CN110038303A - Ai对象匹配方法、系统及电子设备和存储介质 - Google Patents
Ai对象匹配方法、系统及电子设备和存储介质 Download PDFInfo
- Publication number
- CN110038303A CN110038303A CN201910195365.7A CN201910195365A CN110038303A CN 110038303 A CN110038303 A CN 110038303A CN 201910195365 A CN201910195365 A CN 201910195365A CN 110038303 A CN110038303 A CN 110038303A
- Authority
- CN
- China
- Prior art keywords
- game
- user
- ratings
- game user
- executing
- 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.)
- Pending
Links
- 238000000034 method Methods 0.000 title claims abstract description 43
- 238000012545 processing Methods 0.000 description 13
- 238000004891 communication Methods 0.000 description 9
- 238000005516 engineering process Methods 0.000 description 8
- 238000010586 diagram Methods 0.000 description 6
- 230000003287 optical effect Effects 0.000 description 4
- 230000008569 process Effects 0.000 description 4
- 230000005236 sound signal Effects 0.000 description 4
- 230000008859 change Effects 0.000 description 3
- 238000004590 computer program Methods 0.000 description 3
- 230000007423 decrease Effects 0.000 description 3
- 230000001133 acceleration Effects 0.000 description 2
- 238000013473 artificial intelligence Methods 0.000 description 2
- 230000000712 assembly Effects 0.000 description 2
- 238000000429 assembly Methods 0.000 description 2
- 230000007812 deficiency Effects 0.000 description 2
- 230000003993 interaction Effects 0.000 description 2
- 238000007726 management method Methods 0.000 description 2
- 238000012986 modification Methods 0.000 description 2
- 230000004048 modification Effects 0.000 description 2
- 230000002093 peripheral effect Effects 0.000 description 2
- 238000012549 training Methods 0.000 description 2
- KLDZYURQCUYZBL-UHFFFAOYSA-N 2-[3-[(2-hydroxyphenyl)methylideneamino]propyliminomethyl]phenol Chemical compound OC1=CC=CC=C1C=NCCCN=CC1=CC=CC=C1O KLDZYURQCUYZBL-UHFFFAOYSA-N 0.000 description 1
- 208000001613 Gambling Diseases 0.000 description 1
- 241000406668 Loxodonta cyclotis Species 0.000 description 1
- 230000006978 adaptation Effects 0.000 description 1
- 230000003044 adaptive effect Effects 0.000 description 1
- 238000007796 conventional method Methods 0.000 description 1
- 238000013500 data storage Methods 0.000 description 1
- 201000001098 delayed sleep phase syndrome Diseases 0.000 description 1
- 208000033921 delayed sleep phase type circadian rhythm sleep disease Diseases 0.000 description 1
- 238000000151 deposition Methods 0.000 description 1
- 238000011161 development Methods 0.000 description 1
- 230000000694 effects Effects 0.000 description 1
- PCHJSUWPFVWCPO-UHFFFAOYSA-N gold Chemical compound [Au] PCHJSUWPFVWCPO-UHFFFAOYSA-N 0.000 description 1
- 229910052737 gold Inorganic materials 0.000 description 1
