CN113877209B - 一种游戏数据测试方法、系统、设备及存储介质 - Google Patents

一种游戏数据测试方法、系统、设备及存储介质 Download PDF

Info

Publication number
CN113877209B
CN113877209B CN202111064458.XA CN202111064458A CN113877209B CN 113877209 B CN113877209 B CN 113877209B CN 202111064458 A CN202111064458 A CN 202111064458A CN 113877209 B CN113877209 B CN 113877209B
Authority
CN
China
Prior art keywords
array
combination
information
formation
level
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
Application number
CN202111064458.XA
Other languages
English (en)
Other versions
CN113877209A (zh
Inventor
刘舟
徐键滨
吴梓辉
董馨远
徐雅
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.)
Guangzhou Sanqi Jichuang Network Technology Co ltd
Original Assignee
Guangzhou Sanqi Jichuang 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 Guangzhou Sanqi Jichuang Network Technology Co ltd filed Critical Guangzhou Sanqi Jichuang Network Technology Co ltd
Priority to CN202111064458.XA priority Critical patent/CN113877209B/zh
Publication of CN113877209A publication Critical patent/CN113877209A/zh
Application granted granted Critical
Publication of CN113877209B publication Critical patent/CN113877209B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

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
    • A63F13/55—Controlling game characters or game objects based on the game progress
    • A63F13/58—Controlling game characters or game objects based on the game progress by computing conditions of game characters, e.g. stamina, strength, motivation or energy level
    • 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
    • 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
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
    • G06N20/00—Machine learning
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
    • G06N3/00—Computing arrangements based on biological models
    • G06N3/12—Computing arrangements based on biological models using genetic models
    • G06N3/126—Evolutionary algorithms, e.g. genetic algorithms or genetic programming

Landscapes

  • Engineering & Computer Science (AREA)
  • Multimedia (AREA)
  • Theoretical Computer Science (AREA)
  • Physics & Mathematics (AREA)
  • Health & Medical Sciences (AREA)
  • Life Sciences & Earth Sciences (AREA)
  • Software Systems (AREA)
  • Biophysics (AREA)
  • Bioinformatics & Computational Biology (AREA)
  • Evolutionary Biology (AREA)
  • General Physics & Mathematics (AREA)
  • Mathematical Physics (AREA)
  • Data Mining & Analysis (AREA)
  • General Engineering & Computer Science (AREA)
  • Artificial Intelligence (AREA)
  • Computing Systems (AREA)
  • Bioinformatics & Cheminformatics (AREA)
  • Evolutionary Computation (AREA)
  • General Health & Medical Sciences (AREA)
  • Computer Vision & Pattern Recognition (AREA)
  • Physiology (AREA)
  • Genetics & Genomics (AREA)
  • Biomedical Technology (AREA)
  • Computational Linguistics (AREA)
  • Medical Informatics (AREA)
  • Molecular Biology (AREA)
  • Business, Economics & Management (AREA)
  • Computer Security & Cryptography (AREA)
  • General Business, Economics & Management (AREA)
  • Human Computer Interaction (AREA)
  • Management, Administration, Business Operations System, And Electronic Commerce (AREA)

Abstract

本发明提供一种游戏数据测试方法、系统、设备及存储介质，其中，方法包括：获取当前测试关卡的通关规则，根据所述通关规则及阵容组合规则，生成若干第一阵容组合；其中，每个第一阵容组合包括若干基因信息；根据遗传算法，对所述第一阵容组合进行迭代处理，得到第二阵容组合；其中，所述第二阵容组合包括若干基因信息；根据阵容战力计算规则，对所述第二阵容组合进行计算，得到第二阵容组合的战力值；将战力值最低的第二阵容组合作为获胜阵容，并输出所述获胜阵容。本发明能够快速高效地测试出策略游戏等规则复杂的游戏的平衡性，并便于辅助开发者调整游戏中的数值。

