根据查询结果获取相关性任务和/或行为，当相关性任务和/或行为对任务结果不产生影响时，则删除对该相关性任务和/或行为的处理，并将对应关联性任务和/或行为的处理方式进行存储，以用于其他任务的快速关联查询。
一种人工智能执行任务的优化方法，该方法还包括：在执行所述的关联查询及处理后，对任务中的行为流程进行优化处理，包括对每一个行为进行遍历搜索，通过算法确认是否能够被更优的行为替代，还包括对任务中的行为执行顺序进行算法计算，以获得最优的执行顺序。
一种人工智能执行任务的优化方法，该方法还包括：根据优化行为的优化效果对使用对应的标识对其进行评价，不同的标识表示不同的优化效果，使其在以后的任务执行过程中能够更好的实现优化。
一种人工智能执行任务的优化方法，该方法还包括：对于同时处理的两个或两个以上的任务，使用启发式搜索算法对多个任务进行计算，检查其中的任务行为是否可以被另外的任务行为替代，如果存在可替代行为，在保证优化行为不变的同时将两个或以上的行为放到一个单独的任务中，并且可以根据评价决定行为执行顺序。
一种人工智能执行任务的优化方法，该方法还包括：对多个任务进行优化，使其能够被一个单独行为进行替代优化。
本发明的有益效果为：减少设计人工智能行为的复杂度，同时在NPC的总行为中保持很高水准的智能，还使得人工智能具有真实的代入感，让玩家获得更好的游戏体验。
附图说明
图1所示为示例性的任务行为对比图；
图2所示为根据本发明实施方式的流程图；
图3a、3b所示为根据本发明实施方式的任务行为优化图。
具体实施方式
为了使本发明的目的、技术方案和优点更加清楚，下面结合附图和具体实施例对本发明进行详细描述。本发明的一种人工智能执行任务的优化方法适用于单机游戏、手机游戏、网页游戏等游戏的开发，尤其适用于在控制角色扮演类游戏中实现的游戏人工智能角色的开发。
图2所示为根据本发明实施方式的流程图。步骤详情为：对人工智能所执行的任务以多个原子行为进行替换，原子行为可以被其他任务重用；对具有多个重叠行为的任务进行单一化处理，包括对相似或相同的任务行为使用单一行为进行执行；在人工智能执行任务时，对所执行的任务进行关联查询，查询得到相关性任务和/或行为，如果相关性任务对任务结果没有影响，则删除所执行的相关性任务和/或行为处理动作；在人工智能执行任务时，会对任务进行优化查询，获取与所执行的任务对应的最优候选行为，并依照最优候选行为对所执行的行为进行最优优化；在人工智能执行多个任务时，对多个任务进行算法计算，得出多个任务的最优执行流程和对应的行为组合，并根据计算结果执行任务。
图3a、3b所示为根据本发明实施方式的任务行为优化图。以一个NPC有一个任务为例，从世界中收集所有道具并把它们带回到家中。如果一个NPC一次只能携带一个道具，很显然最好的选择就是走向一个道具，收集它然后回家。但是如果一个NPC可以携带多个道具，显然存在很多情况，NPC可以通过同时收集多个道具来减少它旅行的总路程。利用一个任务系统，可以有很多方式来完成这个行为。假设收集道具并返回家的效果叫做道具返回效果。写一些更小、可重用的原子行为是更容易的，比如为了寻路的GoTo，从世界中收集道具的GetItem和把道具放在家中的ReturnItem。这些多样行为允许任务者以正确的顺序将它们串联起来，以完成复杂的工作，并进一步允许在很多类型的NPC中重用行为，可以通过任务优化来完成期望的行为。普遍会选取两个有重叠行为的任务，把它们优化为一个比单独执行每个原本任务消耗要低的单一任务。在这个例子中，NPC可以独自收集每个道具，产生两个不相关但十分相似的任务，如图3b所示，优化这样的两个任务的可能结果是尽可能优化更多的行为，产生单独的任务，如图3b所示，当NPC执行这个任务时，它会在回家前收集两个道具。
以上所述，只是本发明的较佳实施例而已，本发明并不局限于上述实施方式，只要其以相同的手段达到本发明的技术效果，都应属于本发明的保护范围。在本发明的保护范围内其技术方案和/或实施方式可以有各种不同的修改和变化。
Claims (10)
1.一种人工智能执行任务的优化方法，用于游戏人工智能的开发，其特征在于，该方法包括：
对人工智能所执行的任务以多个原子行为进行替换，其中原子行为为小粒度可重用行为；
对具有多个重叠行为的任务进行单一化处理，包括对相似或相同的任务行为使用单一行为进行执行；
在人工智能执行任务时，对所执行的任务进行关联查询，查询得到相关性任务和/或行为，如果相关性任务对任务结果没有影响，则删除所执行的相关性任务和/或行为处理动作；
在人工智能执行任务时，对任务进行优化查询，获取与所执行的任务对应的最优候选行为，并依照最优候选行为对所执行的行为进行最优优化；
在人工智能执行多个任务时，对多个任务进行算法计算，得出多个任务的最优执行流程和对应的行为组合，并根据计算结果执行任务。
2.根据权利要求1所述的一种人工智能执行任务的优化方法，其特征在于，该方法还包括：
所述人工智能执行的任务包括多个行为，对于同一个任务中的行为顺序不一定相同，但执行不同的行为顺序的执行结果相同。
3.根据权利要求2所述的一种人工智能执行任务的优化方法，其特征在于，该方法还包括：
对所述人工智能执行的任务中的行为顺序使用原子行为进行替换，并按照最优顺序进行排序和执行，并且原子行为被替他任务的行为重用。
4.根据权利要求1所述的一种人工智能执行任务的优化方法，其特征在于，所述的单一化处理包括：