- 239000010931 gold Substances 0.000 description 1
- 238000003384 imaging method Methods 0.000 description 1
- 239000004973 liquid crystal related substance Substances 0.000 description 1
- 230000029058 respiratory gaseous exchange Effects 0.000 description 1
- 238000005070 sampling Methods 0.000 description 1
- 229910052709 silver Inorganic materials 0.000 description 1
- 239000004332 silver Substances 0.000 description 1
- 230000003068 static effect Effects 0.000 description 1
- 238000000528 statistical test Methods 0.000 description 1
- 230000009182 swimming Effects 0.000 description 1
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
-
- 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
Landscapes
- Engineering & Computer Science (AREA)
- Multimedia (AREA)
- Business, Economics & Management (AREA)
- Computer Security & Cryptography (AREA)
- General Business, Economics & Management (AREA)
- Theoretical Computer Science (AREA)
- Information Retrieval, Db Structures And Fs Structures Therefor (AREA)
Abstract
本公开关于一种用于游戏的AI对象匹配方法、系统及电子设备和存储介质,涉及到游戏领域,其中,所述方法包括:获取游戏用户的属性信息,其中,属性信息用于表示游戏用户的游戏等级;在需为游戏用户匹配AI对象时,基于游戏等级查找与游戏用户相匹配的AI对象,其中,AI对象为预先生成的用于与游戏用户顺序执行游戏操作的虚拟游戏对象,不同AI对象在执行游戏操作时占用的系统资源不同。可以基于游戏用户的游戏等级,为其匹配占用系统资源不同的AI对象,从而可以减少资源占用,提高系统稳定性。本公开避免了为游戏系统中的每位游戏用户均匹配占用系统资源较高的AI对象,降低了游戏系统的运行压力,提高了游戏系统中容纳游戏用户的数量。
Description
技术领域
本公开涉及游戏领域,尤其涉及用于游戏的AI对象匹配方法、系统及电子设备和存储介质。
背景技术
随着计算机技术和互联网技术的快速发展,在线游戏已经成为人们休闲娱乐的重要组成部分。
相关技术中,通常基于AlphaGo Zero(一种采用强化学习算法的应用程序)训练游戏的人工智能(Artificial Intelligence,AI)模型,利用AI模型与用户(游戏玩家)进行匹配并博弈。AI模型在进行象棋、围棋、五子棋等游戏时,针对每步游戏操作需要做几千次甚至上万次的蒙特卡洛树搜索(一种随机抽样或统计试验方法)。每次蒙特卡洛树搜索需要占用大量的计算机资源,针对每步游戏操作的蒙特卡洛树搜索次数越多,实际的计算数据量和时间消耗越多。如果每步游戏操作需要执行5千次蒙特卡洛树搜索,则一台服务器上部署的AI模型大概只能同时与5-10名用户进行博弈。若在游戏系统中,为每位用户均匹配需要执行大量蒙特卡洛树搜索的AI模型,系统资源占用多,导致系统处理信息的效率低、稳定性差。
发明内容
为克服相关技术中存在的问题,本公开提供了一种用于游戏的AI对象匹配方法、系统及电子设备和存储介质。
根据本公开实施例的第一方面,提供了一种用于游戏的AI对象匹配方法,包括:获取游戏用户的属性信息,其中,所述属性信息用于表示所述游戏用户的游戏等级;在需为所述游戏用户匹配AI对象时,基于所述游戏等级,查找与所述游戏用户相匹配的AI对象,其中,所述AI对象为预先生成的用于与所述游戏用户顺序执行游戏操作的虚拟游戏对象,不同AI对象在执行所述游戏操作时占用的系统资源不同。
可选地,所述基于所述游戏等级,查找与所述游戏用户相匹配的AI对象的步骤,包括:当所述游戏等级低于或等于预设的棋力等级时,为所述游戏用户匹配第一AI对象;当所述游戏等级高于所述棋力等级时,为所述游戏用户匹配第二AI对象;其中,所述不同AI对象包括所述第一AI对象和所述第二AI对象。
可选地,所述第一AI对象在执行所述游戏操作时占用的系统资源少于所述第二AI对象在执行所述游戏操作时占用的系统资源。
可选地,在所述游戏所在的系统中,匹配到所述第一AI对象的所述游戏用户的数量大于匹配到所述第二AI对象的所述游戏用户的数量。
可选地,当所述游戏等级高于所述棋力等级时,为所述游戏用户匹配第二AI对象的步骤,包括:当所述游戏等级高于所述棋力等级时,按照预设的游戏等级与蒙特卡洛树搜索次数之间的对应关系,为所述游戏用户匹配所述第二AI对象;其中,所述第二AI对象在执行所述游戏操作时具有相应的蒙特卡洛树搜索次数。
可选地,所述基于所述游戏等级,查找与所述游戏用户相匹配的AI对象的步骤,包括:基于所述游戏等级,查找与所述游戏用户相匹配的、且执行所述游戏操作的胜率满足预设的胜率条件的AI对象。
可选地,在所述基于所述游戏等级,查找与所述游戏用户相匹配的AI对象的步骤之前,所述方法还包括:基于所述游戏用户的游戏等级,查找与所述游戏用户相匹配的其他游戏用户;若在预设的时间段内未查找到所述其他游戏用户,则确定需为所述游戏用户匹配AI对象。
可选地,所述其他游戏用户的属性信息所表示的游戏等级,与所述游戏用户的属性信息所表示的游戏等级属于相同的游戏等级。
