CN113893547A - 一种基于适应度函数的数据处理方法、系统及存储介质 - Google Patents
一种基于适应度函数的数据处理方法、系统及存储介质 Download PDFInfo
- Publication number
- CN113893547A CN113893547A CN202111057821.5A CN202111057821A CN113893547A CN 113893547 A CN113893547 A CN 113893547A CN 202111057821 A CN202111057821 A CN 202111057821A CN 113893547 A CN113893547 A CN 113893547A
- Authority
- CN
- China
- Prior art keywords
- array
- combination
- fitness function
- formation
- capacity
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Pending
Links
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
-
- 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
- A63F1/00—Card games
- A63F1/02—Cards; Special shapes of cards
-
- 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
- A63F2300/50—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 characterized by details of game servers
- A63F2300/55—Details of game data or player data management
-
- 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
Landscapes
- Engineering & Computer Science (AREA)
- Multimedia (AREA)
- Management, Administration, Business Operations System, And Electronic Commerce (AREA)
Abstract
本发明提供一种基于适应度函数的数据处理方法、系统及存储介质,其中,所述方法包括:根据阵容组合规则,构建第一阵容组合集;其中,所述第一阵容组合集包括若干第一阵容组合;将第一阵容组合集的每个第一阵容组合与当前关卡进行交互处理,得到所述第一阵容组合集的通关胜率,并根据每个第一阵容组合的阵容战力与所述通关胜率对当前待调整的适应度函数进行调整;根据调整后的适应度函数,对所述第一阵容组合集进行阵容筛选处理,得到第二阵容组合集;其中,所述第二阵容组合集包括若干第二阵容组合。本发明通过适应度函数提高卡牌游戏中阵容组合的合理性,为开发者设置游戏参数提供参考。
Description
技术领域
本发明涉及数据处理技术领域,特别是涉及一种基于适应度函数的数据处理方法、系统及存储介质。
背景技术
卡牌游戏是国内手机游戏市场的主流。以回合的方式进行,且回合进行遵循着一定的架构,基本结构包括:重启,让所有的卡牌都成为新回合的状态;抓牌——把套牌中的牌放在手上,放在手上意味着这些牌有可能将会发生效应;使用——使用手上的牌来影响游戏;冲突——利用牌手可利用的资源进行战斗,一般来说在冲突中获胜是获得游戏胜利主要手段;结束——一般在此阶段,本回合使用的牌产生的效应会终止,牌手会要求弃掉他们手里多余的牌,将手里的牌控制到一定数量。
在卡牌游戏中,卡牌阵容组合的配置决定了整个游戏的难度与可玩性。卡牌阵容配置不合理会打击玩家的兴趣,过强的阵容又会因为没有挑战性而使玩家感到无趣。此外,各种卡牌英雄之间不同的搭配组合才能为游戏带来更多的新鲜感。因此,产生丰富有趣又难度适中的卡牌阵容就成为了卡牌游戏设计里至关重要的一个环节。
目前,在卡牌游戏中的卡牌阵容组合生成普遍是人工配置方法产生。人工配置法就是由具有专业知识的相关策划和设计人员参与,预先设计游戏关卡中的卡牌阵容组合方案,经过人工的反复测试不断的调试和修改,以及调整难度以达到预期效果。这是一种最直接的卡牌阵容组合方案设计方法。由于采用人工配置,传统的卡牌游戏的阵容组合设计需要多个人工工种之间相互配合,需要经过人工反复的调整与测试。这样的设计往往效率低下,阵容组合方案的设计时间往往是漫长的,这无疑需要耗费大量的人力和其他资源,极大降低了整体游戏生产的效率,并且过高的设计成本大大限制了一款卡牌游戏的可玩游戏时间。