对于具有重叠行为的多个任务，将多个任务优化为一个单独执行的任务，该单独执行的任务比原来每个执行的多个任务所消耗的系统资源要低。
5.根据权利要求1或3所述的一种人工智能执行任务的优化方法，其特征在于，该方法包括：
使用数据存储技术存储候选行为，候选行为包括原子行为和已经实现优化的任务行为，能够接收其他任务的调用。
6.根据权利要求1所述的一种人工智能执行任务的优化方法，其特征在于，该方法还包括：
在人工智能执行任务时，首先对任务所执行的行为进行关联查询，根据查询结果获取相关性任务和/或行为，当相关性任务和/或行为对任务结果不产生影响时，则删除对该相关性任务和/或行为的处理，并将对应关联性任务和/或行为的处理方式进行存储，以用于其他任务的快速关联查询。
7.根据权利要求6所述的一种人工智能执行任务的优化方法，其特征在于，该方法还包括：
在执行所述的关联查询及处理后，对任务中的行为流程进行优化处理，包括对每一个行为进行遍历搜索，通过算法确认是否能够被更优的行为替代，还包括对任务中的行为执行顺序进行算法计算，以获得最优的执行顺序。
8.根据权利要求7所述的一种人工智能执行任务的优化方法，其特征在于，该方法还包括：
根据优化行为的优化效果对使用对应的标识对其进行评价，不同的标识表示不同的优化效果，使其在以后的任务执行过程中能够更好的实现优化。
9.根据权利要求6所述的一种人工智能执行任务的优化方法，其特征在于，该方法还包括：
对于同时处理的两个或两个以上的任务，使用启发式搜索算法对多个任务进行计算，检查其中的任务行为是否被另外的任务行为替代，如果存可替代行为，在保证优化行为不变的同时将两个或以上的行为放到一个单独的任务中，并且根据评价决定行为执行顺序。
10.根据权利要求9所述的一种人工智能执行任务的优化方法，其特征在于，该方法还包括：
对多个任务进行优化，使其能够被一个单独行为进行替代优化。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201510918797.8A CN105446742B (zh) | 2015-12-11 | 2015-12-11 | 一种人工智能执行任务的优化方法 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201510918797.8A CN105446742B (zh) | 2015-12-11 | 2015-12-11 | 一种人工智能执行任务的优化方法 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| CN105446742A true CN105446742A (zh) | 2016-03-30 |
| CN105446742B CN105446742B (zh) | 2019-02-12 |
Family
ID=55556989
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN201510918797.8A Active CN105446742B (zh) | 2015-12-11 | 2015-12-11 | 一种人工智能执行任务的优化方法 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN105446742B (zh) |
Cited By (7)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN106390456A (zh) * | 2016-09-30 | 2017-02-15 | 腾讯科技（深圳）有限公司 | 游戏中角色行为的生成方法和装置 |
| CN107617216A (zh) * | 2016-07-15 | 2018-01-23 | 珠海金山网络游戏科技有限公司 | 一种游戏人工智能任务的设计系统和方法 |
| CN107875632A (zh) * | 2017-12-06 | 2018-04-06 | 广州多益网络股份有限公司 | 实现人工智能行为的方法、系统及人工智能行为编辑器 |
| CN107890674A (zh) * | 2017-11-13 | 2018-04-10 | 杭州电魂网络科技股份有限公司 | Ai行为调用方法和装置 |
| CN109495669A (zh) * | 2017-09-11 | 2019-03-19 | 富士施乐株式会社 | 信息处理装置以及存储程序的计算机可读介质 |
| CN109857552A (zh) * | 2019-01-11 | 2019-06-07 | 珠海金山网络游戏科技有限公司 | 一种游戏人工智能行动规划方法及系统 |
| CN113144590A (zh) * | 2021-03-23 | 2021-07-23 | 苏州乐志软件科技有限公司 | 基于AI Designer的人工智能引擎 |
Citations (3)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| US20070054716A1 (en) * | 2005-09-08 | 2007-03-08 | Kabushiki Kaisha Koei | Network game system, client device and server apparatus |