可选地,在所述基于所述游戏等级,查找与所述游戏用户相匹配的AI对象的步骤之前,所述方法还包括:获取所述游戏中满足预设的局面条件的局面信息,所述局面信息包括:所述游戏的元素信息,以及,所述游戏用户和所述AI对象在根据所述元素信息执行所述游戏操作时的操作信息;将所述局面信息存储至与所述AI对象对应的存储器中。
可选地,在所述基于所述游戏等级,查找与所述游戏用户相匹配的AI对象的步骤之后,所述方法还包括:获取当前的局面信息;若所述当前的局面信息属于所述满足预设的局面条件的局面信息,则从所述存储器中搜索得到与所述当前的局面信息对应的所述操作信息,并利用所述AI对象执行所述操作信息。
可选地,在所述基于所述游戏等级,查找与所述游戏用户相匹配的AI对象的步骤之前,所述方法还包括:获取预先分配的资源信息,所述资源信息包括所述游戏所在的系统中的图形处理器的数量;根据所述资源信息部署对应数量的所述AI对象。
根据本公开实施例的第二方面,提供了一种用于游戏的AI对象匹配系统,包括:获取模块,被配置为获取游戏用户的属性信息,其中,所述属性信息用于表示所述游戏用户的游戏等级;查找模块,被配置为在需为所述游戏用户匹配AI对象时,基于所述游戏等级,查找与所述游戏用户相匹配的AI对象,其中,所述AI对象为预先生成的用于与所述游戏用户顺序执行游戏操作的虚拟游戏对象,不同AI对象在执行所述游戏操作时占用的系统资源不同。
可选地,所述查找模块,被配置为当所述游戏等级低于或等于预设的棋力等级时,为所述游戏用户匹配第一AI对象;当所述游戏等级高于所述棋力等级时,为所述游戏用户匹配第二AI对象;其中,所述不同AI对象包括所述第一AI对象和所述第二AI对象。
可选地,所述第一AI对象在执行所述游戏操作时占用的系统资源少于所述第二AI对象在执行所述游戏操作时占用的系统资源。
可选地,在所述游戏所在的系统中,匹配到所述第一AI对象的所述游戏用户的数量大于匹配到所述第二AI对象的所述游戏用户的数量。
可选地,所述查找模块,被配置为当所述游戏等级高于所述棋力等级时,按照预设的游戏等级与蒙特卡洛树搜索次数之间的对应关系,为所述游戏用户匹配所述第二AI对象;其中,所述第二AI对象在执行所述游戏操作时具有相应的蒙特卡洛树搜索次数。
可选地,所述查找模块,被配置为基于所述游戏等级,查找与所述游戏用户相匹配的、且执行所述游戏操作的胜率满足预设的胜率条件的AI对象。
可选地,所述查找模块,还被配置为在所述基于所述游戏等级,查找与所述游戏用户相匹配的AI对象之前,基于所述游戏用户的游戏等级,查找与所述游戏用户相匹配的其他游戏用户;若在预设的时间段内未查找到所述其他游戏用户,则确定需为所述游戏用户匹配AI对象。
可选地,所述其他游戏用户的属性信息所表示的游戏等级,与所述游戏用户的属性信息所表示的游戏等级属于相同的游戏等级。
可选地,所述系统还包括:局面预存模块,被配置为在所述查找模块基于所述游戏等级,查找与所述游戏用户相匹配的AI对象之前,获取所述游戏中满足预设的局面条件的局面信息,所述局面信息包括:所述游戏的元素信息,以及,所述游戏用户和所述AI对象在根据所述元素信息执行所述游戏操作时的操作信息;将所述局面信息存储至与所述AI对象对应的存储器中。
可选地,所述系统还包括:局面搜索模块,被配置为在所述查找模块基于所述游戏等级,查找与所述游戏用户相匹配的AI对象之后,获取当前的局面信息;若所述当前的局面信息属于所述满足预设的局面条件的局面信息,则从所述存储器中搜索得到与所述当前的局面信息对应的所述操作信息,并利用所述AI对象执行所述操作信息。
可选地,所述系统还包括:AI对象部署模块,被配置为在所述查找模块基于所述游戏等级,查找与所述游戏用户相匹配的AI对象之前,获取预先分配的资源信息,所述资源信息包括所述游戏所在的系统中的图形处理器的数量;根据所述资源信息部署对应数量的所述AI对象。
根据本公开实施例的第三方面,提供了一种电子设备,包括:处理器;用于存储所述处理器可执行指令的存储器;其中,所述处理器被配置为执行如第一方面所述的用于游戏的AI对象匹配方法。
根据本公开实施例的第四方面,提供了一种非临时性计算机可读存储介质,当所述存储介质中的指令由移动终端的处理器执行时,使得所述移动终端执行如第一方面所述的用于游戏的AI对象匹配方法。
根据本公开实施例的第五方面,提供了一种计算机程序产品,包括:当所述计算机程序产品中的指令由服务器的处理器执行时,使得所述服务器执行如第一方面所述的用于游戏的AI对象匹配方法。
本公开的实施例提供的技术方案可以包括以下有益效果:
本公开实施例提供的用于游戏的AI对象匹配方案,获取游戏用户的属性信息,其中,属性信息用于表示游戏用户的游戏等级。在需为游戏用户匹配AI对象时,基于游戏等级,查找与游戏用户相匹配的AI对象,其中,AI对象为预先生成的用于与游戏用户顺序执行游戏操作的虚拟游戏对象,不同AI对象在执行游戏操作时占用的系统资源不同。
本公开实施例可以基于游戏用户的属性信息,为游戏系统中的游戏用户匹配占用不同系统资源的AI对象。在实际应用中,若游戏用户的属性信息表示的游戏等级较低,则可以为该游戏用户匹配占用系统资源较低的AI对象;若游戏用户的属性信息表示的游戏等级较高,则可以为该游戏用户匹配占用系统资源较高的AI对象。通过本公开实施例,可以基于游戏用户的游戏等级,为其匹配占用系统资源不同的AI对象,从而可以减少资源占用,提高系统稳定性。本公开实施例避免了为游戏系统中的每位游戏用户均匹配占用系统资源较高的AI对象,降低了游戏系统的运行压力,提高了游戏系统中容纳游戏用户的数量。
应当理解的是,以上的一般描述和后文的细节描述仅是示例性和解释性的,并不能限制本公开。
附图说明
此处的附图被并入说明书中并构成本说明书的一部分,示出了符合本发明的实施例,并与说明书一起用于解释本发明的原理。
图1是根据一示例性实施例示出的一种用于游戏的AI对象匹配方法的流程图。
图2是根据一示例性实施例示出的一种用于游戏的AI对象匹配系统的框图。
图3是根据一示例性实施例示出的一种用于对棋类游戏的AI模型进行处理的电子设备的框图。
图4是根据一示例性实施例示出的一种用于对棋类游戏的AI模型进行处理的装置的框图。
具体实施方式
这里将详细地对示例性实施例进行说明,其示例表示在附图中。下面的描述涉及附图时,除非另有表示,不同附图中的相同数字表示相同或相似的要素。以下示例性实施例中所描述的实施方式并不代表与本发明相一致的所有实施方式。相反,它们仅是与如所附权利要求书中所详述的、本发明的一些方面相一致的方法和装置的例子。
图1是根据一示例性实施例示出的一种用于游戏的AI对象匹配方法的流程图,如图1所示,用于游戏的AI对象匹配方法可以用于服务器中,该方法可以包括以下步骤。
