CN112221153A - 一种游戏参数的获取方法、装置、终端设备和存储介质 - Google Patents

一种游戏参数的获取方法、装置、终端设备和存储介质 Download PDF

Info

Publication number
CN112221153A
CN112221153A CN202011165310.0A CN202011165310A CN112221153A CN 112221153 A CN112221153 A CN 112221153A CN 202011165310 A CN202011165310 A CN 202011165310A CN 112221153 A CN112221153 A CN 112221153A
Authority
CN
China
Prior art keywords
game
parameter
parameters
acquiring
prediction
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
Application number
CN202011165310.0A
Other languages
English (en)
Inventor
沈一鸣
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Beijing ByteDance Network Technology Co Ltd
Original Assignee
Beijing ByteDance Network Technology Co Ltd
Priority date (The priority date 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 date listed.)
Filing date
Publication date
Application filed by Beijing ByteDance Network Technology Co Ltd filed Critical Beijing ByteDance Network Technology Co Ltd
Priority to CN202011165310.0A priority Critical patent/CN112221153A/zh
Publication of CN112221153A publication Critical patent/CN112221153A/zh
Pending legal-status Critical Current

Links

Images

Classifications

    • A—HUMAN NECESSITIES
    • A63—SPORTS; GAMES; AMUSEMENTS
    • A63F—CARD, BOARD, OR ROULETTE GAMES; INDOOR GAMES USING SMALL MOVING PLAYING BODIES; VIDEO GAMES; GAMES NOT OTHERWISE PROVIDED FOR
    • A63F13/00—Video games, i.e. games using an electronically generated display having two or more dimensions
    • A63F13/60—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
    • A63F13/70—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
    • A63F13/80—Special adaptations for executing a specific game genre or game mode
    • A63F13/822—Strategy games; Role-playing games
    • 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
    • A63F2300/00—Features of games using an electronically generated display having two or more dimensions, e.g. on a television screen, showing representations related to the game
    • A63F2300/60—Methods for processing data by generating or executing the game program
    • A63F2300/6009—Methods for processing data by generating or executing the game program for importing or creating game content, e.g. authoring tools during game development, adapting content to different platforms, use of a scripting language to create content
    • 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
    • A63F2300/00—Features of games using an electronically generated display having two or more dimensions, e.g. on a television screen, showing representations related to the game
    • A63F2300/80—Features of games using an electronically generated display having two or more dimensions, e.g. on a television screen, showing representations related to the game specially adapted for executing a specific type of game
    • A63F2300/807—Role playing or strategy games

Landscapes

  • Engineering & Computer Science (AREA)
  • Multimedia (AREA)
  • Business, Economics & Management (AREA)
  • Computer Security & Cryptography (AREA)
  • General Business, Economics & Management (AREA)
  • Management, Administration, Business Operations System, And Electronic Commerce (AREA)

Abstract

本公开实施例公开了一种游戏参数的获取方法、装置、设备和存储介质，该方法包括：获取当前游戏状态，并根据所述当前游戏状态，获取游戏预测参数；根据所述游戏预测参数，获取各游戏参数的初始概率分布；根据预设期望目标，对所述各游戏参数的初始概率分布进行优化，并获取优化后的游戏预测参数；根据所述优化后的游戏预测参数，设定真实游戏参数。本公开实施例的技术方案，实现了根据玩家的游戏水平，动态调整游戏难度，保持了游戏方差结果的均衡性，使得高水平玩家和低水平玩家均可以获得较好的游戏体验，避免了由于游戏过于复杂或过于简单，影响玩家的游戏体验，进而存在玩家流失的潜在风险。