发明内容
本发明提供一种基于适应度函数的数据处理方法、系统及存储介质,通过适应度函数提高卡牌游戏中阵容组合的合理性,并为开发者设置游戏参数提供参考。
本发明第一方面提供一种基于适应度函数的数据处理方法,包括:
根据阵容组合规则,构建第一阵容组合集;其中,所述第一阵容组合集包括若干第一阵容组合,每个第一阵容组合包括预设数量的基因信息;
将第一阵容组合集的每个第一阵容组合与当前关卡进行交互处理,得到所述第一阵容组合集的通关胜率,并根据每个第一阵容组合的阵容战力与所述通关胜率对当前待调整的适应度函数进行调整;
根据调整后的适应度函数,对所述第一阵容组合集进行阵容筛选处理,得到第二阵容组合集;其中,所述第二阵容组合集包括若干第二阵容组合,每个第二阵容组合包括预设数量的基因信息。
进一步地,所述根据调整后的适应度函数,对所述第一阵容组合集进行阵容筛选处理,得到第二阵容组合集,包括:
根据第一阵容组合的基因信息生成预设数量的属性信息;
基于若干所述属性信息,生成包含若干初代阵容组合的初代阵容组合集;
计算所述初代阵容组合集中每个初代阵容组合的适应度;
基于所述适应度满足预设适应度值的初代阵容组合建立第二阵容组合集。
进一步地,所述构建第一阵容组合集之后,包括:
根据遗传算法,对所述第一阵容组合集进行迭代更新,并用更新后的阵容组合替换第一阵容组合集中的第一阵容组合。
进一步地,所述根据遗传算法,对所述第一阵容组合集进行迭代更新,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及基因信息变异处理,得到更新阵容组合;
判断所述迭代更新的迭代次数是否满足预设次数;
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,则用更新后的阵容组合替换第一阵容组合集中的第一阵容组合。
进一步地,所述根据对应的第一阵容的阵容战力与所述通关胜率对当前待调整的适应度函数进行调整,包括:
设置适应度函数初始值;
判断所述通关胜率与预设目标胜率的大小;
若所述通关胜率大于预设目标胜率,则根据第二阵容组合的阵容战力及通关胜率,计算得到适应度函数值;
若所述通关胜率小于等于预设目标胜率,则根据所述适应度函数初始值及通关胜率,计算得到适应度函数值。
进一步地,所述根据第二阵容组合的阵容战力及通关胜率,计算得到适应度函数值,通过以下公式表示:
AG=sorce×(1-CW);
其中,AG为适应度函数值,sorce为第二阵容组合的阵容战力,CW为通关胜率;
所述根据所述适应度函数初始值及通关胜率,计算得到适应度函数值,通过一下公式表示:
AG=AGf×(1-CW);
其中,AG为适应度函数值,AGf为适应度函数初始值,CW为通关胜率。
本发明第二方面提供一种基于适应度函数的数据处理系统,包括:
第一阵容组合集构建模块,用于根据阵容组合规则,构建第一阵容组合集;其中,所述第一阵容组合集包括若干第一阵容组合,每个第一阵容组合包括预设数量的基因信息;
适应度函数调整模块,用于将第一阵容组合集的每个第一阵容与当前关卡进行交互处理,得到所述第一阵容组合集的通关胜率,并根据每个第一阵容组合的阵容战力与所述通关胜率对当前待调整的适应度函数进行调整;
适应度函数运算模块,用于根据调整后的适应度函数,对所述第一阵容组合集进行阵容筛选处理,得到第二阵容组合集;其中,所述第二阵容组合集包括若干第二阵容组合,每个第二阵容组合包括预设数量的基因信息。
进一步地,所述适应度函数运算模块具体用于:
根据第一阵容组合的基因信息生成预设数量的属性信息;
基于若干所述属性信息,生成包含若干初代阵容组合的初代阵容组合集;
计算所述初代阵容组合集中每个初代阵容组合的适应度;
基于所述适应度满足预设适应度值的初代阵容组合建立第二阵容组合集。
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基于适应度函数的数据处理方法。
本发明第四方面提供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上述第一方面中任意一项所述的基于适应度函数的数据处理方法。
与现有技术相比,本发明实施例的有益效果在于:
本发明提供一种基于适应度函数的数据处理方法、系统及存储介质,其中,所述方法包括:根据阵容组合规则,构建第一阵容组合集;其中,所述第一阵容组合集包括若干第一阵容组合,每个第一阵容组合包括预设数量的基因信息;将第一阵容组合集的每个第一阵容组合与当前关卡进行交互处理,得到所述第一阵容组合集的通关胜率,并根据每个第一阵容组合的阵容战力与所述通关胜率对当前待调整的适应度函数进行调整;根据调整后的适应度函数,对所述第一阵容组合集进行阵容筛选处理,得到第二阵容组合集;其中,所述第二阵容组合集包括若干第二阵容组合,每个第二阵容组合包括预设数量的基因信息。本发明通过根据构建好的阵容的阵容战力与通关胜率来调整适应度函数,并通过调整后的适应度函数来选择合适的阵容,这样可以提高卡牌游戏中阵容组合的合理性,为开发者设置游戏参数提供参考。
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基于适应度函数的数据处理方法的流程图;
图3是本发明某一实施例提供的一种基于适应度函数的数据处理系统的结构图;
图4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。
遗传算法(Genetic Algorithm)是模拟达尔文生物进化论的自然选择和遗传学机理的生物进化过程的计算模型,是一种通过模拟自然进化过程搜索最优解的方法。遗传算法是从代表问题可能潜在的解集的一个种群(population)开始的,而一个种群则由经过基因(gene)编码的一定数目的个体(individua1)组成。每个个体实际上是染色体(chromosome)带有特征的实体。染色体作为遗传物质的主要载体,即多个基因的集合,其内部表现(即基因型)是某种基因组合,它决定了个体的形状的外部表现,如黑头发的特征是由染色体中控制这一特征的某种基因组合决定的。因此,在一开始需要实现从表现型到基因型的映射即编码工作。由于仿照基因编码的工作很复杂,因此往往需要进行简化,如利用二进制编码进行简化,初代种群产生之后,按照适者生存和优胜劣汰的原理,逐代(generation)演化产生出越来越好的近似解,在每一代,根据问题域中个体的适应度(fitness)大小选择(selection)个体,并借助于自然遗传学的遗传算子(geneticoperators)进行交叉(crossover)和变异(mutation),产生出代表新的解集的种群。这个过程将导致种群像自然进化一样的后生代种群比前代更加适应于环境,末代种群中的最优个体经过解码(decoding),可以作为问题近似最优解。
适应度函数是评价个体适应环境的能力,在进行选择操作时经常用到,它的选取是否恰当直接影响到遗传算法的性能,所以就形成了很多计算适应度的函数,改进这些适应度函数是为了使适应度能更好的反映个体的优劣,使得适应度低的个体被淘汰,适应度高的个体被保留。自适应的适应度函数可以随着种群代数的增加自适应的调整,在算法的开始阶段,适应度差别较大,为了防止一些适应度较差的个体在一开始就丢失,可以通过改变适应度函数使得它们得以保留下来,另外,当种群趋于收敛时,适应度差别很小,这时为了加快收敛的速度,应对适应度进行调整,使得个体适应度差别增大,从而更快的收敛到全局最优解。常用的适应度变换方法有:线性变换、幂函数变换和指数变换。
本发明利用遗传算法及适应度函数来生成卡牌游戏中的阵容组合,然而本发明不仅适用于卡牌游戏,同样适用于需要进行阵容组合配置的游戏。
基于此,本申请提供了基于适应度函数的数据处理方法,能够自动配置阵容组合,再对这些阵容组合进行分析,基于游戏分析结果,开发者可以对游戏中的数值进行调整。
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、数据处理组件02和客户端03。
本发明实施例中,所述业务服务器01可以用于生成基于适应度函数的数据处理方法,所述数据处理方法包括:
根据阵容组合规则,构建第一阵容组合集。其中,所述第一阵容组合集包括若干第一阵容组合,每个第一阵容组合包括预设数量的基因信息。
将第一阵容组合集的每个第一阵容组合与当前关卡进行交互处理,得到所述第一阵容组合集的通关胜率,并根据每个第一阵容组合的阵容战力与所述通关胜率对当前待调整的适应度函数进行调整。
根据调整后的适应度函数,对所述第一阵容组合集进行阵容筛选处理,得到第二阵容组合集。其中,所述第二阵容组合集包括若干第二阵容组合,每个第二阵容组合包括预设数量的基因信息。
本发明实施例通过根据构建好的阵容的阵容战力与通关胜率来调整适应度函数,并通过调整后的适应度函数来选择合适的阵容,这样可以提高卡牌游戏中阵容组合的合理性,为开发者设置游戏参数提供参考。