在步骤S11中,获取游戏用户的属性信息。
本公开实施例中的游戏用户可以为登录到游戏平台中,且待执行游戏操作的用户,可以包括新用户和老用户。其中,新用户可以为刚刚注册的用户,在实际应用中,新用户可以为注册时间较短的用户,或者可以为执行游戏操作次数较少的用户。老用户可以注册时间较长的用户,或者可以为执行游戏操作次数较多的用户。需要说明的是,上述较短、较少、较长、较多均为相对的概念,本公开实施例对上述较短、较少、较长、较多的范围等不作具体限制。
本公开实施例中的属性信息可以为具体的数值,或者为数值区间,也可以为自定义信息,如“白银”、“黄金”等等。属性信息可以用于表示游戏用户的游戏等级。在本公开的一种优选实施例中,属性信息可以与游戏等级具有对应关系,例如,某具体的数值与游戏等级具有对应关系,或者,某数值区间与游戏等级具有对应关系,或者,某自定义信息与游戏等级具有对应关系。根据对应关系可以确定属性信息所表示的游戏等级。
在本公开的一种优选实施例中,可以根据游戏用户执行游戏操作的游戏结果(如胜负、积分等)对游戏用户的属性信息进行调整。通常,当游戏结果为胜时,可以提升游戏用户的属性信息;当游戏结果为负时,可以降低游戏用户的属性西悉尼。游戏用户的属性信息可以由胜局数量以及胜率等因素而定,其中,胜率可以理解为游戏用户在执行一定数量(如10局游戏、20把游戏等)的游戏操作之后,计算在该一定数量中获胜的游戏数量占总游戏数量的百分比,例如,游戏用户user1在100局游戏中,有70局游戏获胜,则该游戏用户user1的胜率为70%。本公开实施例对游戏用户的属性信息的形式、种类、内容等不作具体限制。
本步骤S11获取游戏用户的属性信息的目的在于,为游戏用户匹配其他游戏用户或者AI对象。通常,优先基于游戏用户的属性信息所表示的游戏等级为游戏用户匹配其他游戏用户,若在预设的时间段内未为游戏用户匹配到合适的其他游戏用户,则为游戏用户匹配AI对象。其中,在为游戏用户匹配其他游戏用户时,匹配到的合适的其他游戏用户的属性信息所表示的游戏等级可以与游戏用户的属性信息所表示的游戏等级属于相同的游戏等级。也就是说,为游戏用户匹配游戏等级相同的其他游戏用户。
在步骤S12中,在需为游戏用户匹配AI对象时,基于游戏等级,查找与游戏用户相匹配的AI对象。
本公开实施例中,在为棋类游戏中的游戏用户匹配AI对象时,可以为将游戏用户的游戏等级与预设的棋力等级进行比较,若游戏用户的游戏等级低于或等于棋力等级,则为游戏用户匹配第一AI对象;若游戏用户的游戏等级高于棋力等级,则为游戏用户匹配第二AI对象。其中,第一AI对象在执行游戏操作时占用的系统资源少于第二AI对象在执行游戏操作时占用的系统资源。在第一AI对象与第二AI对象执行相同的游戏操作时,第一AI对象占用的系统资源少于第二AI对象占用的系统资源。需要说明的是,为游戏用户匹配的不同AI对象,包括但不限于第一AI对象和第二AI对象,还可以包括其他AI对象,本公开实施例对不同AI对象的名称、数量等不作具体限制。
在本公开的一种优选实施例中,在棋类游戏中,第一AI对象可以为不需要针对棋类游戏的每步棋子操作执行蒙特卡洛树搜索的AI对象,第一AI对象可以直接根据棋类游戏的当前局面信息确定每个棋子位置相应的棋子操作的概率。第二AI对象可以为针对棋类游戏的每步棋子操作执行蒙特卡洛树搜索的AI对象。在实际应用中,第一AI对象可以称为Policy Player(政策参与者)。Policy Player与第二AI对象相比,Policy Player的棋力水平会低一些。但是,在资源占用方面,Policy Player比第二AI对象所占用的资源少很多。例如,Policy Player与每步棋子操作需要执行800次蒙特卡洛树搜索的第二AI对象相比,占用的资源大约只有后者的八百分之一。
在实际应用中,绝大多数游戏用户的游戏等级比较低,只有少部分的游戏用户的游戏等级稍高一些,因此,在基于游戏等级为游戏用户匹配AI对象时,匹配到第一AI对象的游戏用户的数量大于匹配到第二AI对象的游戏用户的数量。也就是说,为绝大多数游戏用户匹配第一AI对象,对于绝大多数游戏等级较低的游戏用户而言,Policy Player的棋力可能仍然有些高,因此,本公开实施例可以进一步降低Policy Player的棋力水平,如针对当前的局面信息,在Policy Player中选择概率较低的某一步或某些步的棋子操作。又如将Policy Player设置为随机地执行棋子操作等。
本公开实施例中,在为游戏用户匹配第二AI对象时,可以按照预设的游戏等级与蒙特卡洛树搜索次数之间的对应关系,为游戏用户匹配第二AI对象。也就是说,不同的游戏等级与不同的蒙特卡洛树搜索次数之间具有对应关系,第二AI对象可以进一步划分为具有不同蒙特卡洛树搜索次数的第二AI对象。在游戏用户的游戏等级高于预设的棋力等级时,游戏用户的游戏等级越高,为游戏用户匹配的第二AI对象的蒙特卡洛树搜索次数越多;游戏用户的游戏等级越低,为游戏用户匹配的第二AI对象的蒙特卡洛树搜索次数越少。例如,为游戏等级为“一级”的游戏用户匹配每步棋子操作需要执行500次蒙特卡洛树搜索的第二AI对象,为游戏等级为“二级”的游戏用户匹配每步棋子操作需要执行1000次蒙特卡洛树搜索的第二AI对象。通常,游戏用户的属性信息所表示的游戏等级越高,对应的第二AI对象针对每步棋子操作执行的蒙特卡洛树搜索的次数越多。在本公开的一种优选实施例中,当游戏系统的系统资源不足时,可以按照一定的比例降低第二AI对象针对每步棋子操作执行的蒙特卡洛树搜索的次数,例如,在系统资源充足时,为游戏用户1匹配第二AI对象a2,在系统资源不足时,为游戏用户user1匹配第二AI对象a3,其中,第二AI对象a2针对每步棋子操作执行的蒙特卡洛树搜索的次数大于第二AI对象a3针对每步棋子操作执行的蒙特卡洛树搜索的次数。当系统资源不足时为游戏用户匹配蒙特卡洛树搜索次数相对较低的第二AI对象,可以降低系统资源的占用率。
在本公开的一种优选实施例中,基于游戏等级,查找与游戏用户相匹配的AI对象时,可以基于游戏等级,为游戏用户匹配胜率满足预设的胜率条件的AI对象。在实际应用中,不同的AI对象可以具有各自的胜率,如AI对象“ai001”针对某游戏等级的游戏用户的胜率为50%,AI对象“ai001”针对另一游戏等级的游戏用户的胜率为70%;另一AI对象“ai002”针对某游戏等级的游戏用户的胜率为70%,AI对象“ai002”针对另一游戏等级的游戏用户的胜率为84%等。本公开实施例在具体实施过程中,可以为游戏用户匹配胜率在50%左右的AI对象。