| CN101699452A (zh) * | 2009-03-11 | 2010-04-28 | 深圳市伯仲通信技术有限公司 | 一种游戏引擎 |
| CN102298673A (zh) * | 2011-09-20 | 2011-12-28 | 北京像素软件科技股份有限公司 | 一种非玩家控制角色的行为决策方法 |
-
2015
- 2015-12-11 CN CN201510918797.8A patent/CN105446742B/zh active Active
Patent Citations (3)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| US20070054716A1 (en) * | 2005-09-08 | 2007-03-08 | Kabushiki Kaisha Koei | Network game system, client device and server apparatus |
| CN101699452A (zh) * | 2009-03-11 | 2010-04-28 | 深圳市伯仲通信技术有限公司 | 一种游戏引擎 |
| CN102298673A (zh) * | 2011-09-20 | 2011-12-28 | 北京像素软件科技股份有限公司 | 一种非玩家控制角色的行为决策方法 |
Cited By (10)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN107617216A (zh) * | 2016-07-15 | 2018-01-23 | 珠海金山网络游戏科技有限公司 | 一种游戏人工智能任务的设计系统和方法 |
| CN107617216B (zh) * | 2016-07-15 | 2020-10-16 | 珠海金山网络游戏科技有限公司 | 一种游戏人工智能任务的设计系统和方法 |
| CN106390456A (zh) * | 2016-09-30 | 2017-02-15 | 腾讯科技（深圳）有限公司 | 游戏中角色行为的生成方法和装置 |
| CN106390456B (zh) * | 2016-09-30 | 2018-09-18 | 腾讯科技（深圳）有限公司 | 游戏中角色行为的生成方法和装置 |
| US10780348B2 (en) | 2016-09-30 | 2020-09-22 | Tencent Technology (Shenzhen) Company Limited | Method and device for generating character behaviors in game and storage medium |
| CN109495669A (zh) * | 2017-09-11 | 2019-03-19 | 富士施乐株式会社 | 信息处理装置以及存储程序的计算机可读介质 |
| CN107890674A (zh) * | 2017-11-13 | 2018-04-10 | 杭州电魂网络科技股份有限公司 | Ai行为调用方法和装置 |
| CN107875632A (zh) * | 2017-12-06 | 2018-04-06 | 广州多益网络股份有限公司 | 实现人工智能行为的方法、系统及人工智能行为编辑器 |
| CN109857552A (zh) * | 2019-01-11 | 2019-06-07 | 珠海金山网络游戏科技有限公司 | 一种游戏人工智能行动规划方法及系统 |
| CN113144590A (zh) * | 2021-03-23 | 2021-07-23 | 苏州乐志软件科技有限公司 | 基于AI Designer的人工智能引擎 |
Also Published As
| Publication number | Publication date |
|---|---|
| CN105446742B (zh) | 2019-02-12 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN105446742A (zh) | 一种人工智能执行任务的优化方法 | |
| US11660521B2 (en) | Method and system for interactive, interpretable, and improved match and player performance predictions in team sports | |
| Auger et al. | Continuous upper confidence trees with polynomial exploration–consistency | |
| CN108463273A (zh) | 基于游戏者的移动历史来进行非游戏者角色的路径寻找的游戏系统等 | |
| CN110969362B (zh) | 一种云计算系统下多目标任务调度方法及系统 | |
| Adibi et al. | A clustering-based modified variable neighborhood search algorithm for a dynamic job shop scheduling problem | |
