CN107335222A - 游戏战斗力值计算方法及装置 - Google Patents

Abstract

本发明实施例提供一种游戏战斗力值计算方法及装置，属于数据处理领域。所述方法包括：创建游戏角色样本，所述游戏角色样本携带有多个游戏属性值；根据所述游戏角色样本的多个游戏属性值及预先通过线性回归模型进行回归训练获取的战斗力值计算公式，获取所述游戏角色样本的战斗力值。本发明通过线性回归模型进行训练获取战斗力值计算公式，然后将游戏角色样本的多个游戏属性值带入该战斗力值计算公式中，可以更为准确地获得该游戏角色样本的战斗力值，从而提升了用户游戏体验。

Description

游戏战斗力值计算方法及装置

技术领域

本发明涉及数据处理领域，具体而言，涉及一种游戏战斗力值计算方法及装置。

背景技术

在网络游戏中，特别是mmorpg类型游戏中，战斗力是衡量不同玩家之间的强弱关系的重要指标，在游戏交互过程中具有重要意义。然而战斗能力是由游戏角色身上多种属性(如血量、攻击力、防御力等)决定的，这些属性中有些直接参与战斗力值计算，而有些并不直接参与；此外战斗是双方之间的交互，双方的属性都对最终战斗结果有影响，所以，在多种属性同时作用下，最终的战斗力和各个属性之间的数值关系就变得不够直观，无法直接得出一个准确的战斗力公式。

现有技术中，可以通过游戏内的伤害公式，加之以往经验，反推出各种属性在组成战斗力时的权重，进而得出战斗力公式，但是这种方法算出的战斗力值不准确，从而使得用户游戏体验不佳。

发明内容

有鉴于此，本发明实施例的目的在于提供一种游戏战斗力值计算方法及装置，以改善上述问题。

第一方面，本发明实施例提供了一种游戏战斗力值计算方法，所述方法包括：创建游戏角色样本，所述游戏角色样本携带有多个游戏属性值；根据所述游戏角色样本的多个游戏属性值及预先通过线性回归模型进行回归训练获取的战斗力值计算公式，获取所述游戏角色样本的战斗力值。

进一步地，所述创建游戏角色样本，所述游戏角色样本携带有多个游戏属性值的步骤之前，所述方法还包括：获取预先创建的设定有最终战斗力值的多个游戏角色样本，其中，每个所述游戏角色样本携带有多个游戏属性；将每个所述游戏角色样本的多个游戏属性值带入到预先获取的线性回归模型中进行回归训练，以获取战斗力值计算公式。

进一步地，所述获取预先创建的设定有最终战斗力值的多个游戏角色样本，其中，每个所述游戏角色样本携带有多个游戏属性，包括：创建多个游戏角色样本，每个所述游戏角色样本携带有多个游戏属性；对所述多个游戏角色样本分别设定初始战斗力值，并基于所述多个游戏角色样本以及模拟的所述多个游戏角色样本两两之间的实际战斗情况，以获取所述多个游戏角色样本的最终战斗力值。

进一步地，对所述多个游戏角色样本分别设定初始战斗力值，并基于所述多个游戏角色样本以及模拟的所述多个游戏角色样本两两之间的实际战斗情况，以获取所述多个游戏角色样本的最终战斗力值，包括：对所述多个游戏角色样本分别设定初始战斗力值；获取所述多个游戏角色样本通过预设的AI系统模拟真实情况下两两互相战斗的战斗结果指标；根据所述战斗结果指标对每场战斗中的两个游戏角色样本进行评分，根据所述评分及所述初始战斗力值获取所述多个游戏角色样本的最终战斗力值。

进一步地，所述线性回归模型为：y＝a₁x₁+a₂x₂+a₃x₃+...+a_nx_n，其中，y为所述最终战斗力值，a₁,a₂,a₃...a_n为特征参数，x₁,x₂,x₃...x_n为游戏属性值。