本公开实施例中技术方案应用于棋类游戏时,棋类游戏在理论上存在多种局面信息,局面信息可以包括棋类游戏中的元素信息,以及,游戏用户和AI对象在根据元素信息执行游戏操作时的操作信息。其中,元素信息可以包括棋子的名称、作用、走法、位置和与其他棋子之间的关系等。本公开实施例对局面信息的内容和形式等不作具体限制。但在棋类游戏的实际博弈过程中,会存在一些出现频率较高的局面信息,因此,在预先生成第一AI对象和/或第二AI对象时,可以将出现频率较高的局面信息提前进行缓存。具体地,可以获取满足预设的局面条件的局面信息,即获取出现频率较高的局面信息,然后将获取到的局面信息存储至第一AI对象和/或第二AI对象对应的存储器中。当游戏用户与第一AI对象或第二AI对象顺序执行棋类游戏的游戏操作的过程中,若当前的局面信息属于存储器中存储的局面信息,则可以直接从存储器中搜索得到对应的棋子操作信息,并利用第一AI对象或第二AI对象执行棋子操作信息,此时,可以减少蒙特卡洛树搜索的次数,甚至不需要执行蒙特卡洛树搜索,进一步降低系统资源的占用情况。上述顺序执行可以为按照游戏规则,游戏用户与第一AI对象或第二AI对象交替执行游戏操作。例如,游戏用户执行一次或多次游戏操作之后,第一AI对象或第二AI对象执行一次或多次游戏操作,然后,游戏用户再次执行一次或多次游戏操作,再由第一AI对象或第二AI对象执行一次或多次游戏操作,如此交替执行游戏操作。
本公开实施例中的AI对象可以为AI模型,第一AI对象可以为第一AI模型,第二AI对象可以为第二AI模型,本公开实施例中的第一AI模型和/或第二AI模型的训练过程可以基于分布式的Tensor flow(是一个基于数据流编程的符号数学系统,被广泛应用于各类机器学习算法的编程实现)实现。在实际部署第一AI模型和/或第二AI模型时,可以利用Kubernetes(是一个开源的,用于管理云平台中多个主机上的容器化的应用)根据预先分配的资源信息部署对应数量的第一AI模型和/或第二AI模型,其中,资源信息可以包括图形处理器的数量,通常,预先分配1个图形处理器,可以部署一个第一AI模型或一个第二AI模型。即预先分配的图形处理器的数量与部署的第一AI模型或第二AI模型的数量之比为1:1。游戏的客户端可以通过预设的应用程序编程接口调用已部署的第一AI模型或一个第二AI模型。
本公开实施例提供的用于游戏的AI对象匹配方案,获取游戏用户的属性信息,其中,属性信息用于表示游戏用户的游戏等级。在需为游戏用户匹配AI对象时,基于游戏等级,查找与游戏用户相匹配的AI对象,其中,AI对象为预先生成的用于与游戏用户顺序执行游戏操作的虚拟游戏对象,不同AI对象在执行游戏操作时占用的系统资源不同。
本公开实施例可以基于游戏用户的属性信息,为游戏系统中的游戏用户匹配占用不同系统资源的AI对象。在实际应用中,若游戏用户的属性信息表示的游戏等级较低,则可以为该游戏用户匹配占用系统资源较低的AI对象;若游戏用户的属性信息表示的游戏等级较高,则可以为该游戏用户匹配占用系统资源较高的AI对象。通过本公开实施例,可以基于游戏用户的游戏等级,为其匹配占用系统资源不同的AI对象,从而可以减少资源占用,提高系统稳定性。本公开实施例避免了为游戏系统中的每位游戏用户均匹配占用系统资源较高的AI对象,降低了游戏系统的运行压力,提高了游戏系统中容纳游戏用户的数量。
本公开实施例中,第一AI对象占用的系统资源少于第二AI对象占用的系统资源,在游戏系统中,匹配到第一AI对象的游戏用户的数量大大超过匹配到第二AI对象的游戏用户的数量,也就是说,游戏系统中绝大多数的游戏用户匹配到占用系统资源较少的第一AI对象,整个游戏系统的运行压力比较小。
本公开实施例在为游戏用户匹配AI对象时,可以匹配胜率满足一定条件的AI对象,如胜率在50%左右的AI对象,以保证游戏用户与匹配的AI对象在执行多局的游戏操作过程中,双方的胜率相近,为游戏用户匹配适合的AI对象,提高了AI对象的匹配精准度。
本公开实施例中可以检测当前的局面信息,若当面的局面信息与已存储的局面信息相同,则可以利用AI对象按照已存储的局面信息中的操作信息执行游戏操作,可以减少AI对象执行蒙特卡洛树搜索的次数,甚至不需要执行蒙特卡洛树搜索,进一步降低系统资源的占用情况。
图2是根据一示例性实施例示出的一种用于游戏的AI对象匹配系统的框图。参照图2,该系统可以包括获取模块21和查找模块22。其中,所述获取模块21可以与所述查找模块22连接和/或通信。
所述获取模块21,被配置为获取游戏用户的属性信息,其中,所述属性信息用于表示所述游戏用户的游戏等级;所述查找模块22,被配置为在需为所述游戏用户匹配AI对象时,基于所述游戏等级,查找与所述游戏用户相匹配的AI对象,其中,所述AI对象为预先生成的用于与所述游戏用户顺序执行游戏操作的虚拟游戏对象,不同AI对象在执行所述游戏操作时占用的系统资源不同。
在本公开的一种优选实施例中,所述查找模块22,被配置为当所述游戏等级低于或等于预设的棋力等级时,为所述游戏用户匹配第一AI对象;当所述游戏等级高于所述棋力等级时,为所述游戏用户匹配第二AI对象,其中,所述不同AI对象包括所述第一AI对象和所述第二AI对象。
在本公开的一种优选实施例中,所述第一AI对象在执行所述游戏操作时占用的系统资源少于所述第二AI对象在执行所述游戏操作时占用的系统资源。
在本公开的一种优选实施例中,在所述游戏所在的系统中,匹配到所述第一AI对象的所述游戏用户的数量大于匹配到所述第二AI对象的所述游戏用户的数量。
在本公开的一种优选实施例中,所述查找模块22,被配置为当所述游戏等级高于所述棋力等级时,按照预设的游戏等级与蒙特卡洛树搜索次数之间的对应关系,为所述游戏用户匹配所述第二AI对象;其中,所述第二AI对象在执行所述游戏操作时具有相应的蒙特卡洛树搜索次数。
在本公开的一种优选实施例中,所述查找模块22,被配置为基于所述游戏等级,查找与所述游戏用户相匹配的、且执行所述游戏操作的胜率满足预设的胜率条件的AI对象。
在本公开的一种优选实施例中,所述查找模块22,还被配置为在所述基于所述游戏等级,查找与所述游戏用户相匹配的AI对象之前,基于所述游戏用户的游戏等级,查找与所述游戏用户相匹配的其他游戏用户;若在预设的时间段内未查找到所述其他游戏用户,则确定需为所述游戏用户匹配AI对象。
在本公开的一种优选实施例中,所述其他游戏用户的属性信息所表示的游戏等级,与所述游戏用户的属性信息所表示的游戏等级属于相同的游戏等级。
