CN110721471B - 一种虚拟应用对象输出方法、装置以及计算机存储介质 - Google Patents
一种虚拟应用对象输出方法、装置以及计算机存储介质 Download PDFInfo
- Publication number
- CN110721471B CN110721471B CN201910914842.0A CN201910914842A CN110721471B CN 110721471 B CN110721471 B CN 110721471B CN 201910914842 A CN201910914842 A CN 201910914842A CN 110721471 B CN110721471 B CN 110721471B
- Authority
- CN
- China
- Prior art keywords
- virtual application
- state
- output
- application object
- plane
- 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
- 238000000034 method Methods 0.000 title claims abstract description 82
- 238000002955 isolation Methods 0.000 claims description 95
- 238000010276 construction Methods 0.000 claims description 15
- 238000012549 training Methods 0.000 claims description 9
- 238000004590 computer program Methods 0.000 claims 3
- 238000013528 artificial neural network Methods 0.000 description 27
- 238000010586 diagram Methods 0.000 description 18
- 238000013527 convolutional neural network Methods 0.000 description 11
- 230000009471 action Effects 0.000 description 9
- 230000006870 function Effects 0.000 description 8
- 230000008569 process Effects 0.000 description 7
- 239000003086 colorant Substances 0.000 description 5
- 238000012545 processing Methods 0.000 description 5
- 230000000694 effects Effects 0.000 description 4
- 241000894007 species Species 0.000 description 4
- 210000002569 neuron Anatomy 0.000 description 3
- 230000009286 beneficial effect Effects 0.000 description 2
- 238000004422 calculation algorithm Methods 0.000 description 2
- 238000004364 calculation method Methods 0.000 description 2
- 230000010365 information processing Effects 0.000 description 2
- 230000003287 optical effect Effects 0.000 description 2
- 238000011176 pooling Methods 0.000 description 2
- 238000012706 support-vector machine Methods 0.000 description 2
- 230000009466 transformation Effects 0.000 description 2
- 230000001131 transforming effect Effects 0.000 description 2
- 241000287828 Gallus gallus Species 0.000 description 1
- 241001465754 Metazoa Species 0.000 description 1
- 230000006399 behavior Effects 0.000 description 1
- 230000005540 biological transmission Effects 0.000 description 1
- 210000004556 brain Anatomy 0.000 description 1
- 210000004027 cell Anatomy 0.000 description 1
- 238000013145 classification model Methods 0.000 description 1
- 238000001514 detection method Methods 0.000 description 1
- 238000011161 development Methods 0.000 description 1
- 238000007599 discharging Methods 0.000 description 1
- 238000000605 extraction Methods 0.000 description 1
- 230000003993 interaction Effects 0.000 description 1
- 238000013178 mathematical model Methods 0.000 description 1
- 239000011159 matrix material Substances 0.000 description 1
- 238000012544 monitoring process Methods 0.000 description 1
- 210000000056 organ Anatomy 0.000 description 1
- 238000007637 random forest analysis Methods 0.000 description 1
- 230000000306 recurrent effect Effects 0.000 description 1
- 230000000007 visual effect Effects 0.000 description 1
Classifications
-
- G—PHYSICS
- G07—CHECKING-DEVICES
- G07F—COIN-FREED OR LIKE APPARATUS
- G07F17/00—Coin-freed apparatus for hiring articles; Coin-freed facilities or services
- G07F17/32—Coin-freed apparatus for hiring articles; Coin-freed facilities or services for games, toys, sports, or amusements
- G07F17/3286—Type of games
- G07F17/3293—Card games, e.g. poker, canasta, black jack
-
- G—PHYSICS
- G07—CHECKING-DEVICES
- G07F—COIN-FREED OR LIKE APPARATUS
- G07F17/00—Coin-freed apparatus for hiring articles; Coin-freed facilities or services
- G07F17/32—Coin-freed apparatus for hiring articles; Coin-freed facilities or services for games, toys, sports, or amusements
- G07F17/3202—Hardware aspects of a gaming system, e.g. components, construction, architecture thereof
- G07F17/3204—Player-machine interfaces
- G07F17/3211—Display means
- G07F17/3213—Details of moving display elements, e.g. spinning reels, tumbling members
-
- 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
- A63F13/55—Controlling game characters or game objects based on the game progress
-
- 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
- A63F13/30—Interconnection arrangements between game servers and game devices; Interconnection arrangements between game devices; Interconnection arrangements between game servers
- A63F13/33—Interconnection arrangements between game servers and game devices; Interconnection arrangements between game devices; Interconnection arrangements between game servers using wide area network [WAN] connections
-
- 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
- A63F13/50—Controlling the output signals based on the game progress
- A63F13/52—Controlling the output signals based on the game progress involving aspects of the displayed game scene
-
- 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
- A63F13/60—Generating or modifying game content before or while executing the game program, e.g. authoring tools specially adapted for game development or game-integrated level editor
- A63F13/67—Generating or modifying game content before or while executing the game program, e.g. authoring tools specially adapted for game development or game-integrated level editor adaptively or by learning from player actions, e.g. skill level adjustment or by storing successful combat sequences for re-use