第二方面，本发明实施例提供了一种游戏战斗力值计算装置，所述装置包括：游戏角色创建模块，用于创建游戏角色样本，所述游戏角色样本携带有多个游戏属性值；战斗力值计算模块，用于根据所述游戏角色样本的多个游戏属性值及预先通过线性回归模型进行回归训练获取的战斗力值计算公式，获取所述游戏角色样本的战斗力值。

进一步地，所述装置还包括：多个游戏角色创建模块，用于获取预先创建的设定有最终战斗力值的多个游戏角色样本，其中，每个所述游戏角色样本携带有多个游戏属性；回归训练模块，用于将每个所述游戏角色样本的多个游戏属性值带入到预先获取的线性回归模型中进行回归训练，以获取战斗力值计算公式。

进一步地，所述多个游戏角色创建模块包括：创建子模块，用于创建多个游戏角色样本，每个所述游戏角色样本携带有多个游戏属性；获取子模块，用于对所述多个游戏角色样本分别设定初始战斗力值，并基于所述多个游戏角色样本以及模拟的所述多个游戏角色样本两两之间的实际战斗情况，以获取所述多个游戏角色样本的最终战斗力值。

进一步地，所述获取子模块包括：设定子模块，用于对所述多个游戏角色样本分别设定初始战斗力值；战斗结果获取子模块，用于获取所述多个游戏角色样本通过预设的AI系统模拟真实情况下两两互相战斗的战斗结果指标；最终战斗力值获取子模块，用于根据所述战斗结果指标对每场战斗中的两个游戏角色样本进行评分，根据所述评分及所述初始战斗力值获取所述多个游戏角色样本的最终战斗力值。

进一步地，所述线性回归模型为：y＝a₁x₁+a₂x₂+a₃x₃+...+a_nx_n，其中，y为所述最终战斗力值，a₁,a₂,a₃...a_n为特征参数，x₁,x₂,x₃...x_n为游戏属性值。

本发明实施例的有益效果是：

本发明实施例提供一种游戏战斗力值计算方法及装置，首先获取游戏角色样本，所述游戏角色样本携带有多个游戏属性值，再根据所述游戏角色样本的多个游戏属性值及预先通过线性回归模型进行回归训练获取的战斗力值计算公式，获取所述游戏角色样本的战斗力值，本发明通过线性回归模型进行训练获取战斗力值计算公式，然后将游戏角色样本的多个游戏属性值带入该战斗力值计算公式中，可以更为准确地获得该游戏角色样本的战斗力值，从而提升了用户游戏体验。

本发明的其他特征和优点将在随后的说明书阐述，并且，部分地从说明书中变得显而易见，或者通过实施本发明实施例了解。本发明的目的和其他优点可通过在所写的说明书、权利要求书、以及附图中所特别指出的结构来实现和获得。

附图说明

为了更清楚地说明本发明实施例的技术方案，下面将对实施例中所需要使用的附图作简单地介绍，应当理解，以下附图仅示出了本发明的某些实施例，因此不应被看作是对范围的限定，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他相关的附图。

图1示出了一种可应用于本申请实施例中的电子设备的结构框图；

图2为本发明实施例提供的一种游戏战斗力值计算方法的流程图；

图3为本发明第二实施例提供的一种游戏战斗力值计算方法的流程图；

图4为本发明第三实施例提供的一种游戏战斗力值计算装置的结构框图；

图5为本发明第四实施例提供的一种游戏战斗力值计算装置的结构框图。

具体实施方式

下面将结合本发明实施例中附图，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。通常在此处附图中描述和示出的本发明实施例的组件可以以各种不同的配置来布置和设计。因此，以下对在附图中提供的本发明的实施例的详细描述并非旨在限制要求保护的本发明的范围，而是仅仅表示本发明的选定实施例。基于本发明的实施例，本领域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。

应注意到：相似的标号和字母在下面的附图中表示类似项，因此，一旦某一项在一个附图中被定义，则在随后的附图中不需要对其进行进一步定义和解释。同时，在本发明的描述中，术语“第一”、“第二”等仅用于区分描述，而不能理解为指示或暗示相对重要性。