在本公开的一种优选实施例中,所述系统还包括:与所述查找模块22连接和/或通信的局面预存模块23,被配置为在所述查找模块22基于所述游戏等级,查找与所述游戏用户相匹配的AI对象之前,获取所述游戏中满足预设的局面条件的局面信息,所述局面信息包括:所述游戏的元素信息,以及,所述游戏用户和所述AI对象在根据所述元素信息执行所述游戏操作时的操作信息;将所述局面信息存储至与所述AI对象对应的存储器中。
在本公开的一种优选实施例中,所述系统还包括:与所述查找模块22和所述局面预存模块23连接和/或通信的局面搜索模块24,被配置为在所述查找模块22基于所述游戏等级,查找与所述游戏用户相匹配的AI对象之后,获取当前的局面信息;若所述当前的局面信息属于所述满足预设的局面条件的局面信息,则从所述存储器中搜索得到与所述当前的局面信息对应的所述操作信息,并利用所述AI对象执行所述操作信息。
在本公开的一种优选实施例中,所述系统还包括:与所述查找模块22连接和/或通信的AI对象部署模块25,被配置为在所述查找模块22基于所述游戏等级,查找与所述游戏用户相匹配的AI对象之前,获取预先分配的资源信息,所述资源信息包括所述游戏所在的系统中的图形处理器的数量;根据所述资源信息部署对应数量的所述AI对象。
关于上述实施例中的系统,其中各个模块执行操作的具体方式已经在有关该方法的实施例中进行了详细描述,此处将不做详细阐述说明。
图3是根据一示例性实施例示出的一种用于对棋类游戏的AI模型进行处理的电子设备300的框图。电子设备300可以是移动电话,计算机,数字广播终端,消息收发设备,游戏控制台,平板设备,医疗设备,健身设备,个人数字助理等。电子设备300可以包括以下一个或多个组件:处理组件302,存储器304,电源组件306,多媒体组件308,音频组件310,输入/输出(I/O)的接口312,传感器组件314,以及通信组件316。
处理组件302通常控制电子设备300的整体操作,诸如与显示,电话呼叫,数据通信,相机操作和记录操作相关联的操作。处理组件302可以包括一个或多个处理器320来执行指令,以完成上述的方法的全部或部分步骤。此外,处理组件302可以包括一个或多个模块,便于处理组件302和其他组件之间的交互。例如,处理组件302可以包括多媒体模块,以方便多媒体组件308和处理组件302之间的交互。
存储器304被配置为存储各种类型的数据以支持在电子设备300的操作。这些数据的示例包括用于在电子设备300上操作的任何应用程序或方法的指令,联系人数据,电话簿数据,消息,图片,视频等。存储器304可以由任何类型的易失性或非易失性存储设备或者它们的组合实现,如静态随机存取存储器(SRAM),电可擦除可编程只读存储器(EEPROM),可擦除可编程只读存储器(EPROM),可编程只读存储器(PROM),只读存储器(ROM),磁存储器,快闪存储器,磁盘或光盘。
电源组件306为电子设备300的各种组件提供电力。电源组件306可以包括电源管理系统,一个或多个电源,及其他与为电子设备300生成、管理和分配电力相关联的组件。
多媒体组件308包括在所述电子设备300和用户之间的提供一个输出接口的屏幕。在一些实施例中,屏幕可以包括液晶显示器(LCD)和触摸面板(TP)。如果屏幕包括触摸面板,屏幕可以被实现为触摸屏,以接收来自用户的输入信号。触摸面板包括一个或多个触摸传感器以感测触摸、滑动和触摸面板上的手势。所述触摸传感器可以不仅感测触摸或滑动动作的边界,而且还检测与所述触摸或滑动操作相关的持续时间和压力。在一些实施例中,多媒体组件308包括一个前置摄像头和/或后置摄像头。当电子设备300处于操作模式,如拍摄模式或视频模式时,前置摄像头和/或后置摄像头可以接收外部的多媒体数据。每个前置摄像头和后置摄像头可以是一个固定的光学透镜系统或具有焦距和光学变焦能力。
音频组件310被配置为输出和/或输入音频信号。例如,音频组件310包括一个麦克风(MIC),当电子设备300处于操作模式,如呼叫模式、记录模式和语音识别模式时,麦克风被配置为接收外部音频信号。所接收的音频信号可以被进一步存储在存储器304或经由通信组件316发送。在一些实施例中,音频组件310还包括一个扬声器,用于输出音频信号。
I/O接口312为处理组件302和外围接口模块之间提供接口,上述外围接口模块可以是键盘,点击轮,按钮等。这些按钮可包括但不限于:主页按钮、音量按钮、启动按钮和锁定按钮。
传感器组件314包括一个或多个传感器,用于为电子设备300提供各个方面的状态评估。例如,传感器组件314可以检测到电子设备300的打开/关闭状态,组件的相对定位,例如所述组件为电子设备300的显示器和小键盘,传感器组件314还可以检测电子设备300或电子设备300一个组件的位置改变,用户与电子设备300接触的存在或不存在,电子设备300方位或加速/减速和电子设备300的温度变化。传感器组件314可以包括接近传感器,被配置用来在没有任何的物理接触时检测附近物体的存在。传感器组件314还可以包括光传感器,如CMOS或CCD图像传感器,用于在成像应用中使用。在一些实施例中,该传感器组件314还可以包括加速度传感器,陀螺仪传感器,磁传感器,压力传感器或温度传感器。
通信组件316被配置为便于电子设备300和其他设备之间有线或无线方式的通信。电子设备300可以接入基于通信标准的无线网络,如WiFi,运营商网络(如2G、3G、4G或5G),或它们的组合。在一个示例性实施例中,通信组件316经由广播信道接收来自外部广播管理系统的广播信号或广播相关信息。在一个示例性实施例中,所述通信组件316还包括近场通信(NFC)模块,以促进短程通信。例如,在NFC模块可基于射频识别(RFID)技术,红外数据协会(IrDA)技术,超宽带(UWB)技术,蓝牙(BT)技术和其他技术来实现。
在示例性实施例中,电子设备300可以被一个或多个应用专用集成电路(ASIC)、数字信号处理器(DSP)、数字信号处理设备(DSPD)、可编程逻辑器件(PLD)、现场可编程门阵列(FPGA)、控制器、微控制器、微处理器或其他电子元件实现,用于执行上述方法。
在示例性实施例中,还提供了一种包括指令的非临时性计算机可读存储介质,例如包括指令的存储器304,上述指令可由电子设备300的处理器320执行以完成上述方法。例如,所述非临时性计算机可读存储介质可以是ROM、随机存取存储器(RAM)、CD-ROM、磁带、软盘和光数据存储设备等。