Description

一种游戏参数的获取方法、装置、终端设备和存储介质
技术领域
本公开实施例涉及电子游戏领域，尤其涉及一种游戏参数的获取方法、装置、终端设备和存储介质。
背景技术
随着计算机技术的迅速发展，电子游戏成为了人们生活中常见的休闲娱乐方式，而电子游戏中随机性的设定，例如，打败怪物获取何种道具，打开宝箱获得何种物品，抽卡获得何种卡牌等，增加了游戏的趣味性。
通常，这种随机性的设定都是预先设置好的，例如，打败当前怪物可能获得优、良、中和差等四种类型道具，每种类型道具的获取概率分别为0.1、0.2、03和0.4，任意玩家打败这个怪物，都会按照上述几率随机掉落物品。
但这样的概率设定方式，常常导致概率的方差结果过大或过小，使得游戏变得过于容易或者过于复杂，对于不同水平的玩家来说，可能还会让低水平玩家觉得过于复杂，高水平玩家觉得过于简单，极大影响玩家的游戏体验，存在玩家流失的潜在风险。
发明内容
本公开提供了一种游戏参数的获取方法、装置、设备和存储介质，以实现根据玩家的游戏水平，设定对应的游戏参数。
第一方面，本公开实施例提供了一种游戏参数的获取方法，包括：
获取当前游戏状态，并根据所述当前游戏状态，获取游戏预测参数；
根据所述游戏预测参数，获取各游戏参数的初始概率分布；
根据预设期望目标，对所述各游戏参数的初始概率分布进行优化，并获取优化后的游戏预测参数；
根据所述优化后的游戏预测参数，设定真实游戏参数。
第二方面，本公开实施例提供了一种游戏参数的获取装置，包括：
游戏预测参数获取模块，用于获取当前游戏状态，并根据所述当前游戏状态，获取游戏预测参数；
初始概率分布获取模块，用于根据所述游戏预测参数，获取各游戏参数的初始概率分布；
优化执行模块，用于根据预设期望目标，对所述各游戏参数的初始概率分布进行优化，并获取优化后的游戏预测参数；
真实游戏参数获取模块，用于根据所述优化后的游戏预测参数，设定真实游戏参数。
第三方面，本公开实施例提供了一种终端设备，包括存储器、处理装置及存储在存储器上并可在处理装置上运行的计算机程序，处理装置执行程序时实现本公开任意实施例的游戏参数的获取方法。
第四方面，本公开实施例提供了一种包含计算机可执行指令的存储介质，计算机可执行指令在由计算机处理器执行时用于执行本公开任意实施例的游戏参数的获取方法。
本公开实施例的技术方案，在根据玩家的当前游戏状态，获取游戏预测参数后，通过构建各游戏参数的初始概率分布，并根据预设期望目标，在实际游戏环境中，对构建各游戏参数的初始概率分布进行优化，最终获取到优化后的游戏预测参数并设定为真实游戏参数，实现了根据玩家的游戏水平，动态调整游戏难度，保持了游戏方差结果的均衡性，使得高水平玩家和低水平玩家均可以获得较好的游戏体验，避免了由于游戏过于复杂或过于简单，影响玩家的游戏体验，进而存在玩家流失的潜在风险。
附图说明
结合附图并参考以下具体实施方式，本公开各实施例的上述和其他特征、优点及方面将变得更加明显。贯穿附图中，相同或相似的附图标记表示相同或相似的元素。应当理解附图是示意性的，原件和元素不一定按照比例绘制。
图1是本公开的一种游戏参数的获取方法的一个实施例的流程图；
图2是本公开的一种游戏参数的获取装置的一个实施例的结构框图；
图3是是适于用来实现本公开实施例三中的一种终端设备的结构框图。
具体实施方式
下面将参照附图更详细地描述本公开的实施例。虽然附图中显示了本公开的某些实施例，然而应当理解的是，本公开可以通过各种形式来实现，而且不应该被解释为限于这里阐述的实施例，相反提供这些实施例是为了更加透彻和完整地理解本公开。应当理解的是，本公开的附图及实施例仅用于示例性作用，并非用于限制本公开的保护范围。
应当理解，本公开的方法实施方式中记载的各个步骤可以按照不同的顺序执行，和/或并行执行。此外，方法实施方式可以包括附加的步骤和/或省略执行示出的步骤。本公开的范围在此方面不受限制。
本文使用的术语“包括”及其变形是开放性包括，即“包括但不限于”。术语“基于”是“至少部分地基于”。术语“一个实施例”表示“至少一个实施例”；术语“另一实施例”表示“至少一个另外的实施例”；术语“一些实施例”表示“至少一些实施例”。其他术语的相关定义将在下文描述中给出。
需要注意，本公开中提及的“第一”、“第二”等概念仅用于对不同的装置、模块或单元进行区分，并非用于限定这些装置、模块或单元所执行的功能的顺序或者相互依存关系。
需要注意，本公开中提及的“一个”、“多个”的修饰是示意性而非限制性的，本领域技术人员应当理解，除非在上下文另有明确指出，否则应该理解为“一个或多个”。
本公开实施方式中的多个装置之间所交互的消息或者信息的名称仅用于说明性的目的，而并不是用于对这些消息或信息的范围进行限制。
实施例一
图1是本公开实施例一提供的一种游戏参数的获取方法的流程图，本实施例可适用于根据玩家的游戏水平，动态调整游戏难度的情况，该方法可以由本公开实施例中的游戏参数的获取装置来执行，该装置可以通过软件和/或硬件实现，并集成在终端设备或服务器中，该方法具体包括如下步骤：
S110、获取当前游戏状态，并根据所述当前游戏状态，获取游戏预测参数。
游戏状态包括游戏进度、游戏时长和游戏完成度等反应玩家对该游戏实际操作能力的状态信息；不同类型的游戏，由于游戏内容不同，对应的状态信息也不同；例如，在消除类游戏中(例如，三消游戏，即三个相同元素连接在一起可以消除)，游戏状态包括已完成消除的次数和当前界面中各颜色小球的数量；在角色扮演游戏(Role-playing game，RPG)中，游戏状态包括玩家控制角色的角色信息和角色所处的环境信息；而同一个游戏，在不同的游戏阶段，也可以对应不同的状态信息，例如，三消游戏中，在游戏初始阶段(即时间序列上的初始阶段)，将已完成消除的次数作为游戏状态信息，通过调整游戏参数，使玩家加快或减慢对新出现小球的消除速度；在游戏末尾阶段，将界面中已有的各颜色小球的数量作为游戏状态信息，通过调整游戏参数，使玩家加快或减慢对界面中已有小球的消除速度。