| CN104820945B (zh) | 基于社团结构挖掘算法的在线社会网络信息传播最大化方法 | |
| CN111773732A (zh) | 目标游戏用户的检测方法、装置及设备 | |
| EP3852014A1 (en) | Method and apparatus for training learning model, and computing device | |
| CN110472790A (zh) | 一种多无人船路径规划方法、终端设备及存储介质 | |
| Moradi et al. | Automatic skill acquisition in reinforcement learning using graph centrality measures | |
| CN103106253A (zh) | 一种MapReduce计算模型中基于遗传算法的数据平衡方法 | |
| CN113018866A (zh) | 地图资源的加载方法和装置、存储介质、电子装置 | |
| Ramanujan et al. | Understanding sampling style adversarial search methods | |
| Zhang et al. | A hybrid alternate two phases particle swarm optimization algorithm for flow shop scheduling problem | |
| CN107169594B (zh) | 一种车辆路径问题的优化方法及装置 | |
| Dai et al. | Mlpa: Detecting overlapping communities by multi-label propagation approach | |
| Ansótegui et al. | Boosting evolutionary algorithm configuration | |
| Grobler et al. | Investigating the impact of alternative evolutionary selection strategies on multi-method global optimization | |
| CN116303082B (zh) | 一种操作系统内核模糊测试种子调度与评估方法 | |
| CN109857552A (zh) | 一种游戏人工智能行动规划方法及系统 | |
| CN107545323A (zh) | 商品的物流配送方法、装置、设备及存储介质 | |
| CN110659492B (zh) | 一种基于多智能体强化学习的恶意软件检测方法及装置 | |
| CN114307124A (zh) | 基于摸牌模式下的智能决策方法、系统及计算机设备 | |
| CN114201199A (zh) | 基于信息安全大数据的防护升级方法及信息安全系统 |
Legal Events
| Date | Code | Title | Description |
|---|---|---|---|
| C06 | Publication | ||
| PB01 | Publication | ||
| C10 | Entry into substantive examination | ||
| SE01 | Entry into force of request for substantive examination | ||
| GR01 | Patent grant | ||
| GR01 | Patent grant | ||
| CP03 | Change of name, title or address | ||
| CP03 | Change of name, title or address |
Address after: 519000 Room 102, 202, 302 and 402, No. 325, Qiandao Ring Road, Tangjiawan Town, high tech Zone, Zhuhai City, Guangdong Province, Room 102 and 202, No. 327 and Room 302, No. 329 Patentee after: Zhuhai Jinshan Digital Network Technology Co.,Ltd. Patentee after: CHENGDU XISHANJU INTERACTIVE ENTERTAINMENT TECHNOLOGY Co.,Ltd. Address before: 519000 Jinshan software building, 8 Lanshan lane, Jida Jingshan Hill Road, Zhuhai, Guangdong Patentee before: ZHUHAI KINGSOFT ONLINE GAME TECHNOLOGY Co.,Ltd. Patentee before: CHENGDU XISHANJU INTERACTIVE ENTERTAINMENT TECHNOLOGY Co.,Ltd. |