图4是根据一示例性实施例示出的一种用于对棋类游戏的AI模型进行处理的装置400的框图。例如,装置400可以被提供为一服务器或电子设备。参照图4,装置400包括处理组件422,其进一步包括一个或多个处理器,以及由存储器432所代表的存储器资源,用于存储可由处理组件422的执行的指令,例如应用程序。存储器432中存储的应用程序可以包括一个或一个以上的每一个对应于一组指令的模块。此外,处理组件422被配置为执行指令,以执行上述用于游戏的AI对象匹配方法。
装置400还可以包括一个电源组件426被配置为执行装置400的电源管理,一个有线或无线网络接口450被配置为将装置400连接到网络,和一个输入输出(I/O)接口458。装置400可以操作基于存储在存储器432的操作系统,例如Windows ServerTM,Mac OS XTM,UnixTM,LinuxTM,FreeBSDTM或类似。
本公开实施例还可以提供一种计算机程序产品,当所述计算机程序产品中的指令由服务器、装置或电子设备的处理器执行时,使得服务器、装置或电子设备能够执行上述用于游戏的AI对象匹配方法。
本领域技术人员在考虑说明书及实践这里公开的发明后,将容易想到本发明的其它实施方案。本申请旨在涵盖本发明的任何变型、用途或者适应性变化,这些变型、用途或者适应性变化遵循本发明的一般性原理并包括本公开未公开的本技术领域中的公知常识或惯用技术手段。说明书和实施例仅被视为示例性的,本发明的真正范围和精神由下面的权利要求指出。
应当理解的是,本发明并不局限于上面已经描述并在附图中示出的精确结构,并且可以在不脱离其范围进行各种修改和改变。本发明的范围仅由所附的权利要求来限制。
Claims (10)
1.一种用于游戏的AI对象匹配方法,其特征在于,包括:
获取游戏用户的属性信息,其中,所述属性信息用于表示所述游戏用户的游戏等级;
在需为所述游戏用户匹配AI对象时,基于所述游戏等级,查找与所述游戏用户相匹配的AI对象,其中,所述AI对象为预先生成的用于与所述游戏用户顺序执行游戏操作的虚拟游戏对象,不同AI对象在执行所述游戏操作时占用的系统资源不同。
2.根据权利要求1所述的用于游戏的AI对象匹配方法,其特征在于,所述基于所述游戏等级,查找与所述游戏用户相匹配的AI对象的步骤,包括:
当所述游戏等级低于或等于预设的棋力等级时,为所述游戏用户匹配第一AI对象;
当所述游戏等级高于所述棋力等级时,为所述游戏用户匹配第二AI对象;
其中,所述不同AI对象包括所述第一AI对象和所述第二AI对象。
3.根据权利要求2所述的用于游戏的AI对象匹配方法,其特征在于,所述第一AI对象在执行所述游戏操作时占用的系统资源少于所述第二AI对象在执行所述游戏操作时占用的系统资源。
4.根据权利要求2所述的用于游戏的AI对象匹配方法,其特征在于,在所述游戏所在的系统中,匹配到所述第一AI对象的所述游戏用户的数量大于匹配到所述第二AI对象的所述游戏用户的数量。
5.根据权利要求2所述的用于游戏的AI对象匹配方法,其特征在于,当所述游戏等级高于所述棋力等级时,为所述游戏用户匹配第二AI对象的步骤,包括:
当所述游戏等级高于所述棋力等级时,按照预设的游戏等级与蒙特卡洛树搜索次数之间的对应关系,为所述游戏用户匹配所述第二AI对象;
其中,所述第二AI对象在执行所述游戏操作时具有相应的蒙特卡洛树搜索次数。
6.根据权利要求1所述的用于游戏的AI对象匹配方法,其特征在于,所述基于所述游戏等级,查找与所述游戏用户相匹配的AI对象的步骤,包括:
基于所述游戏等级,查找与所述游戏用户相匹配的、且执行所述游戏操作的胜率满足预设的胜率条件的AI对象。
7.根据权利要求1所述的用于游戏的AI对象匹配方法,其特征在于,在所述基于所述游戏等级,查找与所述游戏用户相匹配的AI对象的步骤之前,所述方法还包括:
基于所述游戏用户的游戏等级,查找与所述游戏用户相匹配的其他游戏用户;
若在预设的时间段内未查找到所述其他游戏用户,则确定需为所述游戏用户匹配AI对象。
8.一种用于游戏的AI对象匹配系统,其特征在于,包括:
获取模块,被配置为获取游戏用户的属性信息,其中,所述属性信息用于表示所述游戏用户的游戏等级;
查找模块,被配置为在需为所述游戏用户匹配AI对象时,基于所述游戏等级,查找与所述游戏用户相匹配的AI对象,其中,所述AI对象为预先生成的用于与所述游戏用户顺序执行游戏操作的虚拟游戏对象,不同AI对象在执行所述游戏操作时占用的系统资源不同。
9.一种电子设备,其特征在于,包括:
处理器;
用于存储所述处理器可执行指令的存储器;
其中,所述处理器被配置为执行如权利要求1至7中任一项所述的用于游戏的AI对象匹配方法。
10.一种非临时性计算机可读存储介质,其特征在于,当所述存储介质中的指令由移动终端的处理器执行时,使得所述移动终端执行如权利要求1至7中任一项所述的用于游戏的AI对象匹配方法。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201910195365.7A CN110038303A (zh) | 2019-03-14 | 2019-03-14 | Ai对象匹配方法、系统及电子设备和存储介质 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201910195365.7A CN110038303A (zh) | 2019-03-14 | 2019-03-14 | Ai对象匹配方法、系统及电子设备和存储介质 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN110038303A true CN110038303A (zh) | 2019-07-23 |
Family
ID=67273828
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201910195365.7A Pending CN110038303A (zh) | 2019-03-14 | 2019-03-14 | Ai对象匹配方法、系统及电子设备和存储介质 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN110038303A (zh) |
Cited By (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN113426094A (zh) * | 2021-06-30 | 2021-09-24 | 北京市商汤科技开发有限公司 | 一种棋力调整方法、装置、设备及存储介质 |