请参照图1，图1示出了一种可应用于本申请实施例中的电子设备100的结构框图。电子设备100可以包括游戏战斗力值计算装置、存储器101、存储控制器102、处理器103、外设接口104、输入输出单元105、音频单元106、显示单元107。

所述存储器101、存储控制器102、处理器103、外设接口104、输入输出单元105、音频单元106、显示单元107各元件相互之间直接或间接地电性连接，以实现数据的传输或交互。例如，这些元件相互之间可通过一条或多条通讯总线或信号线实现电性连接。所述游戏战斗力值计算装置包括至少一个可以软件或固件(firmware)的形式存储于所述存储器101中或固化在所述游戏战斗力值计算装置的操作系统(operating system，OS)中的软件功能模块。所述处理器103用于执行存储器101中存储的可执行模块，例如所述游戏战斗力值计算装置包括的软件功能模块或计算机程序。

其中，存储器101可以是，但不限于，随机存取存储器(Random Access Memory，RAM)，只读存储器(Read Only Memory，ROM)，可编程只读存储器(Programmable Read-OnlyMemory，PROM)，可擦除只读存储器(Erasable Programmable Read-Only Memory，EPROM)，电可擦除只读存储器(Electric Erasable Programmable Read-Only Memory，EEPROM)等。其中，存储器101用于存储程序，所述处理器103在接收到执行指令后，执行所述程序，前述本发明实施例任一实施例揭示的流过程定义的服务器所执行的方法可以应用于处理器103中，或者由处理器103实现。

处理器103可以是一种集成电路芯片，具有信号的处理能力。上述的处理器103可以是通用处理器，包括中央处理器(Central Processing Unit，简称CPU)、网络处理器(Network Processor，简称NP)等；还可以是数字信号处理器(DSP)、专用集成电路(ASIC)、现成可编程门阵列(FPGA)或者其他可编程逻辑器件、分立门或者晶体管逻辑器件、分立硬件组件。可以实现或者执行本发明实施例中的公开的各方法、步骤及逻辑框图。通用处理器可以是微处理器或者该处理器103也可以是任何常规的处理器等。

所述外设接口104将各种输入/输出装置耦合至处理器103以及存储器101。在一些实施例中，外设接口104，处理器103以及存储控制器102可以在单个芯片中实现。在其他一些实例中，他们可以分别由独立的芯片实现。

输入输出单元105用于提供给用户输入数据实现用户与所述服务器(或本地终端)的交互。所述输入输出单元105可以是，但不限于，鼠标和键盘等。

音频单元106向用户提供音频接口，其可包括一个或多个麦克风、一个或者多个扬声器以及音频电路。

显示单元107在所述电子设备100与用户之间提供一个交互界面(例如用户操作界面)或用于显示图像数据给用户参考。在本实施例中，所述显示单元107可以是液晶显示器或触控显示器。若为触控显示器，其可为支持单点和多点触控操作的电容式触控屏或电阻式触控屏等。支持单点和多点触控操作是指触控显示器能感应到来自该触控显示器上一个或多个位置处同时产生的触控操作，并将该感应到的触控操作交由处理器103进行计算和处理。

所述外设接口104将各种输入/输入装置耦合至处理器103以及存储器101。在一些实施例中，外设接口104，处理器103以及存储控制器102可以在单个芯片中实现。在其他一些实例中，他们可以分别由独立的芯片实现。

输入输出单元105用于提供给用户输入数据实现用户与处理终端的交互。所述输入输出单元105可以是，但不限于，鼠标和键盘等。

可以理解，图1所示的结构仅为示意，所述电子设备100还可包括比图1中所示更多或者更少的组件，或者具有与图1所示不同的配置。图1中所示的各组件可以采用硬件、软件或其组合实现。