-
- 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
- A63F13/80—Special adaptations for executing a specific game genre or game mode
-
- 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
- A63F9/00—Games not otherwise provided for
- A63F9/20—Dominoes or like games; Mah-Jongg games
- A63F2009/205—Mah-jongg games
Landscapes
- Engineering & Computer Science (AREA)
- Multimedia (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Human Computer Interaction (AREA)
- User Interface Of Digital Computer (AREA)
- Processing Or Creating Images (AREA)
Abstract
本申请实施例公开了一种虚拟应用对象输出方法、装置以及计算机存储介质,所述方法包括:获取虚拟应用中多个虚拟应用对象的当前状态信息,当前状态信息用于指示虚拟应用对象处于已知状态或者处于未知状态,根据当前状态信息,构建虚拟应用对象状态平面,其中,虚拟应用对象状态平面包括每个虚拟应用对象对应的区域,区域中包括虚拟应用对象的当前状态信息,根据虚拟应用对象状态平面,获取待输出虚拟应用对象的输出概率,根据待输出虚拟应用对象的输出概率,从多个待输出虚拟应用对象中确定目标虚拟应用对象进行输出。该方案可以提高目标虚拟应用对象输出的准确性。
Description
技术领域
本申请涉及计算机领域,具体涉及一种虚拟应用对象输出方法、装置以及计算机存储介质。
背景技术
网络游戏是指以互联网为传输媒介,以游戏运营商服务器和用户计算机为处理终端,以游戏客户端软件为信息交互窗口的旨在实现娱乐、休闲、交流、以及取得虚拟成就的具有可持续性的个体性多人在线游戏。
随着网络游戏的发展,用户对于网络游戏的要求也在不断提高,对于包括虚拟应用对象输出步骤的网络游戏,用户希望能够准确地进行虚拟应用对象的输出,然而,由于某些网络游戏中虚拟应用对象的种类繁多,因此虚拟应用对象输出的准确性不够高。
发明内容
本申请实施例提供一种虚拟应用对象输出方法、装置以及计算机存储介质,可以提高目标虚拟应用对象输出的准确性。
本申请实施例提供一种虚拟应用对象输出方法,包括:
获取虚拟应用中多个虚拟应用对象的当前状态信息,所述当前状态信息用于指示虚拟应用对象处于已知状态或者处于未知状态;
根据所述当前状态信息,构建虚拟应用对象状态平面,其中,所述虚拟应用对象状态平面包括每个虚拟应用对象对应的区域,所述区域中包括所述虚拟应用对象的当前状态信息;
根据所述虚拟应用对象状态平面,获取待输出虚拟应用对象的输出概率;
根据所述待输出虚拟应用对象的输出概率,从多个待输出虚拟应用对象中确定目标虚拟应用对象进行输出。
相应的,本申请实施例还提供一种虚拟应用对象输出装置,包括:
获取模块,用于获取虚拟应用中多个虚拟应用对象的当前状态信息,所述当前状态信息用于指示虚拟应用对象处于已知状态或者处于未知状态;
构建模块,用于根据所述当前状态信息,构建虚拟应用对象状态平面,其中,所述虚拟应用对象状态平面包括每个虚拟应用对象对应的区域,所述区域按照预设排列规则进行排列,所述区域中包括所述虚拟应用对象的当前状态信息;
概率获取模块,用于根据所述虚拟应用对象状态平面,获取待输出虚拟应用对象的输出概率;
输出模块,用于根据所述待输出虚拟应用对象的输出概率,从多个待输出虚拟应用对象中确定目标虚拟应用对象进行输出。
可选的,在一些实施例中,所述构建模块可以包括第一获取子模块和第一构建子模块,如下:
所述第一获取子模块,可以用于获取多个虚拟应用对象的对象类型;
所述第一构建子模块,可以用于根据所述当前状态信息、以及所述对象类型,构建虚拟应用对象状态平面,其中,所述虚拟应用对象状态平面包括若干状态子平面、以及若干隔离区域,所述状态子平面与所述对象类型相对应,所述隔离区域位于相邻的两个状态子平面之间。
则此时,所述第一构建子模块,具体可以用于根据所述当前状态信息,构建第一初始状态平面,根据所述对象类型,将所述初始状态平面分割为若干状态子平面,在两个相邻的状态子平面之间插入隔离区域,得到虚拟应用对象状态平面。
可选的,在一些实施例中,所述第一构建子模块可以包括第一确定子模块和第二构建子模块,如下:
所述第一确定子模块,可以用于从若干对象类型中,确定需要进行隔离的目标对象类型,所述目标对象类型包括多个目标对象子类型;
所述第二构建子模块,可以用于根据所述当前状态信息、所述对象类型、以及所述目标对象子类型,构建虚拟应用对象状态平面,其中,所述虚拟应用对象状态平面中的状态子平面包括若干隔离后状态区域,所述隔离后状态区域与所述目标对象子类型相对应,所述虚拟应用对象状态平面中的隔离区域位于相邻的两个隔离后状态区域之间。
可选的,在一些实施例中,所述第二构建子模块可以包括第二确定子模块、划分子模块和第三构建子模块,如下:
所述第二确定子模块,可以用于确定需要进行隔离的两个目标对象子类型之间隔离区域的区域尺寸;
所述第三构建子模块,可以用于根据所述当前状态信息、所述对象类型、所述目标对象子类型、以及所述区域尺寸,构建虚拟应用对象状态平面,其中,所述虚拟应用对象状态平面中的两个隔离后状态区域之间包括区域尺寸的隔离区域。
则此时,所述第三构建子模块,具体可以用于根据所述当前状态信息、以及所述对象类型,构建第二初始状态平面,确定所述第二初始状态平面中所述目标对象类型对应的目标状态子平面,根据所述目标对象子类型,将所述目标状态子平面分割为若干隔离后状态区域,在两个相邻的隔离后状态区域之间插入所述区域尺寸的隔离区域,得到隔离后初始状态平面,根据所述隔离后初始状态平面、以及所述第二初始状态平面,构建虚拟应用对象状态平面。
则此时,所述第三构建子模块,具体可以用于根据所述当前状态信息、所述对象类型、所述目标对象子类型、以及所述区域尺寸,构建第三初始状态平面,根据所述对象类型,将所述第三初始状态平面分割为若干待旋转状态子平面,将每个待旋转状态子平面进行旋转,得到旋转后状态子平面,在相邻两个旋转后状态子平面中插入隔离区域,得到虚拟应用对象状态平面。
可选的,在一些实施例中,所述虚拟应用对象输出装置还可以包括第一更新模块、第二更新模块、返回模块和终止模块,如下:
所述第一更新模块,可以用于更新待输出虚拟应用对象;
所述第二更新模块,可以用于当所述待输出虚拟应用对象不满足终止条件时,更新虚拟应用对象的当前状态信息;
所述返回模块,可以用于返回执行根据所述当前状态信息,构建虚拟应用对象状态平面的步骤;
所述终止模块,可以用于当所述待输出虚拟应用对象满足终止条件时,终止输出。
则此时,所述概率获取模块,具体可以用于将所述虚拟应用对象状态平面输入至概率获取网络,基于所述概率获取网络,获取待输出虚拟应用对象的输出概率。
可选的,在一些实施例中,所述虚拟应用对象输出装置还可以包括第二获取子模块、训练子模块和收敛子模块,如下:
所述第二获取子模块,可以用于获取若干样本状态平面、以及每个样本状态平面对应的真实输出对象;
所述训练子模块,可以用于根据所述样本状态平面对预设概率获取网络进行训练,得到所述样本状态平面对应的预测输出对象;
所述收敛子模块,可以用于根据所述真实输出对象和所述预测输出对象进行收敛,得到概率获取网络。
此外,本申请实施例还提供一种存储介质,所述存储介质存储有多条指令,所述指令适于处理器进行加载,以执行本申请实施例提供的任一种虚拟应用对象输出方法中的步骤。
本申请实施例可以获取虚拟应用中多个虚拟应用对象的当前状态信息,当前状态信息用于指示虚拟应用对象处于已知状态或者处于未知状态,根据当前状态信息,构建虚拟应用对象状态平面,其中,虚拟应用对象状态平面包括每个虚拟应用对象对应的区域,区域中包括虚拟应用对象的当前状态信息,根据虚拟应用对象状态平面,获取待输出虚拟应用对象的输出概率,根据待输出虚拟应用对象的输出概率,从多个待输出虚拟应用对象中确定目标虚拟应用对象进行输出。该方案可以提高目标虚拟应用对象输出的准确性。
附图说明
为了更清楚地说明本申请实施例中的技术方案,下面将对实施例描述中所需要使用的附图作简单地介绍,显而易见地,下面描述中的附图仅仅是本申请的一些实施例,对于本领域技术人员来讲,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的附图。
图1是本申请实施例提供的虚拟应用对象输出系统的场景示意图;
图2是本申请实施例提供的虚拟应用对象输出方法的第一流程图;
图3是本申请实施例提供的虚拟应用对象输出方法的第二流程图;
图4是本申请实施例提供的虚拟应用对象输出方法的第三流程图;
图5是本申请实施例提供的虚拟应用对象输出方法的第四流程图;
图6是本申请实施例提供的虚拟应用对象输出方法的第五流程图;
图7是本申请实施例提供的网络麻将游戏应用第一界面的示意图;
图8是本申请实施例提供的网络麻将游戏应用第二界面的示意图;
图9是本申请实施例提供的概率获取网络的训练流程示意图;
图10是本申请实施例提供的应用概率获取网络输出目标虚拟应用对象的流程示意图;
图11是本申请实施例提供的第一种虚拟应用对象状态平面的第一示意图;
图12是本申请实施例提供的第一种虚拟应用对象状态平面的第二示意图;
图13是本申请实施例提供的第一种虚拟应用对象状态平面的第三示意图;
图14是本申请实施例提供的第一种虚拟应用对象状态平面的第四示意图;
图15是本申请实施例提供的第二种虚拟应用对象状态平面的第一示意图;
图16是本申请实施例提供的第二种虚拟应用对象状态平面的第二示意图;
图17是本申请实施例提供的第二种虚拟应用对象状态平面的第三示意图;
图18是本申请实施例提供的第三种虚拟应用对象状态平面的第一示意图;
图19是本申请实施例提供的第三种虚拟应用对象状态平面的第二示意图;
图20是本申请实施例提供的第三种虚拟应用对象状态平面的第三示意图;
图21是本申请实施例提供的第四种虚拟应用对象状态平面的示意图;
图22是本申请实施例提供的虚拟应用对象输出装置的结构示意图;
图23是本申请实施例提供的网络设备的结构示意图。
具体实施方式
请参照图式,其中相同的组件符号代表相同的组件,本申请的原理是以实施在一适当的运算环境中来举例说明。以下的说明是基于所例示的本申请具体实施例,其不应被视为限制本申请未在此详述的其它具体实施例。
在以下的说明中,本申请的具体实施例将参考由一部或多部计算机所执行的步骤及符号来说明,除非另有述明。因此,这些步骤及操作将有数次提到由计算机执行,本文所指的计算机执行包括了由代表了以一结构化形式中的数据的电子信号的计算机处理单元的操作。此操作转换该数据或将其维持在该计算机的内存系统中的位置处,其可重新配置或另外以本领域测试人员所熟知的方式来改变该计算机的运作。该数据所维持的数据结构为该内存的实体位置,其具有由该数据格式所定义的特定特性。但是,本申请原理以上述文字来说明,其并不代表为一种限制,本领域测试人员将可了解到以下所述的多种步骤及操作亦可实施在硬件当中。
本文所使用的术语“模块”可看作为在该运算系统上执行的软件对象。本文所述的不同组件、模块、引擎及服务可看作为在该运算系统上的实施对象。而本文所述的装置及方法可以以软件的方式进行实施,当然也可在硬件上进行实施,均在本申请保护范围之内。
本申请中的术语“第一”、“第二”和“第三”等是用于区别不同对象,而不是用于描述特定顺序。此外,术语“包括”和“具有”以及它们任何变形,意图在于覆盖不排他的包含。例如包含了一系列步骤或模块的过程、方法、系统、产品或设备没有限定于已列出的步骤或模块,而是某些实施例还包括没有列出的步骤或模块,或某些实施例还包括对于这些过程、方法、产品或设备固有的其它步骤或模块。