Description

一种游戏数据测试方法、系统、设备及存储介质
技术领域
本发明涉及游戏数据测试技术领域，特别是涉及一种游戏数据测试方法、系统、设备及存储介质。
背景技术
策略游戏(Strategy Game)本身的含义非常广泛，只要玩家在游戏规则的设定下完成游戏所给的目标获得胜利，即可算作策略游戏，策略游戏所包含的“策略”一般都较为复杂。策略游戏是一种模拟游戏(Simulation Game)的衍生游戏类型。模拟游戏一般都较为自由和开放，并无复杂的游戏规则及游戏设定；而策略游戏具有复杂的游戏规则或游戏设定。
游戏平衡性是影响策略游戏的游戏体验的核心因素，如果平衡性出现问题，会导致玩家为了追求胜利，选择平衡性异常的方式，降低了游戏的趣味性和玩家的积极性。
目前，通过穷举巨量策略组合对游戏平衡性测试的方法，会产生巨大的算力要求，耗时耗力。
发明内容
为解决以上现有技术问题，本发明提供一种游戏数据测试方法、系统、设备及存储介质，能够快速高效地测试出策略游戏等规则复杂的游戏的平衡性，并便于辅助开发者调整游戏中的数值。
本发明第一方面提供一种游戏数据测试方法，包括：
获取当前测试关卡的通关规则，根据所述通关规则及预设的阵容组合规则，生成若干第一阵容组合；其中，每个第一阵容组合包括若干基因信息；
根据遗传算法，对所述第一阵容组合进行迭代处理，得到第二阵容组合；其中，所述第二阵容组合包括若干基因信息；
根据阵容战力计算规则，对所述第二阵容组合进行计算，得到第二阵容组合的战力值；
将战力值最低的第二阵容组合作为获胜阵容，并输出所述获胜阵容。
进一步地，所述根据遗传算法对所述第一阵容组合进行迭代处理，得到第二阵容组合，包括：
根据遗传算法，对所述第一阵容组合进行基因信息交叉处理，得到交叉基因信息阵容组合；
根据遗传算法，对所述交叉基因信息阵容组合进行基因信息变异处理，得到变异基因信息阵容组合；
通过所述变异基因信息阵容组合与自动战斗接口进行交互处理，计算得到所述变异基因信息阵容组合的适应度；
若所述适应度满足预设适应度值，将所述变异基因信息阵容组合作为第二阵容组合。
进一步地，所述计算得到所述变异基因信息阵容组合的适应度之后，还包括：
判断所述迭代处理的次数是否满足迭代次数阈值；
若否，则继续根据遗传算法，对所述第一阵容组合进行迭代处理，直到所述迭代处理的次数满足迭代次数阈值；
若是，则判断所述适应度是否满足预设适应度值。
进一步地，所述基因信息为配置完成的角色信息；
所述根据所述通关规则及阵容组合规则，生成若干第一阵容组合，包括：
对所有的角色信息进行配置，并将所有配置完成的角色信息组成角色池；
从所述角色池中选择满足预设数量的角色信息组成若干第一阵容组合；
其中，所述对所有的角色信息进行配置具体地：对每个角色信息均执行配置操作；所述配置操作包括：
为角色信息设定配置数据的等级；其中，所述配置数据包括：第一配置数据、第二配置数据及第三配置数据，所述角色信息包括：角色名称、等级信息及标签信息；
根据当前测试关卡的等级，确定第一阵容组合的角色信息、第一配置数据的等级及第二配置数据的等级；
根据所述第一配置数据的等级及所述角色信息的等级信息，确定第一候选配置数据；
根据所述第二配置数据的等级及所述角色信息的等级信息，确定第二候选配置数据；
根据当前测试关卡的等级，确定第三配置数据；
对所述第一候选配置数据、第二候选配置数据及第三配置数据进行排列组合，得到配置完成的角色信息。
进一步地，所述输出所述获胜阵容之后，包括：
通过所述第一阵容组合对所述当前测试关卡进行交互，得到第一胜率；
根据所述获胜阵容及所述当前测试关卡，对强化学习初模型进行训练，得到强化学习训练模型；
通过测试阵容组合，对所述强化学习训练模型进行测试，得到所述测试阵容组合在所述当前测试关卡的测试胜率；
若所述测试胜率大于所述第一胜率，则保留当前测试关卡的配置信息。
进一步地，所述得到所述推荐阵容组合在所述当前测试关卡的测试胜率之后，还包括：
若所述测试胜率不大于所述第一胜率，则通过所述测试阵容组合的数据信息对所述当前测试关卡的配置信息进行更改。
进一步地，所述得到所述推荐阵容组合在所述当前测试关卡的测试胜率之后，还包括：
将测试胜率作为奖励反馈，对所述强化学习训练模型进行优化及更新。
本发明第二方面提供一种游戏数据测试系统，包括：
第一阵容组合生成模块，用于获取当前测试关卡的通关规则，根据所述通关规则及阵容组合规则，生成若干第一阵容组合；其中，每个第一阵容组合包括若干基因信息；
第二阵容组合生成模块，用于根据遗传算法，对所述第一阵容组合进行迭代处理，得到第二阵容组合；其中，所述第二阵容组合包括若干基因信息；
战力值计算模块，用于根据阵容战力计算规则，对所述第二阵容组合进行计算，得到第二阵容组合的战力值；
获胜阵容输出模块，用于将战力值最低的第二阵容组合作为获胜阵容，并输出所述获胜阵容。
本发明第三方面提供一种电子设备，包括处理器、存储器以及存储在所述存储器中且被配置为由所述处理器执行的计算机程序，所述处理器执行所述计算机程序时实现如上述第一方面中任意一项所述的游戏数据测试方法。
本发明第四方面提供一种计算机可读存储介质，所述计算机可读存储介质包括存储的计算机程序，其中，在所述计算机程序运行时控制所述计算机可读存储介质所在设备执行如上述第一方面中任意一项所述的游戏数据测试方法。
与现有技术相比，本发明实施例的有益效果在于：
本发明提供一种游戏数据测试方法、系统、设备及存储介质，其中，方法包括：获取当前测试关卡的通关规则，根据所述通关规则及阵容组合规则，生成若干第一阵容组合；其中，每个第一阵容组合包括若干基因信息；根据遗传算法，对所述第一阵容组合进行迭代处理，得到第二阵容组合；其中，所述第二阵容组合包括若干基因信息；根据阵容战力计算规则，对所述第二阵容组合进行计算，得到第二阵容组合的战力值；将战力值最低的第二阵容组合作为获胜阵容，并输出所述获胜阵容。本发明提高了策略游戏等规则复杂的游戏(如卡牌游戏)的平衡性，辅助开发者调整游戏中的数值。
附图说明
为了更清楚地说明本发明的技术方案，下面将对实施方式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发明的一些实施方式，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的附图。
图1是本发明某一实施例提供的一种应用环境的示意图；
图2是本发明某一实施例提供的一种游戏数据测试方法的流程图；
图3是本发明另一实施例提供的一种游戏数据测试方法的流程图；
图4是本发明另一实施例提供的一种游戏数据测试方法的流程图；
图5是本发明另一实施例提供的一种游戏数据测试方法的流程图；
图6是本发明另一实施例提供的一种游戏数据测试方法的流程图；
图7是本发明又一实施例提供的一种游戏数据测试方法的流程图；
图8是本发明某一实施例提供的一种游戏数据测试系统的装置图；
图9是本发明另一实施例提供的一种游戏数据测试系统的装置图；
图10是本发明另一实施例提供的一种游戏数据测试系统的装置图；
图11是本发明又一实施例提供的一种游戏数据测试系统的装置图；
图12是本发明某一实施例提供的一种电子设备的结构图。
具体实施方式
下面将结合本发明实施例中的附图，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。基于本发明中的实施例，本领域普通技术人员在没有作出创造性劳动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。
应当理解，文中所使用的步骤编号仅是为了方便描述，不对作为对步骤执行先后顺序的限定。
应当理解，在本发明说明书中所使用的术语仅仅是出于描述特定实施例的目的而并不意在限制本发明。如在本发明说明书和所附权利要求书中所使用的那样，除非上下文清楚地指明其它情况，否则单数形式的“一”、“一个”及“该”意在包括复数形式。
术语“包括”和“包含”指示所描述特征、整体、步骤、操作、元素和/或组件的存在，但并不排除一个或多个其它特征、整体、步骤、操作、元素、组件和/或其集合的存在或添加。
术语“和/或”是指相关联列出的项中的一个或多个的任何组合以及所有可能组合，并且包括这些组合。