游戏的趣味性，除了受到智力规则和游戏画面的影响，在很大程度上是通过游戏中参数的随机性来体现的，而这种随机性则是通过游戏元素的出现概率来表示，因此，游戏参数实际反映了各游戏元素在下一时刻或下一阶段的出现概率，而游戏参数的类型也与游戏类型和游戏内容相关；例如，三消游戏中，包括红、黄、蓝、绿、黑和白等6种颜色的小球(也即包括6种游戏元素)，游戏参数为各颜色小球的掉落概率；RPG中，打败当前怪物可能获取的装备品质分为优、良、中、差(也即包括4种游戏元素)，游戏参数为各品质装备的掉落概率；可选的，在本公开实施例中，对游戏类型、游戏状态和游戏参数的类型均不作具体限定。
游戏预测参数，是根据当前游戏状态获取到的游戏参数的预测值；以上述三消游戏为例，根据用户的当前游戏进度和游戏进行时间，若确定用户的游戏进度较慢，而此时界面中红色小球的数量较多，通过改变各颜色小球的掉落概率，使得用户获取红色小球的概率提高，进而引导用户消除当前界面中的红色小球，以此提高用户的消除速度，相当于降低了游戏难度；同样的，若确定用户的游戏进度较快，而此时界面中红色小球的数量较多，通过改变各颜色小球的掉落概率，使得用户获取红色小球的概率降低，进而用户不能轻易消除当前界面中的小球，以此降低用户的消除速度，相当于提高了游戏难度；据此，通过小球掉落概率的控制，使得高水平玩家和低水平玩家均可以按照各自匹配的能力进行游戏，获得较好的游戏体验，避免由于玩家水平过高或水平过低，降低玩家对游戏的操作体验。
为了便于描述，游戏预测参数以向量形式表示，仍以三消游戏为例，一个游戏预测参数为[0.4，0.2，0.1，0.1，0.1，0.1]，其中各数值项分别对应红、黄、蓝、绿、黑和白等6种颜色小球的掉落概率，向量中的元素项与游戏中的元素项相对应；可选的，在本公开实施例中，所述根据所述当前游戏状态，获取游戏预测参数，包括：根据所述当前游戏状态，以及参数预测模型，获取游戏预测参数；其中，所述参数预测模型基于人工神经网络构建。人工神经网络(Artificial Neural Networks，ANNs)具备较强的非线性输入输出映射能力，通过人工神经网络具备的无监督学习(Unsupervised Learning)能力，根据当前的游戏状态，获取游戏预测参数。
可选的，在本公开实施例中，在根据所述当前游戏状态，以及参数预测模型，获取游戏预测参数前，还包括：在所述参数预测模型中，加入正则化约束。为了防止出现过拟合(overfit)现象，在参数预测模型中，加入正则化约束条件，例如，L2正则化和/或L1正则化，以提高参数预测模型的泛化能力；在本公开实施例中，在参数预测模型中，加入正则化约束条件后，避免了部分游戏参数的出现概率过大，导致同一游戏元素频繁出现，影响游戏体验，甚至导致游戏先入死循环中，例如，游戏参数为[0.9，0.02，0.02，0.02，0.02，0.02]出现的概率过大时，会频繁掉落红色小球，导致游戏一直在消除中。
S120、根据所述游戏预测参数，获取各游戏参数的初始概率分布。
由于游戏参数是以各游戏元素的出现概率的形式给出，因此，各游戏参数实质上是不同概率值的组合项，且各组合项之和为1，例如，三消游戏中，向量[0.4，0.2，0.1，0.1，0.1，0.1]为一种游戏参数，即红、黄、蓝、绿、黑和白，这6种小球掉落概率分别为0.4、0.2、0.1、0.1、0.1和0.1；[0.2，0.2，0.3，0.1，0.1，0.1]为另一种游戏参数，即6种小球掉落概率分别为0.2、0.2、0.3、0.1、0.1和0.1。各游戏参数的初始概率分布，是每种游戏参数初始时各自出现的概率。
具体的，游戏参数可以通过多项分布的形式给出，各游戏参数的概率分布可以通过狄利克雷分布的形式给出。多项分布是由二项分布推广而来，区别于二项分布，多项分布中随机向量是多元素项的向量，例如，上述三消游戏中，包括6种颜色的小球，即6种游戏元素，那么对应的多项分布的随机向量中也包括6个元素项。狄利克雷分布是多项分布的先验分布，是分布之上的分布，以上述三消游戏为例，小球包括6种颜色分别为{红，黄，蓝，绿，黑，白}，在10次掉落实验中，得到的实验结果是各颜色小球分别出现了{4，2，1，1，1，1}次，那么每次得到各颜色小球的概率计算后为{0.4，0.2，0.1，0.1，0.1，0.1}(即对应上述技术方案中的一种游戏参数)，假设进行10000次测试实验，每次测试实验中，都进行10次掉落实验，那么统计各颜色小球掉落为{0.4，0.2，0.1，0.1，0.1，0.1}的概率是多少(假如10000次测试实验中有50次测试实验的结果为{0.4，0.2，0.1，0.1，0.1，0.1}，那么相应的{0.4，0.2，0.1，0.1，0.1，0.1}的概率为0.005)。据此，{0.4，0.2，0.1，0.1，0.1，0.1}则为一个多项分布形式的游戏参数，而{0.4，0.2，0.1，0.1，0.1，0.1}的概率以及其它游戏参数的概率，均可以通过狄利克雷分布的形式表示。
将游戏预测参数，作为狄利克雷分布中的狄利克雷参数，也即狄利克雷分布中的Alpha参数，可以构建一个与初始概率分布对应的初始狄利克雷分布。
S130、根据预设期望目标，对所述各游戏参数的初始概率分布进行优化，并获取优化后的游戏预测参数。
预设期望目标是根据游戏类型和游戏内容确定的最终游戏目的，不同的游戏内容，对应的预设期望目标也不同；仍以三消游戏为例，期望的结果是各玩家在游戏中均通过200次左右的消除来完成任务，这样可以保证高水平玩家和低水平玩家均可以获得较好的游戏体验，不会使高水平玩家因为轻易完成该任务(例如，通过30次消除就完成了该任务)而失去游戏兴趣，也不会使低水平玩家因为难以完成该任务(例如，通过400次消除仍未完成该任务)而放弃游戏体验，因此，通过200次消除来完成任务即为我们的预设期望目标；根据预设期望目标，对所述各游戏参数的初始概率分布进行的优化，可以通过策略梯度算法，最大化决策过程的回报，例如，上述技术方案中的200次消除即为期望回报，消除次数距离200次越近，回报越大，次数小于目标次数时回报为1，次数大于回报次数时回报为-1，最大回报即为用户恰好通过设定的目标次数(即200次)完成任务。