CN113827957A (zh) * | 2021-08-18 | 2021-12-24 | 网易(杭州)网络有限公司 | 虚拟游戏角色的部署方法、装置、存储介质和电子装置 |
Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN104133825A (zh) * | 2013-09-10 | 2014-11-05 | 腾讯科技(深圳)有限公司 | 一种匹配客户端用户的方法及装置 |
CN105999689A (zh) * | 2016-05-30 | 2016-10-12 | 北京理工大学 | 一种机器博弈的亚马逊棋ai算法 |
CN106422295A (zh) * | 2016-09-27 | 2017-02-22 | 珠海格力智能装备有限公司 | 对弈难度等级的处理方法及装置、机器人 |
CN108744525A (zh) * | 2018-05-29 | 2018-11-06 | 深圳市紫石文化传播有限公司 | 一种匹配方法和装置 |
-
2019
- 2019-03-14 CN CN201910195365.7A patent/CN110038303A/zh active Pending
Patent Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN104133825A (zh) * | 2013-09-10 | 2014-11-05 | 腾讯科技(深圳)有限公司 | 一种匹配客户端用户的方法及装置 |
CN105999689A (zh) * | 2016-05-30 | 2016-10-12 | 北京理工大学 | 一种机器博弈的亚马逊棋ai算法 |
CN106422295A (zh) * | 2016-09-27 | 2017-02-22 | 珠海格力智能装备有限公司 | 对弈难度等级的处理方法及装置、机器人 |
CN108744525A (zh) * | 2018-05-29 | 2018-11-06 | 深圳市紫石文化传播有限公司 | 一种匹配方法和装置 |
Non-Patent Citations (1)
Title |
---|
张铭等: "《数据结构与算法:学习指导与习题解析》", 31 October 2005 * |
Cited By (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN113426094A (zh) * | 2021-06-30 | 2021-09-24 | 北京市商汤科技开发有限公司 | 一种棋力调整方法、装置、设备及存储介质 |
CN113827957A (zh) * | 2021-08-18 | 2021-12-24 | 网易(杭州)网络有限公司 | 虚拟游戏角色的部署方法、装置、存储介质和电子装置 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
US10291774B2 (en) | Method, device, and system for determining spam caller phone number | |
US9602516B2 (en) | Method, server and terminal device for establishing communication session | |
CN106874308B (zh) | 一种推荐方法和装置、一种用于推荐的装置 | |
US20160104253A1 (en) | Device, System, and Method of Enhancing User Privacy and Security Within a Location-Based Virtual Social Networking Context | |
CN104636453B (zh) | 非法用户资料识别方法及装置 | |
CN105187733B (zh) | 视频处理方法、装置及终端 | |
CN111783001A (zh) | 页面显示方法、装置、电子设备和存储介质 | |
CN105512545B (zh) | 访问权限管理方法和装置 | |
CN110188236A (zh) | 一种音乐的推荐方法、装置及系统 | |
CN113365086B (zh) | 直播数据互动方法、装置、电子设备、服务器及存储介质 | |
CN105263126B (zh) | 短信验证方法、装置及系统 | |
CN107769881A (zh) | 信息同步方法、装置及系统、存储介质 | |
CN106358087A (zh) | 表情包生成方法及装置 | |
US11491406B2 (en) | Game drawer | |
US20200135205A1 (en) | Input method, device, apparatus, and storage medium | |
CN110909184B (zh) | 多媒体资源显示方法、装置、设备及介质 | |
CN107643833A (zh) | 一种输入方法和装置、一种用于输入的装置 | |
CN105357388B (zh) | 一种信息推荐的方法及电子设备 | |
CN108335135A (zh) | 多媒体内容的分享方法及装置 | |
CN113244628B (zh) | 资源处理方法、装置、设备及存储介质 | |
CN112423011B (zh) | 消息回复方法、装置、设备及存储介质 | |
CN110038303A (zh) | Ai对象匹配方法、系统及电子设备和存储介质 | |
CN106447747B (zh) | 图像处理方法及装置 | |
CN109908584A (zh) | 一种游戏信息的获取方法、装置及电子设备 | |
CN107037887B (zh) | 一种用于汉字输入的方法、装置及电子设备 |
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 | ||
RJ01 | Rejection of invention patent application after publication |
Application publication date: 20190723 |
|
RJ01 | Rejection of invention patent application after publication |