策略游戏提供给玩家一个可以动脑筋思考问题来处理较复杂事情的环境，允许玩家自由控制、管理和使用游戏中的人或事物，通过这种自由的手段以及玩家们开动脑筋想出的对抗敌人的办法来达到游戏所要求的目标。
策略游戏非常重视游戏的平衡性，游戏策划人员往往需要在游戏新版本上线之前进行游戏平衡性调整。目前，可采用基于游戏配置档的异常英雄和技能挖掘方案，即通过对游戏配置档中英雄和技能的属性和数值的分析，来判断是否存在异常的英雄和异常的技能。
然而，基于游戏配置档的异常英雄和技能挖掘方案仅能实现简易的判断，也就是说，只能对某个英雄或者某项技能的合理性进行判断，难以分析游戏阵容的合理性，导致游戏数据的分析较为单一，增加了调整游戏平衡性的难度。
另外，对于对抗类游戏而言，无论是单人对抗还是多人对抗，只要存在多种策略可供玩家选择，那么这些策略之间平衡性就是一个需要考虑的问题。然而，要评估游戏的平衡性并不简单，一方面，游戏中所包含的策略数量通常较大，因为这样才有足够的游戏性和选择空间，从而导致人工评估需要消耗大量的时间和精力。另一方面，游戏中的策略也是动态变化的，随着开发者对游戏内容的修改(例如，加强或者削弱某个虚拟对象，推出新的虚拟对象等)，都可能对当前游戏的平衡性产生冲击。
基于此，本申请提供了一种游戏数据测试的方法，能够自动选出游戏中的战力阵容，再对这些高强度阵容进行分析，基于游戏分析结果，开发者可以对游戏中的英雄的游戏属性数值进行调整。
请参阅图1，图1为本申请实施例提供的一种应用环境的示意图，如图1所示，该应用环境可以包括业务服务器01、游戏数据测试组件02和客户端03。
本发明实施例中，所述业务服务器01可以用于生成所述游戏数据测试的方法，所述游戏数据测试方法包括：获取当前测试关卡的通关规则，根据所述通关规则及阵容组合规则，生成若干第一阵容组合；其中，每个第一阵容组合包括若干基因信息；根据遗传算法，对所述第一阵容组合进行迭代处理，得到第二阵容组合；其中，所述第二阵容组合包括若干基因信息；根据阵容战力计算规则，对所述第二阵容组合进行计算，得到第二阵容组合的战力值；若所述第二阵容组合的战力值满足预设战力值，则将所述第二阵容组合作为获胜阵容，并输出所述获胜阵容。
本申请涉及的服务器可以是独立的物理服务器，也可以是多个物理服务器构成的服务器集群或者分布式系统，还可以是提供云服务、云数据库、云计算、云函数、云存储、网络服务、云通信、中间件服务、域名服务、安全服务、内容分发网络(Content DeliveryNetwork，CDN)、以及大数据和人工智能平台等基础云计算服务的云服务器。终端设备可以是智能手机、平板电脑、笔记本电脑、掌上电脑、个人电脑、智能电视、智能手表等，但并不局限于此。终端设备以及服务器可以通过有线或无线通信方式进行直接或间接地连接，本申请在此不做限制。服务器和终端设备的数量也不做限制。
本发明实施例中，所述游戏数据测试组件02可以用于执行所述游戏数据测试方法，所述游戏数据测试组件02可以位于所述业务服务器01，也可以位于其他业务服务器，当所述游戏数据测试组件02位于其他业务服务器时，所述业务服务器01可以通过网络等方式访问该其他业务服务器，以获取该其他业务服务器中所述游戏数据测试组件02生成的与字段相对应的索引数据。
以下具体介绍游戏数据测试的实施例1，请参阅图2，图2是本发明提供的一种游戏数据测试方法的流程图，包括：
S100、获取当前测试关卡的通关规则，根据所述通关规则及阵容组合规则，生成若干第一阵容组合。其中，每个第一阵容组合包括若干基因信息。
需要说明的是，不同的测试关卡具有不同的通关规则，从开发者的角度，通关规则可以是通过具体的数据来体现。
所述阵容组合规则可以是不同的测试关卡具有不同的阵容组合规则，也可以是部分测试关卡具有相同的阵容组合规则，也可以是所有通关关卡具有相同的阵容组合规则。示例性的，阵容组合规则为：6个英雄组成一个阵容组合，且每个英雄具有相应配置。
所述第一阵容组合满足所述当前测试关卡的通关规则及阵容组合规则。所述基因信息包括：英雄及每个英雄的相应配置；其中，所述相应配置包括：魂环、魂骨及属性。英雄具有相应的职业，魂环具有相应的魂环年份/魂环等级，魂骨具有相应的魂骨等级。第一阵容组合中具有6个基因信息。
可以理解的是，任何一个第一阵容组合通过当前测试关卡具有一定的胜率。由于英雄数量较多，所以满足所述当前测试关卡的通关规则及阵容组合规则的第一阵容组合的数量较多，故通过以下步骤将若干的第一阵容组合进行筛选，以找到最合适用于通过当前关卡的阵容组合，其中，所述最合适可以理解为能够以一定胜率通关且战力值最低的阵容组合。
S200、根据遗传算法，对所述第一阵容组合进行迭代处理，得到第二阵容组合。其中，所述第二阵容组合包括若干基因信息。
需要说明的是，遗传算法是一种模仿自然界生物进化机制的随机全局搜索和优化方法，用基因组合和进化代替穷举搜索，通过基因的选择、变异、交叉来实现对复杂搜索空间的启发式搜索，最终能够在较大的概率下找到全局最优解，其与传统的优化方法(枚举，启发式等)相比较，具有很好的收敛性，计算时间少，鲁棒性高。
可以理解的是，通过遗传算法，在若干第一阵容组合中进行启发式搜索，并将搜索到的阵容记为第二阵容组合。具体地，通过对所有第一阵容组合进行遗传算法的计算，以用于筛选合适的阵容，得到若干第二阵容组合。
S300、根据阵容战力计算规则，对所述第二阵容组合进行计算，得到第二阵容组合的战力值。
需要说明的是，阵容战力通过英雄及其基因信息的组合进行计算，并由服务端接口直接输出战力查询结果。在服务器端预存有阵容战力的计算方法，所述阵容战力的计算方法包括但不限于将所有的英雄的基因信息对应相加后，赋予每一基因信息总和的权值以不同的权重，将权值与权重相乘后累加。
S400、将战力值最低的第二阵容组合作为获胜阵容，并输出所述获胜阵容。
本发明实施例1提供的一种游戏数据测试方法，用于提高策略游戏等规则复杂的游戏的平衡性，辅助开发者调整游戏中的数值。
请参阅图3，在本发明实施例2中，步骤S100-S400均与实施例1中的步骤S100-S400相同，优选地：
所述基因信息为配置完成的角色信息。
所述步骤S100目的在于创建初始卡牌阵容组合，具体包括：
S110、对所有的角色信息进行配置，并将所有配置完成的角色信息组成角色池。
S120、从所述角色池中选择满足预设数量的角色信息组成若干第一阵容组合。
其中，所述对所有的角色信息进行配置，具体为：对每个角色信息均执行配置操作。所述配置操作包括：
步骤一：为角色信息设定配置数据的等级。其中，所述配置数据包括：第一配置数据、第二配置数据及第三配置数据；所述角色信息包括：角色名称、等级信息及标签信息。
步骤二、根据当前测试关卡的等级，确定第一阵容组合的角色信息、第一配置数据的等级及第二配置数据的等级。
步骤三、根据所述第一配置数据的等级及所述角色信息的等级信息，确定第一候选配置数据；根据所述第二配置数据的等级及所述角色信息的等级信息，确定第二候选配置数据；根据当前测试关卡的等级，确定第三配置数据。
步骤四、对所述第一候选配置数据、第二候选配置数据及第三配置数据进行排列组合，得到配置完成的角色信息。
需要说明的是，所述第一配置数据为魂环，所述第二配置数据为魂骨，所述第三配置数据为属性值，所述角色名称为英雄名称，所述等级信息为英雄等级，所述标签信息为英雄类型，如：防御类型、强攻类型、敏攻类型、控制类型及辅助类型等等。
可以理解的是，对所有的英雄进行配置，可将所有配置完成的英雄定义为卡牌，每张卡牌的技能及强度不同，所有的卡牌组成卡牌池，并将所述卡牌池作为遗传算法的基因池，将每张卡牌作为基因信息。选择6张卡牌形成的阵容组合作为遗传算法的个体，种群中的个体数量由遗传算法的输入参数决定。所述英雄共有56个。
针对不同的关卡，对单张卡牌的配置过程可以理解为：
步骤1、根据关卡及策划配表，确定推荐的英雄等级，魂环年份(技能等级)和魂骨等级；
步骤2、根据魂骨等级和卡牌职业，从及策划配表中确定可选魂骨；
步骤3、根据魂环等级和卡牌职业，从及策划配表中确定可选魂环；
步骤4、根据关卡从及策划配表中确定推荐属性值；
步骤5、对属性、魂环、魂骨的可选配置进行排列组合，得到配置之后的单张卡牌结果。
示例性的：
步骤a.对于关卡1209302，对应英雄等级为44；