第一实施例

请参照图2，图2为本发明实施例提供的一种游戏战斗力值计算方法的流程图，所述方法具体包括如下步骤：

步骤S110：创建游戏角色样本，所述游戏角色样本携带有多个游戏属性值。

通常游戏内创建的游戏角色具有不同类型的游戏属性，游戏属性一般包括基础属性、百分比属性、额外属性及其他属性等，其中，基础属性一般包括血量、攻击力、防御力等直接影响战斗力值的属性，各个游戏属性对应的值就是游戏属性值，例如，血量1000其属性值即为1000，基础属性可作为独立特征带入线性回归模型中进行训练学习；百分比属性一般为血量加成百分比、攻击加成百分比等，以百分比的形式改变基础属性的值，该百分比属性可以作为基础属性的一个倍率系数带入线性回归模型中进行训练学习；额外属性一般为暴击率和暴击伤害系数，在一定概率内以百分比的形式改变基础属性的值，该额外属性也可以作为转化为基础属性的倍率系数带入线性回归模型中进行训练学习；其他属性一般为韧性，其意义为抵消敌方暴击率的属性，如果敌方没有暴击，此属性就没有作用，该其他属性也可以当做独立的特征带入线性回归模型中进行训练学习。

需要说明的是，游戏角色样本的游戏属性可以包括但不限于上述记载的几种游戏属性。

步骤S120：根据所述游戏角色样本的多个游戏属性值及预先通过线性回归模型进行回归训练获取的战斗力值计算公式，获取所述游戏角色样本的战斗力值。

线性回归模型为预先获取的，可以表示为y＝a₁x₁+a₂x₂+a₃x₃+...+a_nx_n，其中，y为所述最终战斗力值，a₁,a₂,a₃...a_n为特征参数，x₁,x₂,x₃...x_n为游戏属性值。

战斗力值计算公式通过将多个游戏角色样本带入上述的线性回归模型进行回归训练后获得，也就是通过大量的数据实验进行回归训练后算出了上述线性回归模型中的特征系数a₁,a₂,a₃...a_n，得出该特征系数之后，即可得到战斗力值计算公式，然后若要计算某个游戏角色样本的战斗力值，可将该游戏角色的游戏属性值带入所述战斗力值计算公式中即可获得该游戏角色样本的战斗力值。

本发明第一实施例提供了一种游戏战斗力值计算方法，首先获取游戏角色样本，所述游戏角色样本携带有多个游戏属性值，再根据所述游戏角色样本的多个游戏属性值及预先通过线性回归模型进行回归训练获取的战斗力值计算公式，获取所述游戏角色样本的战斗力值，本方法通过线性回归模型进行训练获取战斗力值计算公式，然后将游戏角色样本的多个游戏属性值带入该战斗力值计算公式中，可以更为准确地获得该游戏角色样本的战斗力值，从而提升了用户游戏体验。

第二实施例

请参照图3，图3为本发明第二实施例提供的一种游戏战斗力值计算方法的流程图，所述方法具体包括如下步骤：

步骤S210：获取预先创建的设定有最终战斗力值的多个游戏角色样本，其中，每个所述游戏角色样本携带有多个游戏属性。

首先创建大量的游戏角色样本，每个游戏角色样本均具有多个随机分配的游戏属性。

上述得到的多个游戏角色样本只具有游戏属性，但是没有进行战斗力值设定，即没有具体战斗力值，在进行线性回归模型训练学习时，没有具体战斗力值的游戏角色样本不能被有效的用来进行训练学习，因此需要获得具有战斗力值的游戏角色样本才能进行训练学习。

首先对每个游戏角色样本设定初始战斗力值，即给每个游戏角色样本设定一个初始战斗力值，比如100000。

然后通过游戏内的AI系统，让所创建的多个游戏角色来模拟真实情况下两两互相战斗，获取每场战斗的战斗结果指标，即战斗输赢、战斗耗时、血量消耗等。该战斗结果指标反映了双方游戏角色的差异，据此给每场战斗评一个分数S，赢的一方在初始战斗力值的基础上加S，假如S为2000，即赢的一方的游戏角色样本的战斗力值为102000，输的一方在初始战斗力值的基础上减去S，即输的一方的游戏角色样本的战斗力值为98000。