具体的，所述利用策略梯度算法，根据预设期望目标，对所述各游戏参数的初始概率分布进行优化，包括：从所述各游戏参数的初始概率分布中，获取目标游戏参数以及所述目标游戏参数的初始目标概率；根据预设期望目标，对所述目标游戏参数的所述初始目标概率进行优化，并根据优化结果获取优化后的预测游戏参数。从所述各游戏参数的初始概率分布中，即从初始狄利克雷分布中，随机抽取一个目标游戏参数，并根据初始狄利克雷分布，获取该目标游戏参数的初始目标概率；将该目标游戏参数部署于游戏环境中，根据优化结果的好坏，也即回报的多少，提升或下降该目标游戏参数的目标概率，来获取最大化回报，以此获取该目标游戏参数优化后的目标概率(即能获取到最大化回报时，对应的概率)，再将该目标游戏参数以及对应的优化后的目标概率，带入狄利克雷分布中，也即将目标游戏参数和对应的优化后的目标概率作为已知参数，获取优化后的狄利克雷参数，即优化后的游戏预测参数。
S140、根据所述优化后的游戏预测参数，设定真实游戏参数。
可以将优化后的游戏预测参数直接作为真实游戏参数，例如，上述技术方案中，游戏预测参数为{0.4，0.2，0.1，0.1，0.1，0.1}，经过优化后，优化后的游戏预测参数为{0.45，0.15，0.1，0.1，0.1，0.1}，小球掉落时，根据上述概率随机掉落小球；还可以通过优化后的游戏预测参数，作为新的狄利克雷参数，构建一个新的狄利克雷分布，也即构建各游戏参数的优化概率分布，并将各游戏参数的优化概率分布作为真实游戏参数；例如，优化后的游戏预测参数为{0.1，0.2，0.1，0.1，0.1，0.4}，将{0.1，0.2，0.1，0.1，0.1，0.4}作为新的狄利克雷参数，构建一个新的狄利克雷分布，这样将新的狄利克雷分布设置为真实游戏参数，小球掉落时，先根据各游戏参数的优化概率分布首先随机确定具体选定哪一个游戏参数，之后会根据该游戏参数中各游戏元素的概率来随机掉落小球，例如，首先根据优化概率分布，随机选定了{0.3，0.3，0.1，0.1，0.1，0.4}作为选定的游戏参数，再根据游戏参数{0.3，0.3，0.1，0.1，0.1，0.4}中各元素项的概率值，随机掉落小球。相比于将优化后的游戏预测参数直接作为真实游戏参数，将各游戏参数的优化概率分布作为真实游戏参数，不但保证了对小球掉落概率的调控，还保证了更大的随机性，因为，在确定哪一个游戏参数作为选定游戏参数时，是在优化后的概率分布中选定出来的，也存在选定时的随机性，而并非将一个确定的游戏参数直接选定为游戏参数。
本公开实施例的技术方案，在根据玩家的当前游戏状态，获取游戏预测参数后，通过构建各游戏参数的初始概率分布，并根据预设期望目标，在实际游戏环境中，对构建各游戏参数的初始概率分布进行优化，最终获取到优化后的游戏预测参数并设定为真实游戏参数，实现了根据玩家的游戏水平，动态调整游戏难度，保持了游戏方差结果的均衡性，使得高水平玩家和低水平玩家均可以获得较好的游戏体验，避免了由于游戏过于复杂或过于简单，影响玩家的游戏体验，进而存在玩家流失的潜在风险。
实施例二
图2是本公开实施例二提供的一种游戏参数的获取装置的结构框图，具体包括：游戏预测参数获取模块210、初始概率分布获取模块220、优化执行模块230和真实游戏参数获取模块240。
游戏预测参数获取模块210，用于获取当前游戏状态，并根据所述当前游戏状态，获取游戏预测参数；
初始概率分布获取模块220，用于根据所述游戏预测参数，获取各游戏参数的初始概率分布；
优化执行模块230，用于根据预设期望目标，对所述各游戏参数的初始概率分布进行优化，并获取优化后的游戏预测参数；
真实游戏参数获取模块240，用于根据所述优化后的游戏预测参数，设定真实游戏参数。
本公开实施例的技术方案，在根据玩家的当前游戏状态，获取游戏预测参数后，通过构建各游戏参数的初始概率分布，并根据预设期望目标，在实际游戏环境中，对构建各游戏参数的初始概率分布进行优化，最终获取到优化后的游戏预测参数并设定为真实游戏参数，实现了根据玩家的游戏水平，动态调整游戏难度，保持了游戏方差结果的均衡性，使得高水平玩家和低水平玩家均可以获得较好的游戏体验，避免了由于游戏过于复杂或过于简单，影响玩家的游戏体验，进而存在玩家流失的潜在风险。
可选的，在上述技术方案的基础上，所述游戏参数符合多项分布；所述概率分布包括狄利克雷分布。
可选的，在上述技术方案的基础上，优化执行模块230，具体用于利用策略梯度算法，根据预设期望目标，对所述各游戏参数的初始概率分布进行优化。
可选的，在上述技术方案的基础上，优化执行模块230，具体包括：
目标游戏参数获取单元，用于从所述各游戏参数的初始概率分布中，获取目标游戏参数以及所述目标游戏参数的初始目标概率；
优化执行单元，用于根据预设期望目标，对所述目标游戏参数的所述初始目标概率进行优化，并根据优化结果获取优化后的预测游戏参数。
可选的，在上述技术方案的基础上，真实游戏参数获取模块240，具体用于根据所述优化后的游戏预测参数，获取各游戏参数的优化概率分布，并将所述各游戏参数的优化概率分布作为真实游戏参数。
可选的，在上述技术方案的基础上，游戏预测参数获取模块210，具体用于根据所述当前游戏状态，以及参数预测模型，获取游戏预测参数；其中，所述参数预测模型基于人工神经网络构建。
可选的，在上述技术方案的基础上，游戏参数的获取装置，还包括：
正则化约束执行模块，用于在所述参数预测模型中，加入正则化约束。
上述装置可执行本公开任意实施例所提供的游戏参数的获取方法，具备执行方法相应的功能模块和有益效果。未在本实施例中详尽描述的技术细节，可参见本公开任意实施例提供的方法。
实施例三