步骤b.对于英雄4014来说，卡牌类型为辅助系魂师；
步骤c.可选的魂环ID为12100219和12100819，卡牌配置4个魂环孔，所以可选魂环组合为：
[12100219,12100219,12100219,12100219]
[12100219,12100219,12100219,12100819]
[12100219,12100219,12100819,12100819]
[12100219,12100819,12100819,12100819]
步骤d.可选的魂骨套装为414和424
步骤e.对应属性推荐值为[4586,2295,34810,2310,16640,12300,130]，推荐值上下浮动10％和20％，又产生4个属性配置，共5个，如表1所示：
表1
Figure BDA0003257659000000121
Figure BDA0003257659000000131
步骤f、对4014这个英雄来说会产生4*2*5＝40张不同的卡牌。
本发明实施例2提供的一种游戏数据测试方法，用于提高策略游戏等规则复杂的游戏的平衡性，辅助开发者调整游戏中的数值，通过对英雄进行属性配置，提高游戏的复杂度及用户的可玩性。
请参阅图4，在本发明实施例3中，步骤S100-S400均与实施例1中的步骤S100-S400相同，优选地，步骤S200包括：
S210、根据遗传算法，对所述第一阵容组合进行基因信息交叉处理，得到交叉基因信息阵容组合。
需要说明的是，所述对所述第一阵容组合进行基因信息交叉处理为：将若干的第一阵容组合中的基因信息进行交叉处理。其中，基因信息为配置完成的角色信息。
可以理解的是，配置完成的角色信息为卡牌，步骤S210是将不同的第一阵容组合中的卡牌进行位置交换。示例性的：以两个第一阵容组合进行基因信息交叉处理为例：
第一阵容组合A包括：卡牌1001、卡牌1002、卡牌1003、卡牌1004、卡牌1005、卡牌1006；
第一阵容组合B包括：卡牌2001、卡牌2002、卡牌2003、卡牌2004、卡牌2005、卡牌2006；
将第一阵容组合A与第一阵容组合B进行基因信息交叉处理，得到交叉基因信息阵容组合；其中，交叉基因信息阵容组合包括：交叉基因信息阵容组合C、D；
交叉基因信息阵容组合C包括：卡牌1001、卡牌1002、卡牌1003、卡牌2004、卡牌2005、卡牌2006；
交叉基因信息阵容组合D包括：卡牌1004、卡牌1005、卡牌1006、卡牌2001、卡牌2002、卡牌2003；
S220、根据遗传算法，对所述交叉基因信息阵容组合进行基因信息变异处理，得到变异基因信息阵容组合。
需要说明的是，所述对所述交叉基因信息阵容组合进行基因信息变异处理为：将若干的交叉基因信息阵容组合中的基因信息进行突变处理。其中，基因信息为配置完成的角色信息。
可以理解的是，配置完成的角色信息为卡牌，步骤S220是对交叉基因信息阵容组合中的卡牌进行突变处理。示例性的：以上述交叉基因信息阵容组合C进行基因信息突变处理为例：
交叉基因信息阵容组合C包括：卡牌1001、卡牌1002、卡牌1003、卡牌2004、卡牌2005、卡牌2006；
对所述交叉基因信息阵容组合C进行基因信息变异处理，得到变异基因信息阵容组合E：
变异基因信息阵容组合E包括：卡牌1001、卡牌1002、卡牌1003、卡牌2004、卡牌2005、卡牌3006。其中，卡牌3006为突变基因。
S230、通过所述变异基因信息阵容组合与自动战斗接口进行交互处理，计算得到所述变异基因信息阵容组合的适应度。
需要说明的是，交互处理表示采用变异基因信息阵容组合与当前测试关卡进行PVE(Player VS Environment，玩家对战环境)对战。所述适应度通过对战结果进行计算。
S240、若所述适应度满足预设适应度值，将所述变异基因信息阵容组合作为第二阵容组合。
需要说明的是，所述预设适应度值为开发者设定，可以依据不同情况进行适应性调整。
可以理解的是，判断所述变异基因信息阵容组合的适应度与所述预设适应度值的大小；若所述变异基因信息阵容组合的适应度大于等于所述预设适应度值，则所述变异基因信息阵容组合作为第二阵容组合；若所述变异基因信息阵容组合的适应度小于所述预设适应度值，则所述变异基因信息阵容组合淘汰。
优选地，在实施例3中的步骤S230之后，还包括：
判断所述迭代处理的次数是否满足迭代次数阈值。
若否，则继续根据遗传算法，对所述第一阵容组合进行迭代处理，直到所述迭代处理的次数满足迭代次数阈值；或返回步骤S210，直到所述迭代处理的次数满足迭代次数阈值。
若是，则判断所述适应度是否满足预设适应度值。即执行步骤S240。
需要说明的是，通过设置迭代计算，从而提高遗传算法对第一阵容组合的处理次数，其目的在于，扩大基因信息的数据，更加准确的寻找全局最优阵容组合。
本发明实施例3及其优选实施例提供的一种游戏数据测试方法，用于提高策略游戏等规则复杂的游戏的平衡性，辅助开发者调整游戏中的数值，通过遗传算法，用基因组合和进化代替穷举搜索，通过基因的变异、交叉来实现对第一阵容组合的启发式搜索，最终能够在较大的概率下找到全局最优阵容组合，具有很好的收敛性，计算时间少，鲁棒性高。
请参阅图5，在本发明实施例4中，步骤S100-S400均与实施例1中的步骤S100-S400相同，优选地，步骤S400之后，包括：
S500、通过所述第一阵容组合对所述当前测试关卡进行交互，得到第一胜率。
需要说明的是，所述第一阵容组合与实施例1中的第一阵容组合相同，即为满足当前测试关卡的通关规则及阵容组合规则的阵容组合；通过所有第一阵容组合对当前关卡进行闯关，并计算通关胜率，将计算得到的通关胜率定义为第一胜率。所述通关胜率＝通关次数/总对战次数。
S600、根据所述获胜阵容及所述当前测试关卡，对强化学习初模型进行训练，得到强化学习训练模型。
需要说明的是，通过所述获胜阵容对当前关卡进行闯关，以此实现对强化学习初模型的训练。
可以理解的是，测试关卡数量若干，每个测试关卡对应的获胜阵容若干，通过大量的测试关卡及其对应的获胜阵容，对强化学习初模型进行训练，以调整强化学习初模型的参数，将训练完成的强化学习初模型定义为强化学习训练模型。
S700、通过测试阵容组合，对所述强化学习训练模型进行测试，得到所述测试阵容组合在所述当前测试关卡的测试胜率。
可以理解的是，通过测试阵容组合对强化学习训练模型进行测试，通过计算所述测试阵容组合在所述当前测试关卡的测试胜率，以测试强化学习训练模型的适配度。
S800、若所述测试胜率大于所述第一胜率，则保留当前测试关卡的配置信息。
可以理解的是，若所述测试胜率大于所述第一胜率，表示强化学习训练模型通过测试阵容组合的测试，即当前测试关卡的配置信息为合理状态；若所述测试胜率不大于所述第一胜率，表示强化学习训练模型未通过测试阵容组合的测试，即当前测试关卡的配置信息为不合理状态，此时，需要对当前测试关卡的配置信息进行调整。
在本发明实施例4的一优选实施方式中，请参阅图6，所述实施例4的步骤S800之后还包括：
S900、若所述测试胜率不大于所述第一胜率，则通过所述测试阵容组合的数据信息对所述当前测试关卡的配置信息进行更改。
可以理解的是，若所述测试胜率不大于所述第一胜率，表示强化学习训练模型未通过测试阵容组合的测试，即当前测试关卡的配置信息为不合理状态，此时，需要对当前测试关卡的配置信息进行调整。具体地，通过测试阵容组合的数据信息对所述当前测试关卡的配置信息进行更改。
在本发明实施例4的另优选实施方式中，请参阅图7，所述实施例4的步骤S700之后还包括：
S710、将测试胜率作为奖励反馈，对所述强化学习训练模型进行优化及更新。
可以理解的是，通过测试胜率作为强化学习训练模型的奖励反馈机制，对强化学习训练模型的优化及更新，以“试错”的方式进行学习，通过测试阵容组合与当前测试关卡进行交互获得的奖赏指导行为，使智能体获得获取更多的累积奖励以及更可靠的估计，通过强化学习去探索已知组合的最优出招策略,进而更进一步的压低战力,找出最优解。
本发明实施例4及其优选实施例提供的一种游戏数据测试方法，用于提高策略游戏等规则复杂的游戏的平衡性，辅助开发者调整游戏中的数值，对强化学习训练模型，以“试错”的方式进行学习，通过测试阵容组合与当前测试关卡进行交互获得的奖赏指导行为，使智能体获得获取更多的累积奖励以及更可靠的估计，通过强化学习去探索已知组合的最优出招策略,进而更进一步的压低战力,找出最优解。