在本文中提及“实施例”意味着,结合实施例描述的特定特征、结构或特性可以包含在本申请的至少一个实施例中。在说明书中的各个位置出现该短语并不一定均是指相同的实施例,也不是与其它实施例互斥的独立的或备选的实施例。本领域技术人员显式地和隐式地理解的是,本文所描述的实施例可以与其它实施例相结合。
本申请实施例提供一种虚拟应用对象输出方法、装置、以及计算机存储介质。其中,该虚拟应用对象输出装置可以集成在网络设备中,该网络设备可以为终端、服务器等设备,其中,终端可以为手机、平板电脑、笔记本电脑、个人计算机(PC,Personal Computer)、微型处理盒子等设备。
请参阅图1,图1为本申请实施例提供的虚拟应用对象输出方法的应用场景示意图,以虚拟应用对象输出装置集成在网络设备中为例,网络设备可以获取虚拟应用中多个虚拟应用对象的当前状态信息,当前状态信息用于指示虚拟应用对象处于已知状态或者处于未知状态,根据当前状态信息,构建虚拟应用对象状态平面,其中,虚拟应用对象状态平面包括每个虚拟应用对象对应的区域,区域中包括虚拟应用对象的当前状态信息,根据虚拟应用对象状态平面,获取待输出虚拟应用对象的输出概率,根据待输出虚拟应用对象的输出概率,从多个待输出虚拟应用对象中确定目标虚拟应用对象进行输出。
以下分别进行详细说明。需说明的是,以下实施例的描述顺序不作为对实施例优选顺序的限定。
本发明实施例提供的一种虚拟应用对象输出方法,该方法可以由服务器执行,如图2所示,该虚拟应用对象输出方法的具体流程可以如下:
201、获取虚拟应用中多个虚拟应用对象的当前状态信息。
其中,虚拟应用可以为安装在终端上的应用软件,能够满足用户对于不同领域、不同问题的应用需求,并且为用户提供更丰富的使用体验。比如,本申请实施例中的虚拟应用可以为游戏应用,该游戏应用可以为通过各种程序和动画效果结合得到的软件产品,通过游戏应用,可以对用户的脑、眼、手等器官进行锻炼,提升用户的逻辑力、敏捷力,等等。又比如,本申请实施例中的虚拟应用还可以为需要进行输出的牌类游戏应用,如网络麻将游戏应用、网络扑克游戏应用等等。
其中,虚拟应用对象可以为虚拟应用中与应用相关的虚拟对象,比如,当虚拟应用为游戏应用时,该虚拟应用对象可以为游戏对象,如在网络麻将游戏应用中,一个虚拟应用对象可以为一张虚拟麻将牌;在网络牌类游戏应用中,一个虚拟应用对象可以为一张虚拟牌,等等。
其中,当前状态信息可以为指示虚拟应用中虚拟应用对象当前状态的状态信息,比如,当虚拟应用为网络麻将游戏应用时,当前状态信息可以指示对应虚拟麻将牌当前的状态信息,如当前状态信息可以用于指示虚拟麻将牌当前处于已知状态还是未知状态。
比如,当虚拟应用为网络麻将游戏应用时,在当前玩家的视角,可以将当前玩家自己已知的虚拟麻将牌、已经输出的虚拟麻将牌、以及其他玩家展示出来的虚拟麻将牌等已知状态的虚拟麻将牌识别为已知状态;而其余无法知晓具体状态的虚拟麻将牌可以识别为未知状态。
其中,虚拟应用对象的当前状态信息的定义方法,还可以根据实际情况进行调整,如在当前玩家的视角,还可以将当前玩家自己已知的虚拟麻将牌、已经输出的虚拟麻将牌、其他玩家展示出来的虚拟麻将牌、以及无法得知具体状态的虚拟麻将牌,分别识别为不同种类的当前状态信息,等等。
其中,本申请实施例不对当前状态信息的定义方式进行限定,当前状态信息的定义方式可以根据虚拟应用的不同、虚拟应用对象的不同、以及虚拟应用中游戏规则的不同等进行适当调整。通过灵活地对虚拟应用对象的当前状态信息进行定义,可以提升该虚拟应用对象输出方法的灵活性,使其能够适应更多种类的虚拟应用。
其中,当前状态信息还可以通过标识的形式进行表示,当前状态信息的表示方法可以有多种,比如,可以通过不同的颜色指示不同种类的当前状态信息;或者可以通过不同的图案、字符等指示不同种类的当前状态信息,等等。比如,可以通过标识“0”或“1”表示当前状态信息,在当前状态信息为“0”时,可以指示对应的虚拟麻将牌处于未知状态;在当前状态信息为“1”时,可以指示对应的虚拟麻将牌处于已知状态,等等。
在实际应用中,比如,当虚拟应用为网络麻将游戏应用,虚拟应用对象为虚拟麻将牌时,可以确定每张虚拟麻将牌对应的当前状态信息。其中,在当前玩家的视角,可以将当前玩家自己已知的虚拟麻将牌、已经输出的虚拟麻将牌、以及其他玩家展示出来的虚拟麻将牌等已知状态的虚拟麻将牌识别为已知状态,并将已知状态虚拟麻将牌的当前状态信息记录为“1”;而其余无法知晓具体状态的虚拟麻将牌可以识别为未知状态,并将未知状态虚拟麻将牌的当前状态信息记录为“0”。通过将虚拟麻将牌的状态区分为已知与未知,不仅简化了虚拟麻将牌的状态识别算法,而且通过将状态进行区分为两种,可以方便后续针对输出对象的工作。
在一实施例中,又比如,还可以将当前玩家自己已知的虚拟麻将牌、已经输出的虚拟麻将牌、其他玩家展示出来的虚拟麻将牌、以及其余无法知晓具体状态的虚拟麻将牌分别通过不同的颜色或者不同的字符进行标记,通过不同的颜色或者不同的字符,表示不同种类的当前状态信息,等等。
通过多种方法进行当前状态信息的定义,可以提升该虚拟应用对象输出方法的灵活性,使其能够适应更多种类的虚拟应用,进而提升虚拟应用对象输出的准确性。
202、根据当前状态信息,构建虚拟应用对象状态平面。
其中,虚拟应用对象状态平面可以为表征虚拟应用中所有虚拟应用对象的状态的平面,通过该平面可以得知所有虚拟应用对象的当前状态,并且可以通过该平面进行计算,从而确定输出的目标虚拟应用对象。比如,如图11所示,该虚拟应用对象状态平面中可以包括每个虚拟应用对象对应的区域,这些区域按照预设排列规则进行排列,每个区域中都包括该区域对应的虚拟应用对象的当前状态信息。
在实际应用中,由于某些牌类游戏中的牌会包括不同的花色、不同的牌型、以及花色与牌型的组合,如麻将中的麻将牌包括万、条、筒、风、箭等不同的花色,还包括一、二、三等不同的牌面值,花色与牌面值进行组合后会组合成34中不同的麻将牌。因此,可以通过将麻将牌以二值化的形式在平面上进行表示,以便于后续网络模型的学习。
比如,当虚拟应用为网络麻将游戏应用,虚拟应用对象为虚拟麻将牌时,获取到每张虚拟麻将牌的当前状态信息后,可以根据每张虚拟麻将牌的当前状态信息,构建出虚拟应用对象状态平面。如图11所示,虚拟应用对象状态平面中包括多个矩形区域,每个矩形区域都代表一张虚拟麻将牌。多个矩形区域根据每个区域对应虚拟麻将牌的麻将牌名称,按照“一万、二万、三万、四万、五万、六万、七万、八万、九万、一条、二条、三条、四条、五条、六条、七条、八条、九条、一筒、二筒、三筒、四筒、五筒、六筒、七筒、八筒、九筒、东、南、西、北、中、发、白”的顺序进行排列,整体排列为一个4*34的矩形阵列,其中矩形阵列中每行都包括34个名称不同的虚拟麻将牌,矩形阵列中每列都包括4个名称相同的虚拟麻将牌。每个矩形区域中都包括当前状态信息“0”或“1”,其中,包括“0”的矩形区域可以指示该矩形区域对应的虚拟麻将牌的状态未知,包括“1”的矩形区域可以指示该矩形区域对应的虚拟麻将牌的状态已知。其中,通过这种方法构建出的虚拟应用对象状态平面为一种二值平面。
在一实施例中,比如,为了更加明显地在虚拟应用对象状态平面中,对未知状态的虚拟麻将牌和已知状态的虚拟麻将牌进行区分,如图12所示,还可以通过不同的颜色表示不同的当前状态信息。
在一实施例中,比如,由于麻将游戏中,和牌方式有多种,因此为了提升该虚拟应用对象输出方法的灵活性,还可以对矩形区域的预设排列规则进行调整,比如,还可以将花色为“条”或者“筒”的虚拟麻将牌对应的区域设置于平面最左端;或者在平面里同花色对应的区域中,按照虚拟麻将牌的牌面值从大到小的方式进行从左到右的排列,等等。
其中,番种可以为麻将中对具有一定分值的各种牌张组合形式或者和牌方式的名称。当牌型条件符合规定,并且达到或者超过和分标准,此时,可以认为玩家和牌。
在一实施例中,比如,还可以从该虚拟应用对象状态平面中找到多种可能的番种子模式,如图13所示,图中粗线包络区域中的虚拟麻将牌分别可以构成“一色三步高”、“三色三同刻”、以及“大四喜”的番种,通过这种方式进行虚拟麻将牌状态平面的表示,使得计算机能够根据该状态平面识别出多种番种,进而进行虚拟应用对象输出的预测。
在一实施例中,按照上述方法构建的虚拟应用对象状态平面可能会存在番种误判的情况,如图14所示,图中的区域一可以表示番种“一色三步高”,区域二虽然区域形状与区域一相同,但是并非番种“一色三步高”的表示形式,这样会对后续的模型学习造成一定的困难。
因此,可以通过在虚拟应用对象状态平面中添加隔离区域的方式,将不同类型的虚拟应用对象在状态平面中进行严格区分,以解决番种误判的问题。具体地,步骤“根据所述当前状态信息,构建虚拟应用对象状态平面”,可以包括:
获取多个虚拟应用对象的对象类型;
根据所述当前状态信息、以及所述对象类型,构建虚拟应用对象状态平面,其中,所述虚拟应用对象状态平面包括若干状态子平面、以及若干隔离区域,所述状态子平面与所述对象类型相对应,所述隔离区域位于相邻的两个状态子平面之间。
在实际应用中,比如,当虚拟应用为网络麻将游戏应用,虚拟应用对象为虚拟麻将牌时,可以将虚拟麻将牌划分为多个对象类型,如可以将虚拟麻将牌划分为“万”、“条”、“筒”、“风”、以及“箭”五种对象类型,其中,对象类型“万”可以包括“一万”、“二万”、“三万”、“四万”、“五万”、“六万”、“七万”、“八万”、以及“九万”九种名称的虚拟麻将牌;对象类型“条”可以包括“一条”、“二条”、“三条”、“四条”、“五条”、“六条”、“七条”、“八条”、以及“九条”九种名称的虚拟麻将牌;对象类型“筒”可以包括“一筒”、“二筒”、“三筒”、“四筒”、“五筒”、“六筒”、“七筒”、“八筒”、以及“九筒”九种名称的虚拟麻将牌;对象类型“风”可以包括“东”、“南”、“西”、以及“北”四种名称的虚拟麻将牌;对象类型“箭”可以包括“中”、“发”、以及“白”三种名称的虚拟麻将牌。
获取到每张虚拟麻将牌对应的对象类型后,可以根据每张虚拟麻将牌的当前状态信息、以及每张虚拟麻将牌对应的对象类型,构建虚拟应用对象状态平面,如图15所示,该虚拟应用对象状态平面包括5个状态子平面、以及4个隔离区域,其中,5个状态子平面分别对应“万”、“条”、“筒”、“风”、以及“箭”五种对象类型。隔离区域为0值列,由4个矩形区域构成,每个矩形区域中表示的当前状态信息都为0,并且隔离区域位于相邻的两个状态子平面之间。
其中,该虚拟应用对象状态平面为4*38的矩形阵列,从左向右数第10列、第20列、第30列、以及第35列的区域都为隔离区域。从左向右数第1列至第9列的状态子平面对应对象类型“万”,第11列至第19列的状态子平面对应对象类型“条”,第21列至第29列的状态子平面对应对象类型“筒”,第31列至第34列的状态子平面对应对象类型“风”,第36列至第38列的状态子平面对应对象类型“箭”。
此时,如图16所示,虚拟应用对象状态平面中区域一可以表示番种“一色三步高”,而区域二由于隔离区域的隔离作用,与区域一的形状不相同,从而减少番种误判的可能性。
在一实施例中,如图15所示的包括隔离区域的虚拟应用对象状态平面,还可以通过对如图12所示的不包括隔离区域的状态平面进行变换得到。具体地,步骤“根据所述当前状态信息、以及所述对象类型,构建虚拟应用对象状态平面”,可以包括:
根据所述当前状态信息,构建第一初始状态平面;
根据所述对象类型,将所述初始状态平面分割为若干状态子平面;
在两个相邻的状态子平面之间插入隔离区域,得到虚拟应用对象状态平面。
在实际应用中,比如,可以首先根据虚拟麻将牌的当前状态信息,构建出如图12所示的第一初始状态平面,然后,将第一初始状态平面按照“万”、“条”、“筒”、“风”、以及“箭”五种对象类型,分割为五个状态子平面,每个状态子平面都对应一种对象类型,然后在相邻的两个状态子平面中插入一列隔离区域,得到如图15所示的虚拟应用对象状态平面。
在一实施例中,构建如图15所示的虚拟应用对象状态平面的方法有多种,不限于上述给出的方法。
在一实施例中,按照上述方法构建的虚拟应用对象状态平面依然会存在番种误判的情况,如图17所示,图中的区域三可以表示番种“一色三同顺”,其中,区域四虽然区域形状与区域三相同,但并非番种“一色三同顺”的表示形式,而是番种“三风刻”的表示形式,区域五虽然区域形状与区域三相同,但并非番种“一色三同顺”的表示形式,而是番种“大三元”的表示形式,这样会对后续的模型学习造成一定的困难。