图3示出了适于用来实现本公开实施例的终端设备300的结构示意图。本公开实施例中的终端设备可以包括但不限于诸如移动电话、笔记本电脑、数字广播接收器、PDA(个人数字助理)、PAD(平板电脑)、PMP(便携式多媒体播放器)、车载终端(例如车载导航终端)等等的移动终端以及诸如数字TV、台式计算机等等的固定终端。图3示出的终端设备仅仅是一个示例，不应对本公开实施例的功能和使用范围带来任何限制。
如图3所示，终端设备300可以包括处理装置(例如中央处理器、图形处理器等)301，其可以根据存储在只读存储器(ROM)302中的程序或者从存储装置308加载到随机访问存储器(RAM)303中的程序而执行各种适当的动作和处理。在RAM 303中，还存储有终端设备300操作所需的各种程序和数据。处理装置301、ROM 302以及RAM 303通过总线304彼此相连。输入/输出(I/O)接口305也连接至总线304。
通常，以下装置可以连接至I/O接口305：包括例如触摸屏、触摸板、键盘、鼠标、摄像头、麦克风、加速度计、陀螺仪等的输入装置306；包括例如液晶显示器(LCD)、扬声器、振动器等的输出装置307；包括例如磁带、硬盘等的存储装置308；以及通信装置309。通信装置309可以允许终端设备300与其他设备进行无线或有线通信以交换数据。虽然图3示出了具有各种装置的终端设备300，但是应理解的是，并不要求实施或具备所有示出的装置。可以替代地实施或具备更多或更少的装置。
特别地，根据本公开的实施例，上文参考流程图描述的过程可以被实现为计算机软件程序。例如，本公开的实施例包括一种计算机程序产品，其包括承载在非暂态计算机可读介质上的计算机程序，该计算机程序包含用于执行流程图所示的方法的程序代码。在这样的实施例中，该计算机程序可以通过通信装置309从网络上被下载和安装，或者从存储装置308被安装，或者从ROM 302被安装。在该计算机程序被处理装置301执行时，执行本公开实施例的方法中限定的上述功能。
需要说明的是，本公开上述的计算机可读介质可以是计算机可读信号介质或者计算机可读存储介质或者是上述两者的任意组合。计算机可读存储介质例如可以是——但不限于——电、磁、光、电磁、红外线、或半导体的系统、装置或器件，或者任意以上的组合。计算机可读存储介质的更具体的例子可以包括但不限于：具有一个或多个导线的电连接、便携式计算机磁盘、硬盘、随机访问存储器(RAM)、只读存储器(ROM)、可擦式可编程只读存储器(EPROM或闪存)、光纤、便携式紧凑磁盘只读存储器(CD-ROM)、光存储器件、磁存储器件、或者上述的任意合适的组合。在本公开中，计算机可读存储介质可以是任何包含或存储程序的有形介质，该程序可以被指令执行系统、装置或者器件使用或者与其结合使用。而在本公开中，计算机可读信号介质可以包括在基带中或者作为载波一部分传播的数据信号，其中承载了计算机可读的程序代码。这种传播的数据信号可以采用多种形式，包括但不限于电磁信号、光信号或上述的任意合适的组合。计算机可读信号介质还可以是计算机可读存储介质以外的任何计算机可读介质，该计算机可读信号介质可以发送、传播或者传输用于由指令执行系统、装置或者器件使用或者与其结合使用的程序。计算机可读介质上包含的程序代码可以用任何适当的介质传输，包括但不限于：电线、光缆、RF(射频)等等，或者上述的任意合适的组合。
在一些实施方式中，客户端、服务器可以利用诸如HTTP(HyperText TransferProtocol，超文本传输协议)之类的任何当前已知或未来研发的网络协议进行通信，并且可以与任意形式或介质的数字数据通信(例如，通信网络)互连。通信网络的示例包括局域网(“LAN”)，广域网(“WAN”)，网际网(例如，互联网)以及端对端网络(例如，ad hoc端对端网络)，以及任何当前已知或未来研发的网络。
上述计算机可读介质可以是上述终端设备中所包含的；也可以是单独存在，而未装配入该终端设备中。
上述计算机可读介质承载有一个或者多个程序，当上述一个或者多个程序被该终端设备执行时，使得该终端设备：获取当前游戏状态，并根据所述当前游戏状态，获取游戏预测参数；根据所述游戏预测参数，获取各游戏参数的初始概率分布；根据预设期望目标，对所述各游戏参数的初始概率分布进行优化，并获取优化后的游戏预测参数；根据所述优化后的游戏预测参数，设定真实游戏参数。
可以以一种或多种程序设计语言或其组合来编写用于执行本公开的操作的计算机程序代码，上述程序设计语言包括但不限于面向对象的程序设计语言—诸如Java、Smalltalk、C++，还包括常规的过程式程序设计语言—诸如“C”语言或类似的程序设计语言。程序代码可以完全地在用户计算机上执行、部分地在用户计算机上执行、作为一个独立的软件包执行、部分在用户计算机上部分在远程计算机上执行、或者完全在远程计算机或服务器上执行。在涉及远程计算机的情形中，远程计算机可以通过任意种类的网络——包括局域网(LAN)或广域网(WAN)—连接到用户计算机，或者，可以连接到外部计算机(例如利用因特网服务提供商来通过因特网连接)。
附图中的流程图和框图，图示了按照本公开各种实施例的系统、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，该模块、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，两个接连地表示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操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。
描述于本公开实施例中所涉及到的模块可以通过软件的方式实现，也可以通过硬件的方式来实现。其中，模块的名称在某种情况下并不构成对该模块本身的限定，例如，游戏预测参数获取模块，可以被描述为“用于获取当前游戏状态，并根据所述当前游戏状态，获取游戏预测参数的模块”。本文中以上描述的功能可以至少部分地由一个或多个硬件逻辑部件来执行。例如，非限制性地，可以使用的示范类型的硬件逻辑部件包括：现场可编程门阵列(FPGA)、专用集成电路(ASIC)、专用标准产品(ASSP)、片上系统(SOC)、复杂可编程逻辑设备(CPLD)等等。