第二方面。
请参阅图8，本发明实施例5提供一种游戏数据测试系统，包括：
第一阵容组合生成模块100，用于获取当前测试关卡的通关规则，根据所述通关规则及阵容组合规则，生成若干第一阵容组合。其中，每个第一阵容组合包括若干基因信息。
需要说明的是，不同的测试关卡具有不同的通关规则，从开发者的角度，通关规则可以是通过具体的数据来体现。
所述阵容组合规则可以是不同的测试关卡具有不同的阵容组合规则，也可以是部分测试关卡具有相同的阵容组合规则，也可以是所有通关关卡具有相同的阵容组合规则。示例性的，阵容组合规则为：6个英雄组成一个阵容组合，且每个英雄具有相应配置。
所述第一阵容组合满足所述当前测试关卡的通关规则及阵容组合规则。所述基因信息包括：英雄及每个英雄的相应配置；其中，所述相应配置包括：魂环、魂骨及属性。英雄具有相应的职业，魂环具有相应的魂环年份/魂环等级，魂骨具有相应的魂骨等级。第一阵容组合中具有6个基因信息。
可以理解的是，任何一个第一阵容组合通过当前测试关卡具有一定的胜率。由于英雄数量较多，所以满足所述当前测试关卡的通关规则及阵容组合规则的第一阵容组合的数量较多，故通过以下步骤将若干的第一阵容组合进行筛选，以找到最合适用于通过当前关卡的阵容组合，其中，所述最合适可以理解为能够以一定胜率通关且战力值最低的阵容组合少。
第二阵容组合生成模块200，用于根据遗传算法，对所述第一阵容组合进行迭代处理，得到第二阵容组合。其中，所述第二阵容组合包括若干基因信息。
需要说明的是，遗传算法是一种模仿自然界生物进化机制的随机全局搜索和优化方法，用基因组合和进化代替穷举搜索，通过基因的选择、变异、交叉来实现对复杂搜索空间的启发式搜索，最终能够在较大的概率下找到全局最优解，其与传统的优化方法(枚举，启发式等)相比较，具有很好的收敛性，计算时间少，鲁棒性高。
可以理解的是，通过遗传算法，在若干第一阵容组合中进行启发式搜索，并将搜索到的阵容记为第二阵容组合。具体地，通过对所有第一阵容组合进行遗传算法的计算，以用于筛选合适的阵容，得到若干第二阵容组合。
战力值计算模块300，用于根据阵容战力计算规则，对所述第二阵容组合进行计算，得到第二阵容组合的战力值。
需要说明的是，阵容战力通过英雄及其基因信息的组合进行计算，并由服务端接口直接输出战力查询结果。在服务器端预存有阵容战力的计算方法，所述阵容战力的计算方法包括但不限于将所有的英雄的基因信息对应相加后，赋予每一基因信息总和的权值以不同的权重，将权值与权重相乘后累加。
获胜阵容输出模块400，用于将战力值最低的第二阵容组合作为获胜阵容，并输出所述获胜阵容。
本发明实施例5提供的一种游戏数据测试系统，提高策略游戏等规则复杂的游戏的平衡性，辅助开发者调整游戏中的数值。
在本发明实施例6提供的一种游戏数据测试系统的一优选实施方式中，所述基因信息为配置完成的角色信息。
所述第一阵容组合生成模块100，还用于为创建初始卡牌阵容组合，具体用于执行：
对所有的角色信息进行配置，并将所有配置完成的角色信息组成角色池。
从所述角色池中选择满足预设数量的角色信息组成若干第一阵容组合。
其中，所述对所有的角色信息进行配置具体地：对每个角色信息均执行配置操作；所述配置操作包括：
步骤一：为角色信息设定配置数据的等级。其中，所述配置数据包括：第一配置数据、第二配置数据及第三配置数据，所述角色信息包括：角色名称、等级信息及标签信息。
步骤二、根据当前测试关卡的等级，确定第一阵容组合的角色信息、第一配置数据的等级及第二配置数据的等级。
步骤三、根据所述第一配置数据的等级及所述角色信息的等级信息，确定第一候选配置数据；根据所述第二配置数据的等级及所述角色信息的等级信息，确定第二候选配置数据；根据当前测试关卡的等级，确定第三配置数据。
步骤四、对所述第一候选配置数据、第二候选配置数据及第三配置数据进行排列组合，得到配置完成的角色信息。
需要说明的是，所述第一配置数据为魂环，所述第二配置数据为魂骨，所述第三配置数据为属性值，所述角色名称为英雄名称，所述等级信息为英雄等级，所述标签信息为英雄类型，如：防御类型、强攻类型、敏攻类型、控制类型及辅助类型等等。
可以理解的是，对所有的英雄进行配置，并将所有配置完成的英雄定义为卡牌，每张卡牌的技能及强度不同，所有的卡牌组成卡牌池，并将所述卡牌池作为遗传算法的基因池，将每张卡牌作为基因信息。随机选择6张卡牌形成的阵容组合作为遗传算法的个体，种群中的个体数量由遗传算法的输入参数决定。所述英雄共有56个。
针对不同的关卡，对单张卡牌的配置过程可以理解为：
步骤1、根据关卡及策划配表，确定推荐的英雄等级，魂环年份(技能等级)和魂骨等级；
步骤2、根据魂骨等级和卡牌职业，从及策划配表中确定可选魂骨；
步骤3、根据魂环等级和卡牌职业，从及策划配表中确定可选魂环；
步骤4、根据关卡从及策划配表中确定推荐属性值；
步骤5、对属性、魂环、魂骨的可选配置进行排列组合，得到配置之后的单张卡牌结果。
示例性的：
步骤a.对于关卡1209302，对应英雄等级为44；
步骤b.对于英雄4014来说，卡牌类型为辅助系魂师；
步骤c.可选的魂环ID为12100219和12100819，卡牌配置4个魂环孔，所以可选魂环组合为：
[12100219,12100219,12100219,12100219]
[12100219,12100219,12100219,12100819]
[12100219,12100219,12100819,12100819]
[12100219,12100819,12100819,12100819]
步骤d.可选的魂骨套装为414和424
步骤e.对应属性推荐值为[4586,2295,34810,2310,16640,12300,130]，推荐值上下浮动10％和20％，又产生4个属性配置，共5个，如表2所示：
表2
攻击 防御 生命 暴率 暴伤 速度 精神力
5503.2 2754 41772 2772 19968 14760 156
5044.6 2524.5 38291 2541 18304 13530 143
4586 2295 34810 2310 16640 12300 130
4127.4 2065.5 31329 2079 14976 11070 117
3668.8 1836 27848 1848 13312 9840 104
步骤f、对4014这个英雄来说会产生4*2*5＝40张不同的卡牌。
本发明实施例6提供的一种游戏数据测试系统，用于提高策略游戏等规则复杂的游戏的平衡性，辅助开发者调整游戏中的数值，通过对英雄进行属性配置，提高游戏的复杂度及用户的可玩性。
在本发明实施例7提供的一种游戏数据测试系统的一优选实施方式中，所述第二阵容组合生成模块200，还用于：
根据遗传算法，对所述第一阵容组合进行基因信息交叉处理，得到交叉基因信息阵容组合。
需要说明的是，所述对所述第一阵容组合进行基因信息交叉处理为：将若干的第一阵容组合中的基因信息进行交叉处理。其中，基因信息为配置完成的角色信息。
可以理解的是，配置完成的角色信息为卡牌，步骤S210是将不同的第一阵容组合中的卡牌进行位置交换。示例性的：以两个第一阵容组合进行基因信息交叉处理为例：
第一阵容组合A包括：卡牌1001、卡牌1002、卡牌1003、卡牌1004、卡牌1005、卡牌1006；
第一阵容组合B包括：卡牌2001、卡牌2002、卡牌2003、卡牌2004、卡牌2005、卡牌2006；
将第一阵容组合A与第一阵容组合B进行基因信息交叉处理，得到交叉基因信息阵容组合；其中，交叉基因信息阵容组合包括：交叉基因信息阵容组合C、D；
交叉基因信息阵容组合C包括：卡牌1001、卡牌1002、卡牌1003、卡牌2004、卡牌2005、卡牌2006；
交叉基因信息阵容组合D包括：卡牌1004、卡牌1005、卡牌1006、卡牌2001、卡牌2002、卡牌2003；
根据遗传算法，对所述交叉基因信息阵容组合进行基因信息变异处理，得到变异基因信息阵容组合。
需要说明的是，所述对所述交叉基因信息阵容组合进行基因信息变异处理为：将若干的交叉基因信息阵容组合中的基因信息进行突变处理。其中，基因信息为配置完成的角色信息。