因此,可以通过在虚拟应用对象状态平面中,对需要进行隔离的区域之间添加隔离区域的方式,将需要进行隔离的虚拟应用对象在状态平面中进行严格区分,以解决番种误判的问题。具体地,步骤“根据所述当前状态信息、以及所述对象类型,构建虚拟应用对象状态平面”,可以包括:
从若干对象类型中,确定需要进行隔离的目标对象类型,所述目标对象类型包括多个目标对象子类型;
根据所述当前状态信息、所述对象类型、以及所述目标对象子类型,构建虚拟应用对象状态平面,其中,所述虚拟应用对象状态平面中的状态子平面包括若干隔离后状态区域,所述隔离后状态区域与所述目标对象子类型相对应,所述虚拟应用对象状态平面中的隔离区域位于相邻的两个隔离后状态区域之间。
在实际应用中,比如,当虚拟应用为网络麻将游戏应用,虚拟应用对象为虚拟麻将牌时,可以从“万”、“条”、“筒”、“风”、以及“箭”五种对象类型中,确定需要进行隔离的“风”和“箭”两种目标对象类型,并将目标对象类型“风”划分为“东”、“南”、“西”、以及“北”四种目标对象子类型;将目标对象类型“箭”划分为“中”、“发”、以及“白”三种目标对象子类型。
然后根据当前状态信息、对象类型、以及目标对象子类型,构建虚拟应用对象状态平面。如图18所示,该虚拟应用对象状态平面包括3个状态子平面、7个隔离后状态区域、以及9个隔离区域,其中,3个状态子平面分别对应“万”、“条”、以及“筒”三种对象类型,7个隔离后状态区域分别对应“东”、“南”、“西”、“北”、“中”、“发”、“白”七种目标对象子类型。
其中,隔离区域为0值列,分别位于相邻的对象类型对应的状态子平面之间、相邻的目标对象子类型对应的隔离后状态区域之间、以及相邻的状态子平面和隔离后状态区域之间。
其中,该虚拟应用对象状态平面为4*46的矩形阵列,从左向右数第10列、第20列、第30列、第32列、第34列、第36列、第38列、第39列、第41列、第42列、第44列、第45列的区域都为隔离区域。从左向右数第1列至第9列的状态子平面对应对象类型“万”,第11列至第19列的状态子平面对应对象类型“条”,第21列至第29列的状态子平面对应对象类型“筒”,第31列的隔离后状态区域对应目标对象子类型“东”,第33列的隔离后状态区域对应目标对象子类型“南”,第35列的隔离后状态区域对应目标对象子类型“西”,第37列的隔离后状态区域对应目标对象子类型“北”,第40列的隔离后状态区域对应目标对象子类型“中”,第43列的隔离后状态区域对应目标对象子类型“发”,第46列的隔离后状态区域对应目标对象子类型“白”。
在一实施例中,由于对象类型“风”、以及对象类型“箭”需要在平面中进行严格的区分,因此,可以通过不同区域尺寸的隔离区域进行子平面之间的隔离,达到严格区分类型的目的。具体地,步骤“根据所述当前状态信息、所述对象类型、以及所述目标对象子类型,构建虚拟应用对象状态平面”,可以包括:
确定需要进行隔离的两个目标对象子类型之间隔离区域的区域尺寸;
根据所述当前状态信息、所述对象类型、所述目标对象子类型、以及所述区域尺寸,构建虚拟应用对象状态平面,其中,所述虚拟应用对象状态平面中的两个隔离后状态区域之间包括区域尺寸的隔离区域。
在实际应用中,比如,可以确定目标对象子类型“东”与“南”之间隔离区域的区域尺寸为1,目标对象子类型“北”与“中”之间隔离区域的区域尺寸为2,目标对象子类型“中”与“发”之间隔离区域的区域尺寸为2,等等。区域尺寸都确定完毕后,可以根据当前状态信息、对象类型、目标对象子类型、以及区域尺寸,构建虚拟应用对象状态平面。如图18所示,“东”对应隔离后状态区域与“南”对应隔离后状态区域之间的隔离区域列数为1,而“中”对应隔离后状态区域与“发”对应隔离后状态区域之间的隔离区域列数为2。此时,平面对对象类型“风”、以及对象类型“箭”进行了严格的区分。
其中,在此实施例中不对隔离区域的列数作过多的限定,只要保证需要进行严格区分的类型对应的区域之间,隔离区域的列数不同即可。
此时,如图19所示,虚拟应用对象状态平面中区域三可以表示番种“一色三同顺”,区域四由于不同列数的隔离区域的隔离作用,与区域三的形状不相同,可以表示番种“三风刻”,区域五由于不同列数的隔离区域的隔离作用,与区域三和区域四的形状都不相同,可以表示番种“大三元”,从而降低了番种误判的可能性。
在一实施例中,如图18所示的包括不完全相同列数的隔离区域的虚拟应用对象状态平面,还可以通过对如图15所示的包括相同列数的隔离区域的状态平面进行变换得到。具体地,步骤“根据所述当前状态信息、所述对象类型、所述目标对象子类型、以及所述区域尺寸,构建虚拟应用对象状态平面”,可以包括:
根据所述当前状态信息、以及所述对象类型,构建第二初始状态平面;
确定所述第二初始状态平面中所述目标对象类型对应的目标状态子平面;
根据所述目标对象子类型,将所述目标状态子平面分割为若干隔离后状态区域;
在两个相邻的隔离后状态区域之间插入所述区域尺寸的隔离区域,得到隔离后初始状态平面;
根据所述隔离后初始状态平面、以及所述第二初始状态平面,构建虚拟应用对象状态平面。
在实际应用中,比如,可以根据当前状态信息、以及对象类型,构建如图15所示的第二初始状态平面,然后确定目标对象类型“风”和目标对象类型“箭”对应的目标状态子平面,然后将目标对象类型“风”对应的目标状态子平面分割为四个隔离后状态区域,分别对应“东”、“南”、“西”、以及“北”四种目标对象子类型;将目标对象类型“箭”对应的目标状态子平面分割为三个隔离后状态区域,分别对应“中”、“发”、以及“白”三种目标对象子类型。然后在“东”、“南”、“西”、以及“北”四种目标对象子类型对应的隔离后状态区域之间插入一列隔离区域,在“中”、“发”、以及“白”三种目标对象子类型对应的隔离后状态区域之间插入两列隔离区域,在“北”、以及“中”对应的隔离后状态区域之间插入两列隔离区域,得到隔离后初始状态平面。最后将第二初始状态平面中“风”和“箭”对应的目标状态子平面,通过隔离后初始状态平面进行替换,得到虚拟应用对象状态平面。
在一实施例中,构建如图18所示的虚拟应用对象状态平面的方法有多种,不限于上述给出的方法。
在一实施例中,由于矩形平面的长宽差距越小,越适合神经网络进行学习,因此,还可以通过对平面进行旋转的方式,使其长宽差距变小。比如,如图21所示,图中虚拟应用对象状态平面中包括5个旋转后状态子平面、以及多个隔离区域,每个旋转后状态子平面对应一种对象类型,隔离区域将不同的对象类型、以及不同的目标对象子类型隔离开。图中虚拟应用对象状态平面为9*24的矩形阵列,纵向方向表示虚拟麻将牌的牌面值1至9,横向方向分别为对应“万”、“条”、“筒”、“风”、以及“箭”的5个旋转后状态子平面。
在一实施例中,如图21所示的虚拟应用对象状态平面还可以通过图18所示的状态平面变换得到。具体地,步骤“根据所述当前状态信息、所述对象类型、所述目标对象子类型、以及所述区域尺寸,构建虚拟应用对象状态平面”,可以包括:
根据所述当前状态信息、所述对象类型、所述目标对象子类型、以及所述区域尺寸,构建第三初始状态平面;
根据所述对象类型,将所述第三初始状态平面分割为若干待旋转状态子平面;
将每个待旋转状态子平面进行旋转,得到旋转后状态子平面;
在相邻两个旋转后状态子平面中插入隔离区域,得到虚拟应用对象状态平面。
在实际应用中,比如,可以根据当前状态信息、对象类型、目标对象子类型、以及区域尺寸,构建如图20所示的第三初始状态平面,然后根据“万”、“条”、“筒”、“风”、以及“箭”五种对象类型,将第三初始状态平面分割为5个待旋转状态子平面、以及3个隔离区域。然后将每个待旋转状态子平面进行旋转,得到5个旋转后状态子平面,并将“箭”对应的旋转后子平面上添加2*4的隔离区域,使得5个旋转后状态子平面可以拼接为矩形,然后在相邻两个旋转后状态子平面中插入1列隔离区域,得到虚拟应用对象状态平面。
在一实施例中,构建如图21所示的虚拟应用对象状态平面的方法有多种,不限于上述给出的方法。
如图21所示的虚拟应用对象状态平面中,隔离区域分别从宽度方向和高度方向进行插入,减少状态平面中多种番种子模式发生混淆的可能性,从而降低番种误判的可能性。并且整个状态平面更接近于正方形,有利于神经网络进行学习。
203、根据虚拟应用对象状态平面,获取待输出虚拟应用对象的输出概率。
其中,待输出虚拟应用对象可以为根据游戏规则设置,能够进行输出的虚拟应用对象。比如,当虚拟应用为网络麻将游戏应用,虚拟应用对象为虚拟麻将牌时,待输出虚拟应用对象可以为当前玩家能够打出的虚拟麻将牌。
在实际应用中,比如,构建虚拟应用对象状态平面完毕后,可以根据该虚拟应用对象状态平面,进行每个待输出虚拟应用对象对应输出概率的获取,如图7所示,获取得到输出每张待输出虚拟应用对象对应的概率后,还可以在游戏界面上以表格的形式进行展示,如玩家北方输出待输出虚拟应用对象“南”的概率为62.54%,玩家北方输出待输出虚拟应用对象“中”的概率为25%,等等。
在一实施例中,如图7所示,可以通过列表的形式在游戏界面上显示每一张待输出虚拟应用对象对应的输出概率,还可以将概率过低的待输出虚拟应用对象进行省略,等等,以提高游戏界面显示的灵活性。
在一实施例中,为了提升计算效率以及准确性,还可以通过神经网络对虚拟应用对象状态平面进行计算。具体地,步骤“根据所述虚拟应用对象状态平面,获取待输出虚拟应用对象的输出概率”,可以包括:
将所述虚拟应用对象状态平面输入至概率获取网络;
基于所述概率获取网络,获取待输出虚拟应用对象的输出概率。
其中,神经网络可以为通过模仿动物神经网络行为特征,进行分布式并行信息处理的算法数学模型。神经网络依靠系统的复杂程度,通过调整内部大量节点之间相互连接的关系,达到处理信息的目的。
在一实施例中,将以概率获取网络为CNN(Convolutional Neural Networks,卷积神经网络)模型为例进行说明。卷积神经网络模型的基本组件包括卷积层、池化层、全连接层等等,其中,卷积层、池化层等可组成一个卷积块,而多个卷积块连接多个全连接层则形成了卷积神经网络结构。但在本申请的其他实施例中,该概率获取网络也可以为如RNN(Recurrent Neural Network,循环神经网络)、DNN(Deep Neural Network,深度神经网络)、随机森林模型、SVM(Support Vector Machine,支持向量机)等其他多分类模型框架,且本实施例中并不以此为限。
在实际应用中,比如,可以将虚拟应用对象状态平面输入至CNN(卷积神经网络,Convolutional Neural Networks)中,该卷积神经网络可以称为概率获取网络,经过概率获取网络的计算,可以计算得到当前玩家能够支配输出的待输出虚拟应用对象的输出概率。
在一实施例中,可以将虚拟应用对象状态平面视为像素值的矩阵,由于虚拟应用对象状态平面中仅包括0和1两种当前状态信息,因此,该虚拟应用对象状态平面为一种二值图像。
其中,概率获取网络中可以包括若干卷积层,通过卷积层可以对输入的图像进行卷积操作。卷积操作可以从输入的图像数据中学习到图像的特征,并且保留像素间的空间关系。在卷积操作中,卷积核以一定的步长在输入的图像中进行移动,并进行卷积运算,然后可以输出图像对应的特征。因此,虚拟应用对象状态平面输入至概率获取网络中后,可以通过概率获取网络中的卷积层,对虚拟应用对象状态平面进行特征提取。
提取出虚拟应用对象状态平面对应的特征后,可以通过全连接层对待输出虚拟应用对象的输出概率进行获取,全连接层可以将学到的特征映射到样本标记空间,在网络模型中起到“分类器”的作用。全连接层的每一个结点都与上一层输出的结点相连,其中,全连接层的一个结点即称为全连接层中的一个神经元,全连接层中神经元的数量可以根据实际应用的需求而定。全连接的核心操作为矩阵向量乘积,本质上是由一个特征空间线性变换到另一个特征空间。在概率获取网络中,全连接层可以位于最后几层,用于对前面获取的特征作加权和。
在一实施例中,为了提升概率获取网络的网络性能,全连接层每个神经元还可以采用ReLU函数。最后一层全连接层的输出值被传递给一个输出,可以采用softmax层进行分类,经过分类后,可以计算得到当前玩家能够支配输出的待输出虚拟应用对象的输出概率。