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,所述数据处理组件02可以用于执行所述数据处理方法,所述数据处理组件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,当所述数据处理组件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数据处理组件02生成的与字段相对应的索引数据。
以下具体介绍基于适应度函数的数据处理方法的实施例1,请参阅图2,图2是本发明提供的一种基于适应度函数的数据处理方法的流程图,包括:
S100、根据阵容组合规则,构建第一阵容组合集。其中,所述第一阵容组合集包括若干第一阵容组合,每个第一阵容组合包括预设数量的基因信息。
需要说明的是,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,第一阵容组合集中的第一阵容组合的数量随着英雄池中的英雄数量及阵容组合规则的复杂程度进行变化,具体地,英雄池中英雄的数量越多和/或阵容组合规则的复杂程度越低,可以生成的第一阵容组合的数量越多。由于英雄数量较多,所以满足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、将第一阵容组合集的每个第一阵容组合与当前关卡进行交互处理,得到所述第一阵容组合集的通关胜率,并根据每个第一阵容组合的阵容战力与所述通关胜率对当前待调整的适应度函数进行调整。
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。通过所有的第一阵容组合集的每个第一阵容组合与当前关卡进行对战,得到每个第一阵容组合的胜负情况,并根据所有第一阵容组合的胜负情况,得到每个第一阵容组合的通关胜率。
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用的权中,将权值与权重相乘后累加。
S300、根据调整后的适应度函数,对所述第一阵容组合集进行阵容筛选处理,得到第二阵容组合集。其中,所述第二阵容组合集包括若干第二阵容组合,每个第二阵容组合包括预设数量的基因信息。
需要说明的是,所述适应度函数为计算适应度的计算方法。具体为:
通过第一阵容组合与当前测试关卡进行交互处理,即通过第一阵容组合与当前测试关卡进行PVE对战。将与当前测试关卡进行PVE对战时,胜率高于预设胜率值的第一阵容组合记为第二阵容组合,并将所有的第二阵容组合组成第二阵容组合集。当第一阵容组合与当前测试关卡进行PVE对战,所产生的胜率可以代表第一阵容组合的适应度;若胜率越高,则该阵容组合的适应度越高。
可以理解的是,将第一阵容组合集中的每一个第一阵容组合与与当前测试关卡进行PVE对战。示例性的,卡牌英雄有54个,每个阵容组合有6个英雄,则可以组成的第一阵容组合为25827165个,当前测试关卡为50000个,25827165个第一阵容组合分别与50000个当前测试关卡进行PVE对战,每个第一阵容组合需要对战50000次,即最大胜局为50000,预设胜率值为10%,即满足对战胜局为5000的第一阵容组合记为第二阵容组合,将所有的第二阵容组合组成第二阵容组合集。
本发明实施例1提供的一种基于适应度函数的数据处理方法,通过适应度函数提高卡牌游戏中阵容组合的合理性,为开发者设置游戏参数提供参考。
在本发明实施例2中,步骤S100-S300均与实施例1中的步骤S100-S300相同,优选地,步骤S300包括:
S310、根据第一阵容组合的基因信息生成预设数量的属性信息。
需要说明的是,所述第一阵容组合的基因信息为英雄及每个英雄的属性信息;其中,所述属性信息包括: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,英雄的职业包括:防御类型的英雄、强攻类型的英雄、敏攻类型的英雄、控制类型的英雄及辅助类型的英雄;英雄的属性信息包括:魂环、魂骨、属性等;具体地,英雄卡牌总数共有54张,魂环总数为1576个,魂骨总数为297个,属性又分为基础属性及特殊属性,所述基础属性包括:攻击力、防御值、生命值、速度、暴击率及精神力等,所述特殊属性包括:暴伤值及竞技增伤值。示例性的,英雄“唐三”的基础属性为:攻击力257、防御值184、生命值2383、速度116.34、暴击率10.00%及精神力108,其特殊属性为:暴伤值150.00%、竞技增伤0.00%,其第一魂骨为缠绕,缠绕的魂环为1000年,其第二魂骨为寄生,寄生的魂环为500年。
S320、基于若干所述属性信息,生成包含若干初代阵容组合的初代阵容组合集。
需要说明的是,所述生成初代阵容组合为从第一阵容组合生成第二阵容组合的中间步骤,所述初代阵容组合包含于所述第一阵容组合,所述第二阵容组合包含于所述初代阵容组合。