可以理解的是，配置完成的角色信息为卡牌，步骤S220是对交叉基因信息阵容组合中的卡牌进行突变处理。示例性的：以上述交叉基因信息阵容组合C进行基因信息突变处理为例：
交叉基因信息阵容组合C包括：卡牌1001、卡牌1002、卡牌1003、卡牌2004、卡牌2005、卡牌2006；
对所述交叉基因信息阵容组合C进行基因信息变异处理，得到变异基因信息阵容组合E：
变异基因信息阵容组合E包括：卡牌1001、卡牌1002、卡牌1003、卡牌2004、卡牌2005、卡牌3006。其中，卡牌3006为突变基因。
通过所述变异基因信息阵容组合与自动战斗接口进行交互处理，计算得到所述变异基因信息阵容组合的适应度。
需要说明的是，交互处理表示采用变异基因信息阵容组合与当前测试关卡进行PVE(Player VS Environment，玩家对战环境)对战。所述适应度通过对战结果进行计算。
若所述适应度满足预设适应度值，将所述变异基因信息阵容组合作为第二阵容组合。
需要说明的是，所述预设适应度值为开发者设定，可以依据不同情况进行适应性调整。
可以理解的是，判断所述变异基因信息阵容组合的适应度与所述预设适应度值的大小；若所述变异基因信息阵容组合的适应度大于等于所述预设适应度值，则所述变异基因信息阵容组合作为第二阵容组合；若所述变异基因信息阵容组合的适应度小于所述预设适应度值，则所述变异基因信息阵容组合淘汰。
优选地，所述第二阵容组合生成模块200，还用于：
判断所述迭代处理的次数是否满足迭代次数阈值。
若否，则继续根据遗传算法，对所述第一阵容组合进行迭代处理，直到所述迭代处理的次数满足迭代次数阈值；或返回步骤S210，直到所述迭代处理的次数满足迭代次数阈值。
若是，则判断所述适应度是否满足预设适应度值。
需要说明的是，通过设置迭代计算，从而提高遗传算法对第一阵容组合的处理次数，其目的在于，扩大基因信息的数据，更加准确的寻找全局最优阵容组合。
本发明实施例7及其优选实施例提供的一种游戏数据测试系统，能够快速高效地测试出策略游戏等规则复杂的游戏的平衡性，并便于辅助开发者调整游戏中的数值，通过遗传算法，用基因组合和进化代替穷举搜索，通过基因的变异、交叉来实现对第一阵容组合的启发式搜索，最终能够在较大的概率下找到全局最优阵容组合，具有很好的收敛性，计算时间少，鲁棒性高。
请参阅图9，本发明实施例8提供的一种游戏数据测试系统，其中模块100-400均与实施例6中的模块100-400相同，优选地，还包括：
第一交互模块500，用于通过所述第一阵容组合对所述当前测试关卡进行交互，得到第一胜率。
需要说明的是，所述第一阵容组合与实施例5中的第一阵容组合相同，即为满足当前测试关卡的通关规则及阵容组合规则的阵容组合；通过所有第一阵容组合对当前关卡进行闯关，并计算通关胜率，将计算得到的通关胜率定义为第一胜率。所述通关胜率＝通关次数/总对战次数。
模型训练模块600，用于根据所述获胜阵容及所述当前测试关卡，对强化学习初模型进行训练，得到强化学习训练模型。
需要说明的是，通过所述获胜阵容对当前关卡进行闯关，以此实现对强化学习初模型的训练。
可以理解的是，测试关卡数量若干，每个测试关卡对应的获胜阵容若干，通过大量的测试关卡及其对应的获胜阵容，对强化学习初模型进行训练，以调整强化学习初模型的参数，将训练完成的强化学习初模型定义为强化学习训练模型。
模型测试模块700，用于通过测试阵容组合，对所述强化学习训练模型进行测试，得到所述测试阵容组合在所述当前测试关卡的测试胜率。
可以理解的是，通过测试阵容组合对强化学习训练模型进行测试，通过计算所述测试阵容组合在所述当前测试关卡的测试胜率，以测试强化学习训练模型的适配度。
关卡保留模块800，用于若所述测试胜率大于所述第一胜率，则保留当前测试关卡的配置信息。
可以理解的是，若所述测试胜率大于所述第一胜率，表示强化学习训练模型通过测试阵容组合的测试，即当前测试关卡的配置信息为合理状态；若所述测试胜率不大于所述第一胜率，表示强化学习训练模型未通过测试阵容组合的测试，即当前测试关卡的配置信息为不合理状态，此时，需要对当前测试关卡的配置信息进行调整。
在本发明实施例8的一优选实施方式中，请参阅图10，所述实施例8的还包括：
关卡修改模块900，用于若所述测试胜率不大于所述第一胜率，则通过所述推荐阵容组合的数据信息对所述当前测试关卡的配置信息进行更改。
可以理解的是，若所述测试胜率不大于所述第一胜率，表示强化学习训练模型未通过测试阵容组合的测试，即当前测试关卡的配置信息为不合理状态，此时，需要对当前测试关卡的配置信息进行调整。具体地，通过推荐阵容组合的数据信息对所述当前测试关卡的配置信息进行更改。
在本发明实施例8的另优选实施方式中，请参阅图11，所述实还包括：
模型更新模块710，用于将测试胜率作为奖励反馈，对所述强化学习训练模型进行优化及更新。
可以理解的是，通过测试胜率作为强化学习训练模型的奖励反馈机制，对强化学习训练模型的优化及更新，以“试错”的方式进行学习，通过测试阵容组合与当前测试关卡进行交互获得的奖赏指导行为，使智能体获得获取更多的累积奖励以及更可靠的估计，通过强化学习去探索已知组合的最优出招策略,进而更进一步的压低战力,找出最优解。
本发明实施例8及其优选实施例提供的一种游戏数据测试系统，用于提高策略游戏等规则复杂的游戏的平衡性，辅助开发者调整游戏中的数值，对强化学习训练模型，以“试错”的方式进行学习，通过推荐阵容组合与当前测试关卡进行交互获得的奖赏指导行为，使智能体获得获取更多的累积奖励以及更可靠的估计，通过强化学习去探索已知组合的最优出招策略,进而更进一步的压低战力,找出最优解。
第三方面。
本发明提供了一种电子设备，该电子设备包括：
处理器、存储器和总线；
所述总线，用于连接所述处理器和所述存储器；
所述存储器，用于存储操作指令；
所述处理器，用于通过调用所述操作指令，可执行指令使处理器执行如本申请的第一方面所示的一种游戏数据测试方法对应的操作。
在一个可选实施例中提供了一种电子设备，如图12所示，图12所示的电子设备5000包括：处理器5001和存储器5003。其中，处理器5001和存储器5003相连，如通过总线5002相连。可选地，电子设备5000还可以包括收发器5004。需要说明的是，实际应用中收发器5004不限于一个，该电子设备5000的结构并不构成对本申请实施例的限定。
处理器5001可以是CPU，通用处理器，DSP，ASIC，FPGA或者其他可编程逻辑器件、晶体管逻辑器件、硬件部件或者其任意组合。其可以实现或执行结合本申请公开内容所描述的各种示例性的逻辑方框，模块和电路。处理器5001也可以是实现计算功能的组合，例如包含一个或多个微处理器组合，DSP和微处理器的组合等。
总线5002可包括一通路，在上述组件之间传送信息。总线5002可以是PCI总线或EISA总线等。总线5002可以分为地址总线、数据总线、控制总线等。为便于表示，图12中仅用一条粗线表示，但并不表示仅有一根总线或一种类型的总线。
存储器5003可以是ROM或可存储静态信息和指令的其他类型的静态存储设备，RAM或者可存储信息和指令的其他类型的动态存储设备，也可以是EEPROM、CD-ROM或其他光盘存储、光碟存储(包括压缩光碟、激光碟、光碟、数字通用光碟、蓝光光碟等)、磁盘存储介质或者其他磁存储设备、或者能够用于携带或存储具有指令或数据结构形式的期望的程序代码并能够由计算机存取的任何其他介质，但不限于此。
存储器5003用于存储执行本申请方案的应用程序代码，并由处理器5001来控制执行。处理器5001用于执行存储器5003中存储的应用程序代码，以实现前述任一方法实施例所示的内容。
其中，电子设备包括但不限于：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。
第四方面。
本发明提供了一种计算机可读存储介质，计算机可读存储介质上存储有计算机程序，该程序被处理器执行时实现本申请第一方面所示的一种游戏数据测试方法。
本申请的又一实施例提供了一种计算机可读存储介质，该计算机可读存储介质上存储有计算机程序，当其在计算机上运行时，使得计算机可以执行前述方法实施例中相应内容。