在一实施例中,为了提升概率获取网络获取输出概率的准确性,还可以对概率获取网络进行训练。具体地,该虚拟应用对象输出方法,还可以包括:
获取若干样本状态平面、以及每个样本状态平面对应的真实输出对象;
根据所述样本状态平面对预设概率获取网络进行训练,得到所述样本状态平面对应的预测输出对象;
根据所述真实输出对象和所述预测输出对象进行收敛,得到概率获取网络。
在实际应用中,比如,如图9所示,可以获取之前存储的游戏日志,并对获取到的游戏日志进行整理,其中,游戏日志中可以记录游戏从开局到结束的过程中,全部玩家进行的全部游戏动作,可以将游戏日志中的信息整理为多张样本状态图像。并且从多个游戏动作中确定出若干重要的目标游戏动作,该目标游戏动作可以作为真实输出对象,如当前玩家输出“中”的游戏动作可以识别为目标游戏动作。然后获取该目标游戏动作之前的多张样本状态图像,如可以获取目标游戏动作之前的100张样本状态图像,此时,这100张样本状态图像都与该目标游戏动作相对应,也即一个真实输出对象可以对应多张样本状态平面。其中,该样本状态平面的表示形式可以与虚拟应用对象状态平面的表示形式相同。
然后,可以根据获取到的多张样本状态平面对预设概率获取网络进行训练,得到样本状态平面对应的预测输出对象,并根据真实输出对象和预测输出对象进行收敛,当计算得出的预测输出对象与真实输出对象相同时,说明此时的概率获取网络已经训练完毕,可以得到训练好的概率获取网络。
204、根据待输出虚拟应用对象的输出概率,从多个待输出虚拟应用对象中确定目标虚拟应用对象进行输出。
在实际应用中,比如,概率获取网络可以输出每个待输出虚拟应用对象对应的输出概率,然后,可以根据获取到的概率分布进行采样,从多个待输出虚拟应用对象中确定目标虚拟应用对象,并将该目标虚拟应用对象进行输出。
在一实施例中,网络设备对目标虚拟应用对象进行输出的方式有多种,比如,当该虚拟应用对象输出方法应用于计算机侧的虚拟玩家时,可以直接帮助计算机侧的虚拟玩家输出该目标虚拟应用对象,从而推进游戏进程。
又比如,当该虚拟应用对象输出方法应用于用户终端的真实玩家时,确定目标虚拟应用对象后,可以将游戏界面中该目标虚拟应用对象对应的虚拟麻将牌进行突出显示,如可以使该虚拟麻将牌进行闪烁或者用不同的颜色对该虚拟麻将牌进行标记,此时,用户可以得知输出这张虚拟麻将牌能够推进游戏进程,用户可以选择输出进行特殊标记的虚拟麻将牌,还可以由于其他的考虑选择其他的虚拟麻将牌进行输出,从而提升了游戏的灵活性。
在一实施例中,输出了目标虚拟应用对象后,游戏可能还未结束,此时,可以对当前状态信息进行更新,并重新进行目标虚拟应用对象的确定。具体地,步骤“根据所述待输出虚拟应用对象的输出概率,从多个待输出虚拟应用对象中确定目标虚拟应用对象进行输出”之后,还可以包括:
更新待输出虚拟应用对象;
当所述待输出虚拟应用对象不满足终止条件时,更新虚拟应用对象的当前状态信息;
返回执行根据所述当前状态信息,构建虚拟应用对象状态平面的步骤;
当所述待输出虚拟应用对象满足终止条件时,终止输出。
在实际应用中,比如,当虚拟应用为网络麻将游戏应用,虚拟应用对象为虚拟麻将牌时,输出了目标虚拟应用对象后,虚拟应用中的多个待输出虚拟应用对象发生了变化,也即,已经打出的牌不能够进行再次输出,此时,可以对待输出虚拟应用对象进行更新。然后对更新后的待输出虚拟应用对象进行分析,如可以对此时当前玩家能够输出的多张待输出虚拟应用对象进行分析,当这些待输出虚拟应用对象不能够组成和牌的牌型时,可以认为待输出虚拟应用对象不满足终止条件,此时可以返回执行根据当前状态信息,构建虚拟应用对象状态平面的步骤,继续进行目标虚拟应用对象的确定;当这些待输出虚拟应用对象能够组成和牌的牌型时,可以认为待输出虚拟应用对象满足终止条件。
在一实施例中,如图8所示,该虚拟应用对象输出方法由于其准确性、以及灵活性,可以应用于“xx成河”、“xx到底”、“xx五星”等多种游戏规则对应的虚拟应用,还可以应用于“单人游戏”、“双人游戏”、“三人游戏”、“四人游戏”等多种游戏形式,用户能够与其他用户组队进行游戏,提升游戏的趣味性。
由上可知,本申请实施例可以获取虚拟应用中多个虚拟应用对象的当前状态信息,当前状态信息用于指示虚拟应用对象处于已知状态或者处于未知状态,根据当前状态信息,构建虚拟应用对象状态平面,其中,虚拟应用对象状态平面包括每个虚拟应用对象对应的区域,区域中包括虚拟应用对象的当前状态信息,根据虚拟应用对象状态平面,获取待输出虚拟应用对象的输出概率,根据待输出虚拟应用对象的输出概率,从多个待输出虚拟应用对象中确定目标虚拟应用对象进行输出。该方案通过将虚拟应用中的虚拟应用对象的当前状态信息用状态平面的方式进行表示,使得当前状态信息能够简明准确的表示在状态平面中,从而方便神经网络的识别与学习。该方案还可以通过对待旋转状态子平面进行旋转的方式,使得整个状态平面更接近正方形,从而方便神经网络进行学习。再者,该方案通过在状态平面中插入隔离区域的方式,对需要进行区分的虚拟应用对象进行严格的区分,降低了番种误判的可能性,从而提高了目标虚拟应用对象输出的准确性。
根据前面实施例所描述的方法,以下将以该虚拟应用对象输出装置具体集成在网络设备举例作进一步详细说明。
参考图3,本申请实施例的虚拟应用对象输出方法的具体流程可以如下:
301、网络设备获取网络麻将游戏应用中多个虚拟麻将牌的当前状态信息。
在实际应用中,如图10所示,网络设备可以根据网络麻将游戏应用中的当前牌局,确定每个虚拟麻将牌此时处于已知状态还是未知状态,可以定义当前玩家自己已知的虚拟麻将牌、已经输出的虚拟麻将牌、以及其他玩家展示出来的虚拟麻将牌等已知状态的虚拟麻将牌为已知状态。当虚拟麻将牌处于已知状态时,虚拟麻将牌对应的当前状态信息可以为“1”;当虚拟麻将牌处于未知状态时,虚拟麻将牌对应的当前状态信息可以为“0”。
302、网络设备根据当前状态信息,构建虚拟应用对象状态平面。
在实际应用中,网络设备可以根据每个虚拟麻将牌对应的当前状态信息,构建如图12所示的虚拟应用对象状态平面。该虚拟应用对象状态平面中包括多个矩形区域,每个矩形区域都代表一张虚拟麻将牌。多个矩形区域根据每个区域对应虚拟麻将牌的麻将牌名称,按照“一万、二万、三万、四万、五万、六万、七万、八万、九万、一条、二条、三条、四条、五条、六条、七条、八条、九条、一筒、二筒、三筒、四筒、五筒、六筒、七筒、八筒、九筒、东、南、西、北、中、发、白”的顺序进行排列,整体排列为一个4*34的矩形阵列,其中矩形阵列中每行都包括34个名称不同的虚拟麻将牌,矩形阵列中每列都包括4个名称相同的虚拟麻将牌。每个矩形区域中都包括该矩形区域对应虚拟麻将牌的当前状态信息“0”或“1”。
303、网络设备将虚拟应用对象状态平面输入至概率获取网络中,获取待输出虚拟麻将牌的输出概率。
在实际应用中,如图10所示,获取到虚拟应用对象状态平面后,可以将该虚拟应用对象状态平面输入至CNN网络中,该CNN网络可以为概率获取网络,并获取得到当前玩家能够进行输出的每个待输出虚拟麻将牌的输出概率,如图7所示,当前玩家北风输出虚拟麻将牌“南”的概率为62.54%,当前玩家北风输出虚拟麻将牌“中”的概率为25%,当前玩家北风输出虚拟麻将牌“北”的概率为7.76%,当前玩家北风输出虚拟麻将牌“西”的概率为4.34%,当前玩家北风输出虚拟麻将牌“东”的概率为0.21%,当前玩家北风输出虚拟麻将牌“幺鸡”的概率为0.13%,等等。
304、网络设备根据待输出虚拟麻将牌的输出概率,从多个待输出虚拟麻将牌中确定目标虚拟麻将牌进行输出。
在实际应用中,获取到每个待输出虚拟麻将牌的输出概率后,可以通过对概率分布进行采样,从多个待输出虚拟麻将牌中确定出目标虚拟麻将牌,并将目标虚拟麻将牌进行输出。
305、网络设备更新待输出虚拟麻将牌。
在实际应用中,网络设备输出目标虚拟麻将牌后,待输出虚拟麻将牌发生了变化,此时,可以对待输出虚拟麻将牌进行更新,以便对更新后的待输出虚拟麻将牌进行分析。
306、当待输出虚拟麻将牌不满足终止条件时,网络设备更新虚拟麻将牌的当前状态信息。
在实际应用中,在当前玩家能够支配的待输出虚拟麻将牌没有组成和牌牌型时,游戏继续,网络设备可以根据当前的牌局状态,对当前牌局中每个虚拟麻将牌的当前状态信息进行更新。
307、网络设备返回执行根据当前状态信息,构建虚拟应用对象状态平面的步骤。
在实际应用中,当每个虚拟麻将牌的当前状态信息都更新完毕后,可以返回根据当前状态信息,构建虚拟应用对象状态平面的步骤,继续进行目标虚拟应用对象的识别,直至当前玩家能够支配的待输出虚拟麻将牌已经组成了和牌牌型,此时,游戏流程可以终止。
由上可知,本申请实施例可以通过网络设备获取网络麻将游戏应用中多个虚拟麻将牌的当前状态信息,根据当前状态信息,构建虚拟应用对象状态平面,将虚拟应用对象状态平面输入至概率获取网络中,获取待输出虚拟麻将牌的输出概率,根据待输出虚拟麻将牌的输出概率,从多个待输出虚拟麻将牌中确定目标虚拟麻将牌进行输出,更新待输出虚拟麻将牌,当待输出虚拟麻将牌不满足终止条件时,更新虚拟麻将牌的当前状态信息,返回执行根据当前状态信息,构建虚拟应用对象状态平面的步骤。该方案通过将虚拟应用中的虚拟应用对象的当前状态信息用状态平面的方式进行表示,使得当前状态信息能够简明准确的表示在状态平面中,从而方便神经网络的识别与学习。该方案还可以通过对待旋转状态子平面进行旋转的方式,使得整个状态平面更接近正方形,从而方便神经网络进行学习。再者,该方案通过在状态平面中插入隔离区域的方式,对需要进行区分的虚拟应用对象进行严格的区分,降低了番种误判的可能性,从而提高了目标虚拟应用对象输出的准确性。
根据前面实施例所描述的方法,以下将以该虚拟应用对象输出装置具体集成在网络设备举例作进一步详细说明。
参考图4,本申请实施例的虚拟应用对象输出方法的具体流程可以如下:
401、网络设备获取网络麻将游戏应用中多个虚拟麻将牌的当前状态信息、以及多个虚拟麻将牌的对象类型。
在实际应用中,网络设备可以获取网络麻将游戏应用中每个虚拟麻将牌的当前状态信息“0”或“1”,并且根据每个虚拟麻将牌的麻将牌名称,将虚拟麻将牌分为“万”、“条”、“筒”、“风”、以及“箭”五种对象类型,然后确定每个虚拟麻将牌对应的对象类型。
402、网络设备根据当前状态信息、以及对象类型,构建虚拟应用对象状态平面。
在实际应用中,网络设备可以根据每个虚拟麻将牌对应的当前状态信息、以及对象类型,构建如图15所示的虚拟应用对象状态平面。该虚拟应用对象状态平面为4*38的矩形阵列,从左向右数第10列、第20列、第30列、以及第35列的区域都为隔离区域。从左向右数第1列至第9列的状态子平面对应对象类型“万”,第11列至第19列的状态子平面对应对象类型“条”,第21列至第29列的状态子平面对应对象类型“筒”,第31列至第34列的状态子平面对应对象类型“风”,第36列至第38列的状态子平面对应对象类型“箭”。
403、网络设备将虚拟应用对象状态平面输入至概率获取网络中,获取待输出虚拟麻将牌的输出概率。
404、网络设备根据待输出虚拟麻将牌的输出概率,从多个待输出虚拟麻将牌中确定目标虚拟麻将牌进行输出。
405、网络设备更新待输出虚拟麻将牌。
406、当待输出虚拟麻将牌不满足终止条件时,网络设备更新虚拟麻将牌的当前状态信息。
407、网络设备返回执行根据当前状态信息,构建虚拟应用对象状态平面的步骤。
上述根据神经网络确定目标虚拟应用对象的步骤在前文中已经叙述,此处不再赘述。
由上可知,本申请实施例可以通过网络设备获取网络麻将游戏应用中多个虚拟麻将牌的当前状态信息、以及多个虚拟麻将牌的对象类型,根据当前状态信息、以及对象类型,构建虚拟应用对象状态平面,将虚拟应用对象状态平面输入至概率获取网络中,获取待输出虚拟麻将牌的输出概率,根据待输出虚拟麻将牌的输出概率,从多个待输出虚拟麻将牌中确定目标虚拟麻将牌进行输出,更新待输出虚拟麻将牌,当待输出虚拟麻将牌不满足终止条件时,更新虚拟麻将牌的当前状态信息,返回执行根据当前状态信息,构建虚拟应用对象状态平面的步骤。该方案通过将虚拟应用中的虚拟应用对象的当前状态信息用状态平面的方式进行表示,使得当前状态信息能够简明准确的表示在状态平面中,从而方便神经网络的识别与学习。该方案还可以通过对待旋转状态子平面进行旋转的方式,使得整个状态平面更接近正方形,从而方便神经网络进行学习。再者,该方案通过在状态平面中插入隔离区域的方式,对需要进行区分的虚拟应用对象进行严格的区分,降低了番种误判的可能性,从而提高了目标虚拟应用对象输出的准确性。