在经过大量的战斗后，可以实现将游戏角色样本按最终战斗力值强弱排序，在游戏角色样本足够大的情况下，该最终战斗力值可以认为是游戏角色样本在上述过程中获得的战斗力值的倍数，可以这样理解，若最后获取的多个游戏角色样本的战斗力值分别为200000、100000、400000等，则这些游戏角色样本的最终战斗力值同时缩小5倍，分别为40000、20000、80000等。

步骤S220：将每个所述游戏角色样本的多个游戏属性值带入到预先获取的线性回归模型中进行回归训练，以获取战斗力值计算公式。

经过上述步骤，可以获得多个具有最终战斗力值的游戏角色样本，将这些游戏角色样本的游戏属性值带入到线性回归模型中进行回归训练，线性回归模型为y＝a₁x₁+a₂x₂+a₃x₃+...+a_nx_n，其中，y为所述最终战斗力值，a₁,a₂,a₃...a_n为特征参数，x₁,x₂,x₃...x_n为游戏属性值，该游戏属性值均为对战斗力值具有影响的游戏属性值，然后可得出线性回归模型中的特征参数的值，即可初步获得战斗力值计算公式。

在初步获取上述战斗力值计算公式后还可对其进行验证和进行特征参数优化，首先创建少数的用于测试的游戏角色样本，该游戏角色样本携带有随机分配的游戏属性值，然后将这些游戏属性值带入到上述初步获取的战斗力值计算公式中，然后，通过游戏内的AI系统，让所创建的游戏角色样本模拟真实情况下的两两互相战斗，记录下每场战斗的输赢，再得出计算战斗力值的准确率，该准确率＝输赢和战斗力高低吻合的场数/总的战斗场数，例如，若游戏角色样本A的战斗力值为6，游戏角色样本B的战斗力值为8，游戏角色样本C的战斗力值为5，游戏角色样本A分别和游戏角色样本B、游戏角色样本C进行战斗，若游戏角色样本A与游戏角色样本B战斗为输，与游戏角色样本C战斗为赢，则该游戏角色样本A的战斗力值的准确率为百分之百；若若游戏角色样本A与游戏角色样本B战斗为赢，与游戏角色样本C战斗为赢，则该游戏角色样本A的战斗力值的准确率为百分之五十，说明该游戏角色样本A计算出的战斗力值的准确性不高，则说明上述通过回归训练得出的特征系数不准确，需要再进行回归训练。所以，可通过反复训练学习，最终可达到可接受的战斗值计算准确率。

步骤S230：创建游戏角色样本，所述游戏角色样本携带有多个游戏属性值。

若需要对游戏中某个游戏角色进行战斗力值计算时，首先创建该游戏角色样本，将每个游戏角色样本携带多个随机分配的游戏属性值，该步骤可具体参考上述步骤S110中的具体描述，在此不再过多赘述。

步骤S240：根据所述游戏角色样本的多个游戏属性值及预先通过线性回归模型进行回归训练获取的战斗力值计算公式，获取所述游戏角色样本的战斗力值。

将获取的游戏角色样本的多个游戏属性值带入到预先获取的战斗力计算公式中，即y＝a₁x₁+a₂x₂+a₃x₃+...+a_nx_n，例如，该游戏角色样本的多个游戏属性值分别为血量1000、攻击力100、防御力90，将这些游戏属性值带入上述战斗力值计算公式为y＝1000a₁+100a₂+90a₃，其中，a₁,a₂,a₃已经通过上述步骤进行线性回归训练后得出，这样即可更为准确获取每个游戏角色样本的战斗力值了，提升了用户的游戏体验。