可以理解的是,根据所有的属性信息为每个英雄配备各自相应的属性信息,并将配备好的英雄根据阵容组合规则组成阵容组合,基于此,生成初代阵容组合。
S330、计算所述初代阵容组合集中每个初代阵容组合的适应度。
可以理解的是,所述计算适应度的方法与实施例1中的计算适应度的方法相同。即,通过初代阵容组合与当前测试关卡进行交互处理,即通过初代阵容组合与当前测试关卡进行PVE对战,其中所述当前测试关卡为开发者设定,且当前测试关卡的数量繁多。将与当前测试关卡进行PVE对战时,胜率高于预设胜率值的初代阵容组合记为第二阵容组合,并将所有的第二阵容组合组成第二阵容组合集。当初代阵容组合对战推荐阵容组合,所产生的胜率可以代表初代阵容组合的适应度;若胜率越高,则该阵容组合的适应度越高。
S340、基于所述适应度满足预设适应度值的初代阵容组合建立第二阵容组合集。
可以理解的是,将初代阵容组合集中的每一个初代阵容组合与当前测试关卡进行PVE对战。示例性的,卡牌英雄有54个,每个阵容组合有6个英雄,则可以组成的初代阵容组合为25827165个,当前测试关为50000个,25827165个初代阵容组合分别与50000个当前测试关进行PVE对战,每个初代阵容组合需要对战50000次,即最大胜局为50000,预设胜率值为97.78%,即满足对战胜局为48890的初代阵容组合记为第二阵容组合,将所有的第二阵容组合组成第二阵容组合集。
本发明实施例2提供的一种基于适应度函数的数据处理方法,通过适应度函数提高卡牌游戏中阵容组合的合理性,为开发者设置游戏参数提供参考。通过在第一阵容组合集生成第二阵容组合集过程中,先生成初代阵容组合集,以提高游戏的平衡性,提高游戏的复杂度及用户的可玩性。
在本发明实施例3中,步骤S100-S300均与实施例1中的步骤S100-S300相同,优选地,步骤S100之后包括:
S110、根据遗传算法,对所述第一阵容组合集进行迭代更新,并用更新后的阵容组合替换第一阵容组合集中的第一阵容组合。
可以理解的是,对所述第一阵容组合进行遗传算法处理得到的数据会随着迭代次数递增。
在实施例3的某一具体实施方式中,所述步骤S110包括:
S111、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及基因信息变异处理,得到更新阵容组合。
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。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。
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;
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。
S112、判断所述迭代更新的迭代次数是否满足预设次数。
S113、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。
S114、若是,则用更新后的阵容组合替换第一阵容组合集中的第一阵容组合。
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提供的一种基于适应度函数的数据处理方法,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。
在本发明实施例4中,步骤S100-S300均与实施例1中的步骤S100-S300相同,优选地,步骤S200中的适应度函数调整过程包括:
S510、设置适应度函数初始值。
S520、判断所述通关胜率与预设目标胜率的大小。
S530、若所述通关胜率大于预设目标胜率,则根据第二阵容组合的阵容战力及通关胜率,计算得到适应度函数值。
S540、若所述通关胜率小于等于预设目标胜率,则根据所述适应度函数初始值及通关胜率,计算得到适应度函数值。
需要说明的是,预设目标胜率为开发者设定,可根据实际情况随时进行调整。上述步骤用于寻找能达到一定胜率的最低战力组合。在斗罗平台中,想要寻找能达到一定胜率的最低战力组合;首先设置一个较大的适应度函数初始值;如果阵容的胜率大于目标胜率,则适应度函数值为阵容战力*(1-当前阵容胜率);如果阵容的胜率没有达到目标胜率,则适应度函数值为适应度函数初始值*(1-当前阵容胜率);这样的适应度函数设置,可以综合战力和胜率两方面的因素。
优选地,所述根据第二阵容组合的阵容战力及通关胜率,计算得到适应度函数值,通过以下公式表示:
AG=sorce×(1-CW);