Claims (7)

1.一种游戏数据测试方法，其特征在于，包括：
获取当前测试关卡的通关规则，根据所述通关规则及预设的阵容组合规则，生成若干第一阵容组合；其中，每个第一阵容组合包括若干基因信息；
根据遗传算法，对所述第一阵容组合进行迭代处理，得到第二阵容组合；其中，所述第二阵容组合包括若干基因信息；
根据阵容战力计算规则，对所述第二阵容组合进行计算，得到第二阵容组合的战力值；
将战力值最低的第二阵容组合作为获胜阵容，并输出所述获胜阵容；
所述输出所述获胜阵容之后，包括：
通过所述第一阵容组合对所述当前测试关卡进行交互，得到第一胜率；
根据所述获胜阵容及所述当前测试关卡，对强化学习初模型进行训练，得到强化学习训练模型；
通过测试阵容组合，对所述强化学习训练模型进行测试，得到所述测试阵容组合在所述当前测试关卡的测试胜率；
将测试胜率作为奖励反馈，对所述强化学习训练模型进行优化及更新；
若所述测试胜率大于所述第一胜率，则保留当前测试关卡的配置信息；
若所述测试胜率不大于所述第一胜率，则通过所述测试阵容组合的数据信息对所述当前测试关卡的配置信息进行更改。
2.如权利要求1所述的一种游戏数据测试方法，其特征在于，所述根据遗传算法对所述第一阵容组合进行迭代处理，得到第二阵容组合，包括：
根据遗传算法，对所述第一阵容组合进行基因信息交叉处理，得到交叉基因信息阵容组合；
根据遗传算法，对所述交叉基因信息阵容组合进行基因信息变异处理，得到变异基因信息阵容组合；
通过所述变异基因信息阵容组合与自动战斗接口进行交互处理，计算得到所述变异基因信息阵容组合的适应度；
若所述适应度满足预设适应度值，将所述变异基因信息阵容组合作为第二阵容组合。
3.如权利要求2所述的一种游戏数据测试方法，其特征在于，所述计算得到所述变异基因信息阵容组合的适应度之后，还包括：
判断所述迭代处理的次数是否满足迭代次数阈值；
若否，则继续根据遗传算法，对所述第一阵容组合进行迭代处理，直到所述迭代处理的次数满足迭代次数阈值；
若是，则判断所述适应度是否满足预设适应度值。
4.如权利要求1所述的一种游戏数据测试方法，其特征在于，所述基因信息为配置完成的角色信息；所述根据所述通关规则及阵容组合规则，生成若干第一阵容组合，包括：
对所有的角色信息进行配置，并将所有配置完成的角色信息组成角色池；
从所述角色池中选择满足预设数量的角色信息组成若干第一阵容组合；
其中，所述对所有的角色信息进行配置具体地：对每个角色信息均执行配置操作；
所述配置操作包括：
为角色信息设定配置数据的等级；其中，所述配置数据包括：第一配置数据、第二配置数据及第三配置数据，所述角色信息包括：角色名称、等级信息及标签信息；
根据当前测试关卡的等级，确定第一阵容组合的角色信息、第一配置数据的等级及第二配置数据的等级；
根据所述第一配置数据的等级及所述角色信息的等级信息，确定第一候选配置数据；
根据所述第二配置数据的等级及所述角色信息的等级信息，确定第二候选配置数据；
根据当前测试关卡的等级，确定第三配置数据；
对所述第一候选配置数据、第二候选配置数据及第三配置数据进行排列组合，得到配置完成的角色信息。
5.一种游戏数据测试系统，其特征在于，包括：
第一阵容组合生成模块，用于获取当前测试关卡的通关规则，根据所述通关规则及阵容组合规则，生成若干第一阵容组合；其中，每个第一阵容组合包括若干基因信息；
第二阵容组合生成模块，用于根据遗传算法，对所述第一阵容组合进行迭代处理，得到第二阵容组合；其中，所述第二阵容组合包括若干基因信息；
战力值计算模块，用于根据阵容战力计算规则，对所述第二阵容组合进行计算，得到第二阵容组合的战力值；
获胜阵容输出模块，用于将战力值最低的第二阵容组合作为获胜阵容，并输出所述获胜阵容；
第一交互模块，用于通过所述第一阵容组合对所述当前测试关卡进行交互，得到第一胜率；
模型训练模块，用于根据所述获胜阵容及所述当前测试关卡，对强化学习初模型进行训练，得到强化学习训练模型；
模型测试模块，用于通过测试阵容组合，对所述强化学习训练模型进行测试，得到所述测试阵容组合在所述当前测试关卡的测试胜率；
模型更新模块，用于将测试胜率作为奖励反馈，对所述强化学习训练模型进行优化及更新；
关卡保留模块，用于若所述测试胜率大于所述第一胜率，则保留当前测试关卡的配置信息；
关卡修改模块，用于若所述测试胜率不大于所述第一胜率，则通过所述测试阵容组合的数据信息对所述当前测试关卡的配置信息进行更改。
6.一种电子设备，其特征在于，包括处理器、存储器以及存储在所述存储器中且被配置为由所述处理器执行的计算机程序，所述处理器执行所述计算机程序时实现如权利要求1至4中任意一项所述的游戏数据测试方法。
7.一种计算机可读存储介质，其特征在于，所述计算机可读存储介质包括存储的计算机程序，其中，在所述计算机程序运行时控制所述计算机可读存储介质所在设备执行如权利要求1至4中任意一项所述的游戏数据测试方法。
CN202111064458.XA 2021-09-10 2021-09-10 一种游戏数据测试方法、系统、设备及存储介质 Active CN113877209B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202111064458.XA CN113877209B (zh) 2021-09-10 2021-09-10 一种游戏数据测试方法、系统、设备及存储介质