本发明第二实施例提供的一种游戏战斗力值计算方法，首先创建多个游戏角色样本，每个所述游戏角色样本携带有多个游戏属性，然后将每个所述游戏角色样本的多个游戏属性值带入到预先获取的线性回归模型中进行回归训练，以获取战斗力值计算公式，然后获取游戏角色样本，所述游戏角色样本携带有多个游戏属性值，再根据所述游戏角色样本的多个游戏属性值及预先通过线性回归模型进行回归训练获取的战斗力值计算公式，获取所述游戏角色样本的战斗力值，通过上述方法获取的战斗力值可以更加准确，从而提升了用户游戏体验。

第三实施例

请参照图4，图4为本发明第三实施例提供的一种游戏战斗力值计算装置200的结构框图，所述装置具体包括：

游戏角色创建模块210，用于创建游戏角色样本，所述游戏角色样本携带有多个游戏属性值。

战斗力值计算模块220，用于根据所述游戏角色样本的多个游戏属性值及预先通过线性回归模型进行回归训练获取的战斗力值计算公式，获取所述游戏角色样本的战斗力值。

第四实施例

请参照图5，图5为本发明第四实施例提供的一种游戏战斗力值计算装置300的结构框图，所述装置具体包括：

多个游戏角色创建模块310，用于获取预先创建的设定有最终战斗力值的多个游戏角色样本，其中，每个所述游戏角色样本携带有多个游戏属性。

回归训练模块320，用于将每个所述游戏角色样本的多个游戏属性值带入到预先获取的线性回归模型中进行回归训练，以获取战斗力值计算公式。

游戏角色创建模块330，用于创建游戏角色样本，所述游戏角色样本携带有多个游戏属性值。

战斗力值计算模块340，用于根据所述游戏角色样本的多个游戏属性值及预先通过线性回归模型进行回归训练获取的战斗力值计算公式，获取所述游戏角色样本的战斗力值。

作为一种方式，所述多个游戏角色创建模块310包括：

创建子模块，用于创建多个游戏角色样本，每个所述游戏角色样本携带有多个游戏属性。

获取子模块，用于对所述多个游戏角色样本分别设定初始战斗力值，并基于所述多个游戏角色样本以及模拟的所述多个游戏角色样本两两之间的实际战斗情况，以获取所述多个游戏角色样本的最终战斗力值。

作为一种方式，所述获取子模块包括：

设定子模块，用于对所述多个游戏角色样本分别设定初始战斗力值。

战斗结果获取子模块，用于获取所述多个游戏角色样本通过预设的AI系统模拟真实情况下两两互相战斗的战斗结果指标。

最终战斗力值获取子模块，用于根据所述战斗结果指标对每场战斗中的两个游戏角色样本进行评分，根据所述评分及所述初始战斗力值获取所述多个游戏角色样本的最终战斗力值。

其中，所述线性回归模型为y＝a₁x₁+a₂x₂+a₃x₃+...+a_nx_n，y为所述最终战斗力值，a₁,a₂,a₃...a_n为特征参数，x₁,x₂,x₃...x_n为游戏属性值。

所属领域的技术人员可以清楚地了解到，为描述的方便和简洁，上述描述的装置的具体工作过程，可以参考前述方法中的对应过程，在此不再过多赘述。

综上所述，本发明实施例提供一种游戏战斗力值计算方法及装置，首先获取游戏角色样本，所述游戏角色样本携带有多个游戏属性值，再根据所述游戏角色样本的多个游戏属性值及预先通过线性回归模型进行回归训练获取的战斗力值计算公式，获取所述游戏角色样本的战斗力值，本方法通过线性回归模型进行训练获取战斗力值计算公式，然后将游戏角色样本的多个游戏属性值带入该战斗力值计算公式中，可以更为准确地获得该游戏角色样本的战斗力值，从而提升了用户游戏体验。