参考图5,本申请实施例的虚拟应用对象输出方法的具体流程可以如下:
501、网络设备获取网络麻将游戏应用中多个虚拟麻将牌的当前状态信息、多个虚拟麻将牌的对象类型、需要进行隔离的目标对象子类型、以及两个目标对象子类型之间隔离区域的区域尺寸。
在实际应用中,网络设备可以确定五个对象类型“万”、“条”、“筒”、“风”、以及“箭”中,需要进行隔离的目标对象类型“风”和“箭”,然后将对象类型“风”划分为“东”、“南”、“西”、以及“北”四种目标对象子类型,将对象类型“箭”划分为“中”、“发”、以及“白”三种目标对象子类型。并确定目标对象子类型“东”与“南”之间隔离区域的区域尺寸为1,目标对象子类型“北”与“中”之间隔离区域的区域尺寸为2,目标对象子类型“中”与“发”之间隔离区域的区域尺寸为2,等等。
502、网络设备根据当前状态信息、对象类型、目标对象子类型、以及区域尺寸,构建虚拟应用对象状态平面。
在实际应用中,网络设备可以根据每个虚拟麻将牌对应的当前状态信息、对象类型、目标对象子类型、以及区域尺寸,构建如图18所示的虚拟应用对象状态平面。该虚拟应用对象状态平面为4*46的矩形阵列,从左向右数第10列、第20列、第30列、第32列、第34列、第36列、第38列、第39列、第41列、第42列、第44列、第45列的区域都为隔离区域。从左向右数第1列至第9列的状态子平面对应对象类型“万”,第11列至第19列的状态子平面对应对象类型“条”,第21列至第29列的状态子平面对应对象类型“筒”,第31列的隔离后状态区域对应目标对象子类型“东”,第33列的隔离后状态区域对应目标对象子类型“南”,第35列的隔离后状态区域对应目标对象子类型“西”,第37列的隔离后状态区域对应目标对象子类型“北”,第40列的隔离后状态区域对应目标对象子类型“中”,第43列的隔离后状态区域对应目标对象子类型“发”,第46列的隔离后状态区域对应目标对象子类型“白”。
503、网络设备将虚拟应用对象状态平面输入至概率获取网络中,获取待输出虚拟麻将牌的输出概率。
504、网络设备根据待输出虚拟麻将牌的输出概率,从多个待输出虚拟麻将牌中确定目标虚拟麻将牌进行输出。
505、网络设备更新待输出虚拟麻将牌。
506、当待输出虚拟麻将牌不满足终止条件时,网络设备更新虚拟麻将牌的当前状态信息。
507、网络设备返回执行根据当前状态信息,构建虚拟应用对象状态平面的步骤。
上述根据神经网络确定目标虚拟应用对象的步骤在前文中已经叙述,此处不再赘述。
由上可知,本申请实施例可以通过网络设备获取网络麻将游戏应用中多个虚拟麻将牌的当前状态信息、多个虚拟麻将牌的对象类型、需要进行隔离的目标对象子类型、以及两个目标对象子类型之间隔离区域的区域尺寸,根据当前状态信息、对象类型、目标对象子类型、以及区域尺寸,构建虚拟应用对象状态平面,将虚拟应用对象状态平面输入至概率获取网络中,获取待输出虚拟麻将牌的输出概率,根据待输出虚拟麻将牌的输出概率,从多个待输出虚拟麻将牌中确定目标虚拟麻将牌进行输出,更新待输出虚拟麻将牌,当待输出虚拟麻将牌不满足终止条件时,更新虚拟麻将牌的当前状态信息,返回执行根据当前状态信息,构建虚拟应用对象状态平面的步骤。该方案通过将虚拟应用中的虚拟应用对象的当前状态信息用状态平面的方式进行表示,使得当前状态信息能够简明准确的表示在状态平面中,从而方便神经网络的识别与学习。该方案还可以通过对待旋转状态子平面进行旋转的方式,使得整个状态平面更接近正方形,从而方便神经网络进行学习。再者,该方案通过在状态平面中插入隔离区域的方式,对需要进行区分的虚拟应用对象进行严格的区分,降低了番种误判的可能性,从而提高了目标虚拟应用对象输出的准确性。
参考图6,本申请实施例的虚拟应用对象输出方法的具体流程可以如下:
601、网络设备获取网络麻将游戏应用中多个虚拟麻将牌的当前状态信息、多个虚拟麻将牌的对象类型、需要进行隔离的目标对象子类型、以及两个目标对象子类型之间隔离区域的区域尺寸。
602、网络设备根据当前状态信息、对象类型、目标对象子类型、以及区域尺寸,构建虚拟应用对象状态平面。
在实际应用中,网络设备可以根据每个虚拟麻将牌对应的当前状态信息、对象类型、目标对象子类型、以及区域尺寸,构建如图21所示的虚拟应用对象状态平面。该虚拟应用对象状态平面中包括5个旋转后状态子平面、以及多个隔离区域,每个旋转后状态子平面对应一种对象类型,隔离区域将不同的对象类型、以及不同的目标对象子类型隔离开。图中虚拟应用对象状态平面为9*24的矩形阵列,纵向方向表示虚拟麻将牌的牌面值1至9,横向方向分别为对应“万”、“条”、“筒”、“风”、以及“箭”的5个旋转后状态子平面。
603、网络设备将虚拟应用对象状态平面输入至概率获取网络中,获取待输出虚拟麻将牌的输出概率。
604、网络设备根据待输出虚拟麻将牌的输出概率,从多个待输出虚拟麻将牌中确定目标虚拟麻将牌进行输出。
605、网络设备更新待输出虚拟麻将牌。
606、当待输出虚拟麻将牌不满足终止条件时,网络设备更新虚拟麻将牌的当前状态信息。
607、网络设备返回执行根据当前状态信息,构建虚拟应用对象状态平面的步骤。
上述根据神经网络确定目标虚拟应用对象的步骤在前文中已经叙述,此处不再赘述。
由上可知,本申请实施例可以通过网络设备获取网络麻将游戏应用中多个虚拟麻将牌的当前状态信息、多个虚拟麻将牌的对象类型、需要进行隔离的目标对象子类型、以及两个目标对象子类型之间隔离区域的区域尺寸,根据当前状态信息、对象类型、目标对象子类型、以及区域尺寸,构建虚拟应用对象状态平面,将虚拟应用对象状态平面输入至概率获取网络中,获取待输出虚拟麻将牌的输出概率,根据待输出虚拟麻将牌的输出概率,从多个待输出虚拟麻将牌中确定目标虚拟麻将牌进行输出,更新待输出虚拟麻将牌,当待输出虚拟麻将牌不满足终止条件时,更新虚拟麻将牌的当前状态信息,返回执行根据当前状态信息,构建虚拟应用对象状态平面的步骤。该方案通过将虚拟应用中的虚拟应用对象的当前状态信息用状态平面的方式进行表示,使得当前状态信息能够简明准确的表示在状态平面中,从而方便神经网络的识别与学习。该方案还可以通过对待旋转状态子平面进行旋转的方式,使得整个状态平面更接近正方形,从而方便神经网络进行学习。再者,该方案通过在状态平面中插入隔离区域的方式,对需要进行区分的虚拟应用对象进行严格的区分,降低了番种误判的可能性,从而提高了目标虚拟应用对象输出的准确性。
为了更好地实施以上方法,本申请实施例还可以提供一种虚拟应用对象输出装置,该虚拟应用对象输出装置具体可以集成在网络设备中,该网络设备可以包括服务器、终端等,其中,终端可以包括:手机、平板电脑、笔记本电脑或个人计算机(PC,PersonalComputer)等。
例如,如图22所示,该虚拟应用对象输出装置可以包括获取模块221、构建模块222、概率获取模块223和输出模块224,如下:
获取模块221,用于获取虚拟应用中多个虚拟应用对象的当前状态信息,所述当前状态信息用于指示虚拟应用对象处于已知状态或者处于未知状态;
构建模块222,用于根据所述当前状态信息,构建虚拟应用对象状态平面,其中,所述虚拟应用对象状态平面包括每个虚拟应用对象对应的区域,所述区域中包括所述虚拟应用对象的当前状态信息;
概率获取模块223,用于根据所述虚拟应用对象状态平面,获取待输出虚拟应用对象的输出概率;
输出模块224,用于根据所述待输出虚拟应用对象的输出概率,从多个待输出虚拟应用对象中确定目标虚拟应用对象进行输出。
在一实施例中,所述构建模块222可以包括第一获取子模块2221和第一构建子模块2222,如下:
第一获取子模块2221,用于获取多个虚拟应用对象的对象类型;
第一构建子模块2222,用于根据所述当前状态信息、以及所述对象类型,构建虚拟应用对象状态平面,其中,所述虚拟应用对象状态平面包括若干状态子平面、以及若干隔离区域,所述状态子平面与所述对象类型相对应,所述隔离区域位于相邻的两个状态子平面之间。
在一实施例中,所述第一构建子模块2222,可以具体用于:
根据所述当前状态信息,构建第一初始状态平面;
根据所述对象类型,将所述初始状态平面分割为若干状态子平面;
在两个相邻的状态子平面之间插入隔离区域,得到虚拟应用对象状态平面。
在一实施例中,所述第一构建子模块2222可以包括第一确定子模块22221和第二构建子模块22222,如下:
第一确定子模块22221,用于从若干对象类型中,确定需要进行隔离的目标对象类型,所述目标对象类型包括多个目标对象子类型;
第二构建子模块22222,用于根据所述当前状态信息、所述对象类型、以及所述目标对象子类型,构建虚拟应用对象状态平面,其中,所述虚拟应用对象状态平面中的状态子平面包括若干隔离后状态区域,所述隔离后状态区域与所述目标对象子类型相对应,所述虚拟应用对象状态平面中的隔离区域位于相邻的两个隔离后状态区域之间。
在一实施例中,所述第二构建子模块22222可以包括第二确定子模块222221和第三构建子模块222222,如下:
第二确定子模块222221,用于确定需要进行隔离的两个目标对象子类型之间隔离区域的区域尺寸;
第三构建子模块222222,用于根据所述当前状态信息、所述对象类型、所述目标对象子类型、以及所述区域尺寸,构建虚拟应用对象状态平面,其中,所述虚拟应用对象状态平面中的两个隔离后状态区域之间包括区域尺寸的隔离区域。
在一实施例中,所述第三构建子模块222222,可以具体用于:
根据所述当前状态信息、以及所述对象类型,构建第二初始状态平面;
确定所述第二初始状态平面中所述目标对象类型对应的目标状态子平面;
根据所述目标对象子类型,将所述目标状态子平面分割为若干隔离后状态区域;
在两个相邻的隔离后状态区域之间插入所述区域尺寸的隔离区域,得到隔离后初始状态平面;
根据所述隔离后初始状态平面、以及所述第二初始状态平面,构建虚拟应用对象状态平面。
在一实施例中,所述第三构建子模块222222,可以具体用于:
根据所述当前状态信息、所述对象类型、所述目标对象子类型、以及所述区域尺寸,构建第三初始状态平面;
根据所述对象类型,将所述第三初始状态平面分割为若干待旋转状态子平面;
将每个待旋转状态子平面进行旋转,得到旋转后状态子平面;
在相邻两个旋转后状态子平面中插入隔离区域,得到虚拟应用对象状态平面。
在一实施例中,所述虚拟应用对象输出装置还可以包括第一更新模块2251、第二更新模块2252、返回模块2253和终止模块2254,如下:
第一更新模块2251,用于更新待输出虚拟应用对象;
第二更新模块2252,用于当所述待输出虚拟应用对象不满足终止条件时,更新虚拟应用对象的当前状态信息;
返回模块2253,用于返回执行根据所述当前状态信息,构建虚拟应用对象状态平面的步骤;
终止模块2254,用于当所述待输出虚拟应用对象满足终止条件时,终止输出。
在一实施例中,所述概率获取模块223,可以具体用于:
将所述虚拟应用对象状态平面输入至概率获取网络;
基于所述概率获取网络,获取待输出虚拟应用对象的输出概率。
在一实施例中,所述虚拟应用对象输出装置还可以包括第二获取子模块2261、训练子模块2262和收敛子模块2263,如下:
第二获取子模块2261,用于获取若干样本状态平面、以及每个样本状态平面对应的真实输出对象;
训练子模块2262,用于根据所述样本状态平面对预设概率获取网络进行训练,得到所述样本状态平面对应的预测输出对象;
收敛子模块2263,用于根据所述真实输出对象和所述预测输出对象进行收敛,得到概率获取网络。
具体实施时,以上各个单元可以作为独立的实体来实现,也可以进行任意组合,作为同一或若干个实体来实现,以上各个单元的具体实施可参见前面的方法实施例,在此不再赘述。
由上可知,本实施例的虚拟应用对象输出装置通过获取模块221获取虚拟应用中多个虚拟应用对象的当前状态信息,当前状态信息用于指示虚拟应用对象处于已知状态或者处于未知状态,通过构建模块222根据当前状态信息,构建虚拟应用对象状态平面,其中,虚拟应用对象状态平面包括每个虚拟应用对象对应的区域,区域中包括虚拟应用对象的当前状态信息,通过概率获取模块223根据虚拟应用对象状态平面,获取待输出虚拟应用对象的输出概率,通过输出模块224根据待输出虚拟应用对象的输出概率,从多个待输出虚拟应用对象中确定目标虚拟应用对象进行输出。该方案通过将虚拟应用中的虚拟应用对象的当前状态信息用状态平面的方式进行表示,使得当前状态信息能够简明准确的表示在状态平面中,从而方便神经网络的识别与学习。该方案还可以通过对待旋转状态子平面进行旋转的方式,使得整个状态平面更接近正方形,从而方便神经网络进行学习。再者,该方案通过在状态平面中插入隔离区域的方式,对需要进行区分的虚拟应用对象进行严格的区分,降低了番种误判的可能性,从而提高了目标虚拟应用对象输出的准确性。