在本公开的上下文中，机器可读介质可以是有形的介质，其可以包含或存储以供指令执行系统、装置或设备使用或与指令执行系统、装置或设备结合地使用的程序。机器可读介质可以是机器可读信号介质或机器可读储存介质。机器可读介质可以包括但不限于电子的、磁性的、光学的、电磁的、红外的、或半导体系统、装置或设备，或者上述内容的任何合适组合。机器可读存储介质的更具体示例会包括基于一个或多个线的电气连接、便携式计算机盘、硬盘、随机存取存储器(RAM)、只读存储器(ROM)、可擦除可编程只读存储器(EPROM或快闪存储器)、光纤、便捷式紧凑盘只读存储器(CD-ROM)、光学储存设备、磁储存设备、或上述内容的任何合适组合。
根据本公开的一个或多个实施例，【示例1】提供了一种游戏参数的获取方法，包括：
获取当前游戏状态，并根据所述当前游戏状态，获取游戏预测参数；
根据所述游戏预测参数，获取各游戏参数的初始概率分布；
根据预设期望目标，对所述各游戏参数的初始概率分布进行优化，并获取优化后的游戏预测参数；
根据所述优化后的游戏预测参数，设定真实游戏参数。
根据本公开的一个或多个实施例，【示例2】提供了示例1的方法，还包括：
所述游戏参数符合多项分布；所述概率分布包括狄利克雷分布。
根据本公开的一个或多个实施例，【示例3】提供了示例1或2的方法，还包括：
利用策略梯度算法，根据预设期望目标，对所述各游戏参数的初始概率分布进行优化。
根据本公开的一个或多个实施例，【示例4】提供了示例3的方法，还包括：
从所述各游戏参数的初始概率分布中，获取目标游戏参数以及所述目标游戏参数的初始目标概率；
根据预设期望目标，对所述目标游戏参数的所述初始目标概率进行优化，并根据优化结果获取优化后的预测游戏参数。
根据本公开的一个或多个实施例，【示例5】提供了示例1或2的方法，还包括：
根据所述优化后的游戏预测参数，获取各游戏参数的优化概率分布，并将所述各游戏参数的优化概率分布作为真实游戏参数。
根据本公开的一个或多个实施例，【示例6】提供了示例1或2的方法，还包括：
根据所述当前游戏状态，以及参数预测模型，获取游戏预测参数；其中，所述参数预测模型基于人工神经网络构建。
根据本公开的一个或多个实施例，【示例7】提供了示例6的方法，还包括：
在所述参数预测模型中，加入正则化约束。
根据本公开的一个或多个实施例，【示例8】提供了一种游戏参数的获取装置，包括：
游戏预测参数获取模块，用于获取当前游戏状态，并根据所述当前游戏状态，获取游戏预测参数；
初始概率分布获取模块，用于根据所述游戏预测参数，获取各游戏参数的初始概率分布；
优化执行模块，用于根据预设期望目标，对所述各游戏参数的初始概率分布进行优化，并获取优化后的游戏预测参数；
真实游戏参数获取模块，用于根据所述优化后的游戏预测参数，设定真实游戏参数。
根据本公开的一个或多个实施例，【示例9】提供了示例8的装置，还包括：
所述游戏参数符合多项分布；所述概率分布包括狄利克雷分布。
根据本公开的一个或多个实施例，【示例10】提供了示例8或9的装置，优化执行模块，具体用于利用策略梯度算法，根据预设期望目标，对所述各游戏参数的初始概率分布进行优化。
根据本公开的一个或多个实施例，【示例11】提供了示例10的装置，优化执行模块，具体包括：
目标游戏参数获取单元，用于从所述各游戏参数的初始概率分布中，获取目标游戏参数以及所述目标游戏参数的初始目标概率；
优化执行单元，用于根据预设期望目标，对所述目标游戏参数的所述初始目标概率进行优化，并根据优化结果获取优化后的预测游戏参数。
根据本公开的一个或多个实施例，【示例12】提供了示例8或9的装置，真实游戏参数获取模块，具体用于根据所述优化后的游戏预测参数，获取各游戏参数的优化概率分布，并将所述各游戏参数的优化概率分布作为真实游戏参数。
根据本公开的一个或多个实施例，【示例13】提供了示例8或9的装置，游戏预测参数获取模块，具体用于根据所述当前游戏状态，以及参数预测模型，获取游戏预测参数；其中，所述参数预测模型基于人工神经网络构建。
根据本公开的一个或多个实施例，【示例14】提供了示例13的装置，还包括：
正则化约束执行模块，用于在所述参数预测模型中，加入正则化约束。
根据本公开的一个或多个实施例，【示例15】提供了一种终端设备，包括存储器、处理装置及存储在存储器上并可在处理装置上运行的计算机程序，处理装置执行程序时实现如示例1-7中任一所述的游戏参数的获取方法。
根据本公开的一个或多个实施例，【示例16】提供了一种包含计算机可执行指令的存储介质，计算机可执行指令在由计算机处理器执行时用于执行如示例1-7中任一所述的游戏参数的获取方法。
以上描述仅为本公开的较佳实施例以及对所运用技术原理的说明。本领域技术人员应当理解，本公开中所涉及的公开范围，并不限于上述技术特征的特定组合而成的技术方案，同时也应涵盖在不脱离上述公开构思的情况下，由上述技术特征或其等同特征进行任意组合而形成的其它技术方案。例如上述特征与本公开中公开的(但不限于)具有类似功能的技术特征进行互相替换而形成的技术方案。
此外，虽然采用特定次序描绘了各操作，但是这不应当理解为要求这些操作以所示出的特定次序或以顺序次序执行来执行。在一定环境下，多任务和并行处理可能是有利的。同样地，虽然在上面论述中包含了若干具体实现细节，但是这些不应当被解释为对本公开的范围的限制。在单独的实施例的上下文中描述的某些特征还可以组合地实现在单个实施例中。相反地，在单个实施例的上下文中描述的各种特征也可以单独地或以任何合适的子组合的方式实现在多个实施例中。
尽管已经采用特定于结构特征和/或方法逻辑动作的语言描述了本主题，但是应当理解所附权利要求书中所限定的主题未必局限于上面描述的特定特征或动作。相反，上面所描述的特定特征和动作仅仅是实现权利要求书的示例形式。