在本申请所提供的几个实施例中，应该理解到，所揭露的装置和方法，也可以通过其它的方式实现。以上所描述的装置实施例仅仅是示意性的，例如，附图中的流程图和框图显示了根据本发明的多个实施例的装置、方法和计算机程序产品的可能实现的体系架构、功能和操作。在这点上，流程图或框图中的每个方框可以代表一个模块、程序段或代码的一部分，所述模块、程序段或代码的一部分包含一个或多个用于实现规定的逻辑功能的可执行指令。也应当注意，在有些作为替换的实现方式中，方框中所标注的功能也可以以不同于附图中所标注的顺序发生。例如，两个连续的方框实际上可以基本并行地执行，它们有时也可以按相反的顺序执行，这依所涉及的功能而定。也要注意的是，框图和/或流程图中的每个方框、以及框图和/或流程图中的方框的组合，可以用执行规定的功能或动作的专用的基于硬件的系统来实现，或者可以用专用硬件与计算机指令的组合来实现。

另外，在本发明各个实施例中的各功能模块可以集成在一起形成一个独立的部分，也可以是各个模块单独存在，也可以两个或两个以上模块集成形成一个独立的部分。

所述功能如果以软件功能模块的形式实现并作为独立的产品销售或使用时，可以存储在一个计算机可读取存储介质中。基于这样的理解，本发明的技术方案本质上或者说对现有技术做出贡献的部分或者该技术方案的部分可以以软件产品的形式体现出来，该计算机软件产品存储在一个存储介质中，包括若干指令用以使得一台计算机设备(可以是个人计算机，服务器，或者网络设备等)执行本发明各个实施例所述方法的全部或部分步骤。而前述的存储介质包括：U盘、移动硬盘、只读存储器(ROM，Read-Only Memory)、随机存取存储器(RAM，Random Access Memory)、磁碟或者光盘等各种可以存储程序代码的介质。需要说明的是，在本文中，诸如第一和第二等之类的关系术语仅仅用来将一个实体或者操作与另一个实体或操作区分开来，而不一定要求或者暗示这些实体或操作之间存在任何这种实际的关系或者顺序。而且，术语“包括”、“包含”或者其任何其他变体意在涵盖非排他性的包含，从而使得包括一系列要素的过程、方法、物品或者设备不仅包括那些要素，而且还包括没有明确列出的其他要素，或者是还包括为这种过程、方法、物品或者设备所固有的要素。在没有更多限制的情况下，由语句“包括一个……”限定的要素，并不排除在包括所述要素的过程、方法、物品或者设备中还存在另外的相同要素。

以上所述仅为本发明的优选实施例而已，并不用于限制本发明，对于本领域的技术人员来说，本发明可以有各种更改和变化。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。应注意到：相似的标号和字母在下面的附图中表示类似项，因此，一旦某一项在一个附图中被定义，则在随后的附图中不需要对其进行进一步定义和解释。

以上所述，仅为本发明的具体实施方式，但本发明的保护范围并不局限于此，任何熟悉本技术领域的技术人员在本发明揭露的技术范围内，可轻易想到变化或替换，都应涵盖在本发明的保护范围之内。因此，本发明的保护范围应所述以权利要求的保护范围为准。

需要说明的是，在本文中，诸如第一和第二等之类的关系术语仅仅用来将一个实体或者操作与另一个实体或操作区分开来，而不一定要求或者暗示这些实体或操作之间存在任何这种实际的关系或者顺序。而且，术语“包括”、“包含”或者其任何其他变体意在涵盖非排他性的包含，从而使得包括一系列要素的过程、方法、物品或者设备不仅包括那些要素，而且还包括没有明确列出的其他要素，或者是还包括为这种过程、方法、物品或者设备所固有的要素。在没有更多限制的情况下，由语句“包括一个……”限定的要素，并不排除在包括所述要素的过程、方法、物品或者设备中还存在另外的相同要素。

Claims (10)