本申请实施例还提供一种网络设备,该网络设备可以集成本申请实施例所提供的任一种虚拟应用对象输出装置。
例如,如图23所示,其示出了本申请实施例所涉及的网络设备的结构示意图,具体来讲:
该网络设备可以包括一个或者一个以上处理核心的处理器231、一个或一个以上计算机可读存储介质的存储器232、电源233和输入单元234等部件。本领域技术人员可以理解,图23中示出的网络设备结构并不构成对网络设备的限定,可以包括比图示更多或更少的部件,或者组合某些部件,或者不同的部件布置。其中:
处理器231是该网络设备的控制中心,利用各种接口和线路连接整个网络设备的各个部分,通过运行或执行存储在存储器232内的软件程序和/或模块,以及调用存储在存储器232内的数据,执行网络设备的各种功能和处理数据,从而对网络设备进行整体监控。可选的,处理器231可包括一个或多个处理核心;优选的,处理器231可集成应用处理器和调制解调处理器,其中,应用处理器主要处理操作系统、用户界面和应用程序等,调制解调处理器主要处理无线通信。可以理解的是,上述调制解调处理器也可以不集成到处理器231中。
存储器232可用于存储软件程序以及模块,处理器231通过运行存储在存储器232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。存储器232可主要包括存储程序区和存储数据区,其中,存储程序区可存储操作系统、至少一个功能所需的应用程序(比如声音播放功能、图像播放功能等)等;存储数据区可存储根据网络设备的使用所创建的数据等。此外,存储器232可以包括高速随机存取存储器,还可以包括非易失性存储器,例如至少一个磁盘存储器件、闪存器件、或其他易失性固态存储器件。相应地,存储器232还可以包括存储器控制器,以提供处理器231对存储器232的访问。
网络设备还包括给各个部件供电的电源233,优选的,电源233可以通过电源管理系统与处理器231逻辑相连,从而通过电源管理系统实现管理充电、放电、以及功耗管理等功能。电源233还可以包括一个或一个以上的直流或交流电源、再充电系统、电源故障检测电路、电源转换器或者逆变器、电源状态指示器等任意组件。
该网络设备还可包括输入单元234,该输入单元234可用于接收输入的数字或字符信息,以及产生与用户设置以及功能控制有关的键盘、鼠标、操作杆、光学或者轨迹球信号输入。
尽管未示出,网络设备还可以包括显示单元等,在此不再赘述。具体在本实施例中,网络设备中的处理器231会按照如下的指令,将一个或一个以上的应用程序的进程对应的可执行文件加载到存储器232中,并由处理器231来运行存储在存储器232中的应用程序,从而实现各种功能,如下:
获取虚拟应用中多个虚拟应用对象的当前状态信息,当前状态信息用于指示虚拟应用对象处于已知状态或者处于未知状态,根据当前状态信息,构建虚拟应用对象状态平面,其中,虚拟应用对象状态平面包括每个虚拟应用对象对应的区域,区域中包括虚拟应用对象的当前状态信息,根据虚拟应用对象状态平面,获取待输出虚拟应用对象的输出概率,根据待输出虚拟应用对象的输出概率,从多个待输出虚拟应用对象中确定目标虚拟应用对象进行输出。
以上各个操作的具体实施可参见前面的实施例,在此不再赘述。
由上可知,本申请实施例的网络设备可以获取虚拟应用中多个虚拟应用对象的当前状态信息,当前状态信息用于指示虚拟应用对象处于已知状态或者处于未知状态,根据当前状态信息,构建虚拟应用对象状态平面,其中,虚拟应用对象状态平面包括每个虚拟应用对象对应的区域,区域中包括虚拟应用对象的当前状态信息,根据虚拟应用对象状态平面,获取待输出虚拟应用对象的输出概率,根据待输出虚拟应用对象的输出概率,从多个待输出虚拟应用对象中确定目标虚拟应用对象进行输出。该方案通过将虚拟应用中的虚拟应用对象的当前状态信息用状态平面的方式进行表示,使得当前状态信息能够简明准确的表示在状态平面中,从而方便神经网络的识别与学习。该方案还可以通过对待旋转状态子平面进行旋转的方式,使得整个状态平面更接近正方形,从而方便神经网络进行学习。再者,该方案通过在状态平面中插入隔离区域的方式,对需要进行区分的虚拟应用对象进行严格的区分,降低了番种误判的可能性,从而提高了目标虚拟应用对象输出的准确性。
本领域普通技术人员可以理解,上述实施例的各种方法中的全部或部分步骤可以通过指令来完成,或通过指令控制相关的硬件来完成,该指令可以存储于一计算机可读存储介质中,并由处理器进行加载和执行。
为此,本申请实施例提供一种存储介质,其中存储有多条指令,该指令能够被处理器进行加载,以执行本申请实施例所提供的任一种虚拟应用对象输出方法中的步骤。例如,该指令可以执行如下步骤:
获取虚拟应用中多个虚拟应用对象的当前状态信息,当前状态信息用于指示虚拟应用对象处于已知状态或者处于未知状态,根据当前状态信息,构建虚拟应用对象状态平面,其中,虚拟应用对象状态平面包括每个虚拟应用对象对应的区域,区域中包括虚拟应用对象的当前状态信息,根据虚拟应用对象状态平面,获取待输出虚拟应用对象的输出概率,根据待输出虚拟应用对象的输出概率,从多个待输出虚拟应用对象中确定目标虚拟应用对象进行输出。
以上各个操作的具体实施可参见前面的实施例,在此不再赘述。
其中,该存储介质可以包括:只读存储器(ROM,Read Only Memory)、随机存取记忆体(RAM,Random Access Memory)、磁盘或光盘等。
由于该存储介质中所存储的指令,可以执行本申请实施例所提供的任一种虚拟应用对象输出方法中的步骤,因此,可以实现本申请实施例所提供的任一种虚拟应用对象输出方法所能实现的有益效果,详见前面的实施例,在此不再赘述。
以上对本申请实施例所提供的一种虚拟应用对象输出方法、装置以及计算机存储介质进行了详细介绍,本文中应用了具体个例对本申请的原理及实施方式进行了阐述,以上实施例的说明只是用于帮助理解本申请的方法及其核心思想;同时,对于本领域的技术人员,依据本申请的思想,在具体实施方式及应用范围上均会有改变之处,综上所述,本说明书内容不应理解为对本申请的限制。
Claims (12)
1.一种虚拟应用对象输出方法,其特征在于,包括:
获取虚拟应用中多个虚拟应用对象的当前状态信息,所述当前状态信息用于指示虚拟应用对象处于已知状态或者处于未知状态;
根据所述当前状态信息,构建虚拟应用对象状态平面,包括:获取多个虚拟应用对象的对象类型;根据所述当前状态信息、以及所述对象类型,构建虚拟应用对象状态平面,其中,所述虚拟应用对象状态平面包括若干状态子平面、以及若干隔离区域,所述状态子平面与所述对象类型相对应,所述隔离区域位于相邻的两个状态子平面之间;其中,所述虚拟应用对象状态平面为二值图像,所述状态子平面包括每个虚拟应用对象对应的区域,所述每个虚拟应用对象对应的区域中包括所述虚拟应用对象的当前状态信息;
根据所述虚拟应用对象状态平面,获取待输出虚拟应用对象的输出概率;
根据所述待输出虚拟应用对象的输出概率,从多个待输出虚拟应用对象中确定目标虚拟应用对象进行输出。
2.根据权利要求1所述的虚拟应用对象输出方法,其特征在于,根据所述当前状态信息、以及所述对象类型,构建虚拟应用对象状态平面,包括:
根据所述当前状态信息,构建第一初始状态平面;
根据所述对象类型,将所述初始状态平面分割为若干状态子平面;
在两个相邻的状态子平面之间插入隔离区域,得到虚拟应用对象状态平面。
3.根据权利要求1所述的虚拟应用对象输出方法,其特征在于,根据所述当前状态信息、以及所述对象类型,构建虚拟应用对象状态平面,包括:
从若干对象类型中,确定需要进行隔离的目标对象类型,所述目标对象类型包括多个目标对象子类型;
根据所述当前状态信息、所述对象类型、以及所述目标对象子类型,构建虚拟应用对象状态平面,其中,所述虚拟应用对象状态平面中的状态子平面包括若干隔离后状态区域,所述隔离后状态区域与所述目标对象子类型相对应,所述虚拟应用对象状态平面中的隔离区域位于相邻的两个隔离后状态区域之间。
4.根据权利要求3所述的虚拟应用对象输出方法,其特征在于,根据所述当前状态信息、所述对象类型、以及所述目标对象子类型,构建虚拟应用对象状态平面,包括:
确定需要进行隔离的两个目标对象子类型之间隔离区域的区域尺寸;
根据所述当前状态信息、所述对象类型、所述目标对象子类型、以及所述区域尺寸,构建虚拟应用对象状态平面,其中,所述虚拟应用对象状态平面中的两个隔离后状态区域之间包括区域尺寸的隔离区域。
5.根据权利要求4所述的虚拟应用对象输出方法,其特征在于,根据所述当前状态信息、所述对象类型、所述目标对象子类型、以及所述区域尺寸,构建虚拟应用对象状态平面,包括:
根据所述当前状态信息、以及所述对象类型,构建第二初始状态平面;
确定所述第二初始状态平面中所述目标对象类型对应的目标状态子平面;
根据所述目标对象子类型,将所述目标状态子平面分割为若干隔离后状态区域;
在两个相邻的隔离后状态区域之间插入所述区域尺寸的隔离区域,得到隔离后初始状态平面;
根据所述隔离后初始状态平面、以及所述第二初始状态平面,构建虚拟应用对象状态平面。
6.根据权利要求4所述的虚拟应用对象输出方法,其特征在于,根据所述当前状态信息、所述对象类型、所述目标对象子类型、以及所述区域尺寸,构建虚拟应用对象状态平面,包括:
根据所述当前状态信息、所述对象类型、所述目标对象子类型、以及所述区域尺寸,构建第三初始状态平面;
根据所述对象类型,将所述第三初始状态平面分割为若干待旋转状态子平面;
将每个待旋转状态子平面进行旋转,得到旋转后状态子平面;
在相邻两个旋转后状态子平面中插入隔离区域,得到虚拟应用对象状态平面。
7.根据权利要求1所述的虚拟应用对象输出方法,其特征在于,根据所述待输出虚拟应用对象的输出概率,从多个待输出虚拟应用对象中确定目标虚拟应用对象进行输出之后,还包括:
更新待输出虚拟应用对象;
当所述待输出虚拟应用对象不满足终止条件时,更新虚拟应用对象的当前状态信息;
返回执行根据所述当前状态信息,构建虚拟应用对象状态平面的步骤;
当所述待输出虚拟应用对象满足终止条件时,终止输出。
8.根据权利要求1所述的虚拟应用对象输出方法,其特征在于,根据所述虚拟应用对象状态平面,获取待输出虚拟应用对象的输出概率,包括:
将所述虚拟应用对象状态平面输入至概率获取网络;
基于所述概率获取网络,获取待输出虚拟应用对象的输出概率。
9.根据权利要求8所述的虚拟应用对象输出方法,其特征在于,所述方法还包括:
获取若干样本状态平面、以及每个样本状态平面对应的真实输出对象;
根据所述样本状态平面对预设概率获取网络进行训练,得到所述样本状态平面对应的预测输出对象;
根据所述真实输出对象和所述预测输出对象进行收敛,得到概率获取网络。
10.一种虚拟应用对象输出装置,其特征在于,包括:
获取模块,用于获取虚拟应用中多个虚拟应用对象的当前状态信息,所述当前状态信息用于指示虚拟应用对象处于已知状态或者处于未知状态;
构建模块,用于根据所述当前状态信息,构建虚拟应用对象状态平面,包括:获取多个虚拟应用对象的对象类型;根据所述当前状态信息、以及所述对象类型,构建虚拟应用对象状态平面,其中,所述虚拟应用对象状态平面包括若干状态子平面、以及若干隔离区域,所述状态子平面与所述对象类型相对应,所述隔离区域位于相邻的两个状态子平面之间;其中,所述虚拟应用对象状态平面为二值图像,所述状态子平面包括每个虚拟应用对象对应的区域,所述每个虚拟应用对象对应的区域中包括所述虚拟应用对象的当前状态信息;
概率获取模块,用于根据所述虚拟应用对象状态平面,获取待输出虚拟应用对象的输出概率;
输出模块,用于根据所述待输出虚拟应用对象的输出概率,从多个待输出虚拟应用对象中确定目标虚拟应用对象进行输出。
11.一种计算机存储介质,其上存储有计算机程序,其特征在于,当所述计算机程序在计算机上运行时,使得所述计算机执行如权利要求1-9任一项所述的虚拟应用对象输出方法。