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202111064458.XA CN113877209B (zh) 2021-09-10 2021-09-10 一种游戏数据测试方法、系统、设备及存储介质

Publications (2)

Publication Number Publication Date
CN113877209A CN113877209A (zh) 2022-01-04
CN113877209B true CN113877209B (zh) 2022-06-10

Family

ID=79008988

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202111064458.XA Active CN113877209B (zh) 2021-09-10 2021-09-10 一种游戏数据测试方法、系统、设备及存储介质

Country Status (1)

Country Link
CN (1) CN113877209B (zh)

Families Citing this family (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN115212576B (zh) * 2022-09-20 2022-12-02 腾讯科技（深圳）有限公司 游戏数据处理方法、装置、设备以及存储介质
CN117547830B (zh) * 2024-01-11 2024-04-02 腾讯科技（深圳）有限公司 组合处理方法、装置、计算机、存储介质及程序产品

Citations (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN106919790A (zh) * 2017-02-16 2017-07-04 网易（杭州）网络有限公司 游戏的角色推荐、阵容组建方法和装置、游戏方法和装置
CN112263835A (zh) * 2020-11-16 2021-01-26 网易（杭州）网络有限公司 游戏平衡性测试方法、装置、电子设备和存储介质

Family Cites Families (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN109847367A (zh) * 2019-03-06 2019-06-07 网易（杭州）网络有限公司 一种游戏胜率的预测方法、模型生成方法和装置
CN110119547B (zh) * 2019-04-28 2021-07-30 腾讯科技（深圳）有限公司 一种预测团战胜负的方法、装置及控制设备
CN112717412B (zh) * 2021-01-22 2023-03-10 腾讯科技（深圳）有限公司 一种数据处理的方法、相关装置、设备及存储介质
CN113230650B (zh) * 2021-04-16 2023-02-28 腾讯科技（深圳）有限公司 一种数据处理方法、装置及计算机可读存储介质

Patent Citations (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN106919790A (zh) * 2017-02-16 2017-07-04 网易（杭州）网络有限公司 游戏的角色推荐、阵容组建方法和装置、游戏方法和装置
CN112263835A (zh) * 2020-11-16 2021-01-26 网易（杭州）网络有限公司 游戏平衡性测试方法、装置、电子设备和存储介质

Also Published As

Publication number Publication date
CN113877209A (zh) 2022-01-04

Similar Documents

Publication Publication Date Title
CN109814955B (zh) 阵容确定的方法、装置及电子设备
CN113877209B (zh) 一种游戏数据测试方法、系统、设备及存储介质
Camerer et al. Behavioural game theory: thinking, learning and teaching
CN111632379B (zh) 游戏角色行为控制方法、装置、存储介质及电子设备
US20100306672A1 (en) Method and apparatus for matching users in multi-user computer simulations
US9446314B2 (en) Vector-based gaming content management
CN111330279B (zh) 一种游戏ai的策略决策模型训练方法和装置
CN111738294B (zh) Ai模型的训练方法、使用方法、计算机设备及存储介质
CN112402986B (zh) 一种对战游戏中强化学习模型的训练方法及装置
JP2018029860A (ja) ニューロエボリューションを用いたニューラルネットワークの構造及びパラメータ調整のためのプログラム、システム、及び方法
Fraser et al. A methodological approach to identifying and quantifying video game difficulty factors
JP7344053B2 (ja) 所定のゲームを提供するためのシステム、方法、及びプログラム、並びに、デッキの分類を作成するための方法
KR102244777B1 (ko) 공간이원화를 이용하여 스포츠 게임의 플레이어 캐릭터를 육성하는 방법 및 시스템
Chrysafiadi et al. Fuzzy-based dynamic difficulty adjustment of an educational 3D-game
CN113935618A (zh) 下棋能力的测评方法、装置、电子设备及存储介质
US10828564B2 (en) System and method for processing random events
US11117059B2 (en) Non-transitory computer readable media, information processing device, and control method
Guei et al. 2048-like games for teaching reinforcement learning
US20200222808A1 (en) Method and apparatus for providing a resource confined simulation based on projected data in light of historical facts
CN112439193A (zh) 一种游戏难度匹配方法及装置
CN113253976B (zh) 一种基于游戏记录分析的研发模块构建方法及系统
CN113988199A (zh) Ai下棋模型的分级处理方法、装置及相关设备
KR102579332B1 (ko) 동적 학습 콘텐츠와 결합된 맞춤형 게임 서비스 제공 시스템 및 방법
US8565906B1 (en) Audio processing in a social environment
Ryzhov et al. May the best man win: simulation optimization for match-making in e-sports

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
GR01 Patent grant
GR01 Patent grant