Claims (10)

1.一种游戏参数的获取方法，其特征在于，包括：
获取当前游戏状态，并根据所述当前游戏状态，获取游戏预测参数；
根据所述游戏预测参数，获取各游戏参数的初始概率分布；
根据预设期望目标，对所述各游戏参数的初始概率分布进行优化，并获取优化后的游戏预测参数；
根据所述优化后的游戏预测参数，设定真实游戏参数。
2.根据权利要求1所述的方法，其特征在于，所述游戏参数符合多项分布；所述概率分布包括狄利克雷分布。
3.根据权利要求1或2所述的方法，其特征在于，所述根据预设期望目标，对所述各游戏参数的初始概率分布进行优化，包括：
利用策略梯度算法，根据预设期望目标，对所述各游戏参数的初始概率分布进行优化。
4.根据权利要求3所述的方法，其特征在于，所述利用策略梯度算法，根据预设期望目标，对所述各游戏参数的初始概率分布进行优化，包括：
从所述各游戏参数的初始概率分布中，获取目标游戏参数以及所述目标游戏参数的初始目标概率；
根据预设期望目标，对所述目标游戏参数的所述初始目标概率进行优化，并根据优化结果获取优化后的预测游戏参数。
5.根据权利要求1或2所述的方法，其特征在于，所述根据所述优化后的游戏预测参数，设定真实游戏参数，包括：
根据所述优化后的游戏预测参数，获取各游戏参数的优化概率分布，并将所述各游戏参数的优化概率分布作为真实游戏参数。
6.根据权利要求1或2所述的方法，其特征在于，所述根据所述当前游戏状态，获取游戏预测参数，包括：
根据所述当前游戏状态，以及参数预测模型，获取游戏预测参数；其中，所述参数预测模型基于人工神经网络构建。
7.根据权利要求6所述的方法，其特征在于，在根据所述当前游戏状态，以及参数预测模型，获取游戏预测参数前，还包括：
在所述参数预测模型中，加入正则化约束。
8.一种游戏参数的获取装置，其特征在于，包括：
游戏预测参数获取模块，用于获取当前游戏状态，并根据所述当前游戏状态，获取游戏预测参数；
初始概率分布获取模块，用于根据所述游戏预测参数，获取各游戏参数的初始概率分布；
优化执行模块，用于根据预设期望目标，对所述各游戏参数的初始概率分布进行优化，并获取优化后的游戏预测参数；
真实游戏参数获取模块，用于根据所述优化后的游戏预测参数，设定真实游戏参数。
9.一种终端设备，包括存储器、处理装置及存储在存储器上并可在处理装置上运行的计算机程序，其特征在于，所述处理装置执行所述程序时实现如权利要求1-7中任一所述的游戏参数的获取方法。
10.一种包含计算机可执行指令的存储介质，所述计算机可执行指令在由计算机处理器执行时用于执行如权利要求1-7中任一所述的游戏参数的获取方法。
CN202011165310.0A 2020-10-27 2020-10-27 一种游戏参数的获取方法、装置、终端设备和存储介质 Pending CN112221153A (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202011165310.0A CN112221153A (zh) 2020-10-27 2020-10-27 一种游戏参数的获取方法、装置、终端设备和存储介质