12.一种网络设备,其特征在于,包括:包括存储器,处理器及存储在存储器上并可在处理器上运行的计算机程序,其中,所述处理器执行所述计算机程序时实现如权利要求1至9任一项所述方法的步骤。
Priority Applications (4)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201910914842.0A CN110721471B (zh) | 2019-09-26 | 2019-09-26 | 一种虚拟应用对象输出方法、装置以及计算机存储介质 |
JP2021563356A JP7408213B2 (ja) | 2019-09-26 | 2020-09-15 | 仮想アプリケーションオブジェクトの出力方法、装置及びコンピュータプログラム |
PCT/CN2020/115219 WO2021057539A1 (zh) | 2019-09-26 | 2020-09-15 | 一种虚拟应用对象输出方法、装置以及计算机存储介质 |
US17/460,610 US11704980B2 (en) | 2019-09-26 | 2021-08-30 | Method, apparatus, and computer storage medium for outputting virtual application object |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201910914842.0A CN110721471B (zh) | 2019-09-26 | 2019-09-26 | 一种虚拟应用对象输出方法、装置以及计算机存储介质 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN110721471A CN110721471A (zh) | 2020-01-24 |
CN110721471B true CN110721471B (zh) | 2023-10-31 |
Family
ID=69219469
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201910914842.0A Active CN110721471B (zh) | 2019-09-26 | 2019-09-26 | 一种虚拟应用对象输出方法、装置以及计算机存储介质 |
Country Status (4)
Country | Link |
---|---|
US (1) | US11704980B2 (zh) |
JP (1) | JP7408213B2 (zh) |
CN (1) | CN110721471B (zh) |
WO (1) | WO2021057539A1 (zh) |
Families Citing this family (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN110721471B (zh) * | 2019-09-26 | 2023-10-31 | 腾讯科技(深圳)有限公司 | 一种虚拟应用对象输出方法、装置以及计算机存储介质 |
Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN104166779A (zh) * | 2013-05-17 | 2014-11-26 | 腾讯科技(深圳)有限公司 | 在游戏终端中模拟纸牌游戏的实现方法及装置 |
CN107908350A (zh) * | 2017-12-28 | 2018-04-13 | 努比亚技术有限公司 | 一种解锁方法、终端及计算机可读存储介质 |
CN108888958A (zh) * | 2018-06-22 | 2018-11-27 | 深圳市腾讯网络信息技术有限公司 | 虚拟场景中的虚拟对象控制方法、装置、设备及存储介质 |
CN109760067A (zh) * | 2019-01-22 | 2019-05-17 | 中国科学院大学 | 会打纸牌的智能机器人系统以及设备 |
Family Cites Families (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US7425176B2 (en) * | 2005-09-10 | 2008-09-16 | Bally Gaming, Inc. | Simulated poker with bonus wheel adder |
CN103810379A (zh) * | 2014-01-23 | 2014-05-21 | 珠海多玩信息技术有限公司 | 目标状态推荐方法及装置 |
CN105653831B (zh) * | 2014-11-10 | 2018-09-21 | 博雅网络游戏开发(深圳)有限公司 | 电子牌游戏牌型推荐方法和装置 |
CN107648853B (zh) * | 2017-08-15 | 2019-12-17 | 腾讯科技(深圳)有限公司 | 在游戏界面中显示目标对象方法、装置以及存储介质 |
CN110598182A (zh) * | 2019-09-11 | 2019-12-20 | 腾讯科技(深圳)有限公司 | 一种信息预测的方法及相关设备 |
CN110721471B (zh) * | 2019-09-26 | 2023-10-31 | 腾讯科技(深圳)有限公司 | 一种虚拟应用对象输出方法、装置以及计算机存储介质 |
US11335058B2 (en) * | 2020-10-13 | 2022-05-17 | Electronic Arts Inc. | Spatial partitioning for graphics rendering |
-
2019
- 2019-09-26 CN CN201910914842.0A patent/CN110721471B/zh active Active
-
2020
- 2020-09-15 JP JP2021563356A patent/JP7408213B2/ja active Active
- 2020-09-15 WO PCT/CN2020/115219 patent/WO2021057539A1/zh active Application Filing
-
2021
- 2021-08-30 US US17/460,610 patent/US11704980B2/en active Active
Patent Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN104166779A (zh) * | 2013-05-17 | 2014-11-26 | 腾讯科技(深圳)有限公司 | 在游戏终端中模拟纸牌游戏的实现方法及装置 |
CN107908350A (zh) * | 2017-12-28 | 2018-04-13 | 努比亚技术有限公司 | 一种解锁方法、终端及计算机可读存储介质 |
CN108888958A (zh) * | 2018-06-22 | 2018-11-27 | 深圳市腾讯网络信息技术有限公司 | 虚拟场景中的虚拟对象控制方法、装置、设备及存储介质 |
CN109760067A (zh) * | 2019-01-22 | 2019-05-17 | 中国科学院大学 | 会打纸牌的智能机器人系统以及设备 |
Also Published As
Publication number | Publication date |
---|---|
CN110721471A (zh) | 2020-01-24 |
US11704980B2 (en) | 2023-07-18 |
WO2021057539A1 (zh) | 2021-04-01 |
JP7408213B2 (ja) | 2024-01-05 |
US20210390833A1 (en) | 2021-12-16 |
JP2022530884A (ja) | 2022-07-04 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN109621422B (zh) | 电子棋牌决策模型训练方法及装置、策略生成方法及装置 | |
CN108399386B (zh) | 饼图中的信息提取方法及装置 | |
US11135514B2 (en) | Data processing method and apparatus, and storage medium for concurrently executing event characters on a game client | |
CN110443284B (zh) | 人工智能ai模型的训练方法、调用方法、服务器及可读存储介质 | |
CN111666919B (zh) | 一种对象识别方法、装置、计算机设备和存储介质 | |
CN109276882A (zh) | 一种游戏辅助方法、装置、电子设备及存储介质 | |
CN112272295B (zh) | 具有三维效果的视频的生成方法、播放方法、装置及设备 | |
CN111405360B (zh) | 视频处理方法、装置、电子设备和存储介质 | |
CN113069769B (zh) | 云游戏界面显示方法、装置、电子设备以及存储介质 | |
CN107341548A (zh) | 一种数据处理方法、装置及电子设备 | |
CN111282281B (zh) | 图像处理方法及装置、电子设备和计算机可读存储介质 | |
CN111957047A (zh) | 关卡配置数据调整方法、计算机设备及存储介质 | |
CN113230650B (zh) | 一种数据处理方法、装置及计算机可读存储介质 | |
CN110721471B (zh) | 一种虚拟应用对象输出方法、装置以及计算机存储介质 | |
CN112274935B (zh) | Ai模型训练方法、使用方法、计算机设备及存储介质 | |
CN113975812A (zh) | 游戏图像的处理方法、装置、设备及存储介质 | |
CN110297932B (zh) | 确定矢量图中封闭图形的最大内接圆的方法、装置及电子设备 | |
CN114723652A (zh) | 细胞密度确定方法、装置、电子设备及存储介质 | |
CN112330697A (zh) | 一种图像分割方法、装置、电子设备和可读存储介质 | |
CN110555480A (zh) | 一种训练数据生成的方法及相关装置 | |
Calegari et al. | Human computation vs. machine learning: an experimental comparison for image classification | |
CN114004359A (zh) | 一种麻将对手定口预测方法、装置、存储介质及设备 | |
KR102215824B1 (ko) | 시각 및 텍스트 정보를 포함하는 다이어그램의 분석 방법 및 장치 | |
CN113592765A (zh) | 图像处理方法、装置、设备及存储介质 | |
CN113837236A (zh) | 图像中目标对象的识别方法、装置、终端设备及存储介质 |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
PB01 | Publication | ||
PB01 | Publication | ||
REG | Reference to a national code |
Ref country code: HK Ref legal event code: DE Ref document number: 40021455 Country of ref document: HK |
|
SE01 | Entry into force of request for substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
GR01 | Patent grant | ||
GR01 | Patent grant |