1.一种游戏战斗力值计算方法，其特征在于，所述方法包括：

创建游戏角色样本，所述游戏角色样本携带有多个游戏属性值；

根据所述游戏角色样本的多个游戏属性值及预先通过线性回归模型进行回归训练获取的战斗力值计算公式，获取所述游戏角色样本的战斗力值。

2.根据权利要求1所述的方法，其特征在于，所述创建游戏角色样本，所述游戏角色样本携带有多个游戏属性值的步骤之前，所述方法还包括：

获取预先创建的设定有最终战斗力值的多个游戏角色样本，其中，每个所述游戏角色样本携带有多个游戏属性；

将每个所述游戏角色样本的多个游戏属性值带入到预先获取的线性回归模型中进行回归训练，以获取战斗力值计算公式。

3.根据权利要求2所述的方法，其特征在于，所述获取预先创建的设定有最终战斗力值的多个游戏角色样本，其中，每个所述游戏角色样本携带有多个游戏属性，包括：

创建多个游戏角色样本，每个所述游戏角色样本携带有多个游戏属性；

对所述多个游戏角色样本分别设定初始战斗力值，并基于所述多个游戏角色样本以及模拟的所述多个游戏角色样本两两之间的实际战斗情况，以获取所述多个游戏角色样本的最终战斗力值。

4.根据权利要求3所述的方法，其特征在于，对所述多个游戏角色样本分别设定初始战斗力值，并基于所述多个游戏角色样本以及模拟的所述多个游戏角色样本两两之间的实际战斗情况，以获取所述多个游戏角色样本的最终战斗力值，包括：

对所述多个游戏角色样本分别设定初始战斗力值；

获取所述多个游戏角色样本通过预设的AI系统模拟真实情况下两两互相战斗的战斗结果指标；

根据所述战斗结果指标对每场战斗中的两个游戏角色样本进行评分，根据所述评分及所述初始战斗力值获取所述多个游戏角色样本的最终战斗力值。

5.根据权利要求1-4任一所述的方法，其特征在于，所述线性回归模型为：

y＝a₁x₁+a₂x₂+a₃x₃+...+a_nx_n，

其中，y为最终战斗力值，a₁,a₂,a₃...a_n为特征参数，x₁,x₂,x₃...x_n为游戏属性值。

6.一种游戏战斗力值计算装置，其特征在于，所述装置包括：

游戏角色创建模块，用于创建游戏角色样本，所述游戏角色样本携带有多个游戏属性值；

战斗力值计算模块，用于根据所述游戏角色样本的多个游戏属性值及预先通过线性回归模型进行回归训练获取的战斗力值计算公式，获取所述游戏角色样本的战斗力值。

7.根据权利要求6所述的装置，其特征在于，所述装置还包括：

多个游戏角色创建模块，用于获取预先创建的设定有最终战斗力值的多个游戏角色样本，其中，每个所述游戏角色样本携带有多个游戏属性；

回归训练模块，用于将每个所述游戏角色样本的多个游戏属性值带入到预先获取的线性回归模型中进行回归训练，以获取战斗力值计算公式。

8.根据权利要求7所述的装置，其特征在于，所述多个游戏角色创建模块包括：

创建子模块，用于创建多个游戏角色样本，每个所述游戏角色样本携带有多个游戏属性；

获取子模块，用于对所述多个游戏角色样本分别设定初始战斗力值，并基于所述多个游戏角色样本以及模拟的所述多个游戏角色样本两两之间的实际战斗情况，以获取所述多个游戏角色样本的最终战斗力值。

9.根据权利要求8所述的装置，其特征在于，所述获取子模块包括：

设定子模块，用于对所述多个游戏角色样本分别设定初始战斗力值；

战斗结果获取子模块，用于获取所述多个游戏角色样本通过预设的AI系统模拟真实情况下两两互相战斗的战斗结果指标；

最终战斗力值获取子模块，用于根据所述战斗结果指标对每场战斗中的两个游戏角色样本进行评分，根据所述评分及所述初始战斗力值获取所述多个游戏角色样本的最终战斗力值。

10.根据权利要求6-9任一所述的装置，其特征在于，所述线性回归模型为：

y＝a₁x₁+a₂x₂+a₃x₃+...+a_nx_n，

其中，y为最终战斗力值，a₁,a₂,a₃...a_n为特征参数，x₁,x₂,x₃...x_n为游戏属性值。