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202011165310.0A CN112221153A (zh) 2020-10-27 2020-10-27 一种游戏参数的获取方法、装置、终端设备和存储介质

Publications (1)

Publication Number Publication Date
CN112221153A true CN112221153A (zh) 2021-01-15

Family

ID=74110243

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202011165310.0A Pending CN112221153A (zh) 2020-10-27 2020-10-27 一种游戏参数的获取方法、装置、终端设备和存储介质

Country Status (1)

Country Link
CN (1) CN112221153A (zh)

Cited By (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN113144610A (zh) * 2021-03-02 2021-07-23 百果园技术(新加坡)有限公司 一种用户能力更新方法、装置、电子设备及存储介质
CN114225391A (zh) * 2021-12-20 2022-03-25 广州博冠信息科技有限公司 通关游戏控制方法、装置、终端和存储介质

Citations (8)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
GB9309939D0 (en) * 1993-05-14 1993-06-30 Barcrest Ltd Entertainment machines
US8944908B1 (en) * 2013-04-29 2015-02-03 Kabam, Inc. Dynamic adjustment of difficulty in an online game based on hardware or network configuration
CN108499108A (zh) * 2017-02-28 2018-09-07 电子技术公司 视频游戏应用程序内玩游戏参数的实时动态修改和优化
CN108635828A (zh) * 2018-03-29 2018-10-12 上海掌门科技有限公司 一种娃娃机操作方法、设备、系统
CN108920221A (zh) * 2018-06-29 2018-11-30 网易（杭州）网络有限公司 游戏难度调整的方法及装置、电子设备、存储介质
CN109107162A (zh) * 2018-11-01 2019-01-01 杭州勺子网络科技有限公司 游戏难度调节方法及装置
CN109568960A (zh) * 2018-11-30 2019-04-05 厦门大学 游戏叙事模型难度调整方法及设备
CN109876454A (zh) * 2019-01-14 2019-06-14 珠海金山网络游戏科技有限公司 一种游戏动态修正方法及系统

Patent Citations (8)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
GB9309939D0 (en) * 1993-05-14 1993-06-30 Barcrest Ltd Entertainment machines
US8944908B1 (en) * 2013-04-29 2015-02-03 Kabam, Inc. Dynamic adjustment of difficulty in an online game based on hardware or network configuration
CN108499108A (zh) * 2017-02-28 2018-09-07 电子技术公司 视频游戏应用程序内玩游戏参数的实时动态修改和优化
CN108635828A (zh) * 2018-03-29 2018-10-12 上海掌门科技有限公司 一种娃娃机操作方法、设备、系统
CN108920221A (zh) * 2018-06-29 2018-11-30 网易（杭州）网络有限公司 游戏难度调整的方法及装置、电子设备、存储介质
CN109107162A (zh) * 2018-11-01 2019-01-01 杭州勺子网络科技有限公司 游戏难度调节方法及装置
CN109568960A (zh) * 2018-11-30 2019-04-05 厦门大学 游戏叙事模型难度调整方法及设备
CN109876454A (zh) * 2019-01-14 2019-06-14 珠海金山网络游戏科技有限公司 一种游戏动态修正方法及系统

Cited By (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN113144610A (zh) * 2021-03-02 2021-07-23 百果园技术(新加坡)有限公司 一种用户能力更新方法、装置、电子设备及存储介质
CN113144610B (zh) * 2021-03-02 2024-04-30 百果园技术(新加坡)有限公司 一种用户能力更新方法、装置、电子设备及存储介质
CN114225391A (zh) * 2021-12-20 2022-03-25 广州博冠信息科技有限公司 通关游戏控制方法、装置、终端和存储介质

Similar Documents

Publication Publication Date Title
US20220176248A1 (en) Information processing method and apparatus, computer readable storage medium, and electronic device
CN108764453B (zh) 面向多智能体同步博弈的建模方法及动作预测系统
CN111813869B (zh) 一种基于分布式数据的多任务模型训练方法及系统
CN112221153A (zh) 一种游戏参数的获取方法、装置、终端设备和存储介质
CN113486989B (zh) 基于知识图谱的对象识别方法、装置、可读介质和设备
US20210166132A1 (en) Systems and methods for machine learning using a network of decision-making nodes
CN112295227A (zh) 一种卡牌游戏的操作方法、装置、电子设备和存储介质
CN114404977B (zh) 行为模型的训练方法、结构扩容模型的训练方法
CN113096055B (zh) 图像生成模型的训练方法、装置、电子设备及存储介质
CN114240506A (zh) 多任务模型的建模方法、推广内容处理方法及相关装置
CN112926628A (zh) 动作价值的确定方法、装置、学习框架、介质及设备
CN113946604B (zh) 分阶段围棋教学方法、装置、电子设备及存储介质
CN112949850B (zh) 超参数确定方法、装置、深度强化学习框架、介质及设备
CN112487931B (zh) 对抗攻击的方法、装置、可读介质和电子设备
CN111494956B (zh) 任务数据的获取方法、装置及电子设备
US20230017951A1 (en) Artificial intelligence-based multi-goal-aware device sampling
CN108040047A (zh) 终端应用登录控制方法、移动终端及计算机可读存储介质
CN111330269B (zh) 应用难度调整和策略确定方法、装置、系统、设备及介质
CN114625338A (zh) 随机数的获取方法、存储方法、装置、电子设备及介质
CN115688042A (zh) 模型融合方法、装置、设备及存储介质
CN117618912A (zh) 虚拟对象的控制方法、装置、介质及设备
CN112926629B (zh) 超参数确定方法、装置、深度强化学习框架、介质及设备
CN116785719B (zh) 一种数据处理方法及相关装置
CN116188251A (zh) 模型构建方法、虚拟形象生成方法、装置、设备、介质
CN117829222A (zh) 模型量化方法、装置、电子设备和计算机可读存储介质

Legal Events

Date Code Title Description
PB01 Publication
PB01 Publication
SE01 Entry into force of request for substantive examination
SE01 Entry into force of request for substantive examination