其中,AG为适应度函数值,sorce为第二阵容组合的阵容战力,CW为通关胜率;
所述根据所述适应度函数初始值及通关胜率,计算得到适应度函数值,通过一下公式表示:
AG=AGf×(1-CW);
其中,AG为适应度函数值,AGf为适应度函数初始值,CW为通关胜率。
本发明实施例4提供的一种基于适应度函数的数据处理方法,提高卡牌游戏中阵容组合的合理性,辅助开发者调整游戏中的数值,通过遗传算法及适应度函数,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。
第二方面。
请参阅图3,本发明实施例5提供一种基于适应度函数的数据处理系统,包括:
第一阵容组合集构建模块100,用于根据阵容组合规则,构建第一阵容组合集.其中,所述第一阵容组合集包括若干第一阵容组合,每个第一阵容组合包括预设数量的基因信息。
需要说明的是,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,第一阵容组合集中的第一阵容组合的数量随着英雄池中的英雄数量及阵容组合规则的复杂程度进行变化,具体地,英雄池中英雄的数量越多和/或阵容组合规则的复杂程度越低,可以生成的第一阵容组合的数量越多。由于英雄数量较多,所以满足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。
适应度函数调整模块200,用于将第一阵容组合集的每个第一阵容组合与当前关卡进行交互处理,得到所述第一阵容组合集的通关胜率,并根据每个第一阵容组合的阵容战力与所述通关胜率对当前待调整的适应度函数进行调整。
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。通过所有的第一阵容组合集的每个第一阵容组合与当前关卡进行对战,得到每个第一阵容组合的胜负情况,并根据所有的第一阵容组合的胜负情况,得到第一阵容对应的通关胜率。
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用的权中,将权值与权重相乘后累加。
适应度函数运算模块300,用于根据调整后的适应度函数,对所述第一阵容组合集进行阵容筛选处理,得到第二阵容组合集;其中,所述第二阵容组合集包括若干第二阵容组合,每个第二阵容组合包括预设数量的基因信息。
需要说明的是,所述适应度函数为计算适应度的计算方法。具体为:
通过第一阵容组合与当前测试关卡进行交互处理,即通过第一阵容组合与当前测试关卡进行PVE对战。将与当前测试关卡进行PVE对战时,胜率高于预设胜率值的第一阵容组合记为第二阵容组合,并将所有的第二阵容组合组成第二阵容组合集。当第一阵容组合与当前测试关卡进行PVE对战,所产生的胜率可以代表第一阵容组合的适应度;若胜率越高,则该阵容组合的适应度越高。
可以理解的是,将第一阵容组合集中的每一个第一阵容组合与与当前测试关卡进行PVE对战。示例性的,卡牌英雄有54个,每个阵容组合有6个英雄,则可以组成的第一阵容组合为25827165个,当前测试关卡为50000个,25827165个第一阵容组合分别与50000个当前测试关卡进行PVE对战,每个第一阵容组合需要对战50000次,即最大胜局为50000,预设胜率值为97.78%,即满足对战胜局为48890的第一阵容组合记为第二阵容组合,将所有的第二阵容组合组成第二阵容组合集。
本发明实施例5提供的一种基于适应度函数的数据处理系统,通过适应度函数提高卡牌游戏中阵容组合的合理性,为开发者设置游戏参数提供参考。
在本发明实施例6中,步骤模块100-300均与实施例5中的模块100-300相同,优选地,所述适应度函数运算模块300具体用于:
根据第一阵容组合的基因信息生成预设数量的属性信息。
需要说明的是,所述第一阵容组合的基因信息为英雄及每个英雄的属性信息;其中,所述属性信息包括: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,英雄的职业包括:防御类型的英雄、强攻类型的英雄、敏攻类型的英雄、控制类型的英雄及辅助类型的英雄;英雄的属性信息包括:魂环、魂骨、属性等;具体地,英雄卡牌总数共有54张,魂环总数为1576个,魂骨总数为297个,属性又分为基础属性及特殊属性,所述基础属性包括:攻击力、防御值、生命值、速度、暴击率及精神力等,所述特殊属性包括:暴伤值及竞技增伤值。示例性的,英雄“唐三”的基础属性为:攻击力257、防御值184、生命值2383、速度116.34、暴击率10.00%及精神力108,其特殊属性为:暴伤值150.00%、竞技增伤0.00%,其第一魂骨为缠绕,缠绕的魂环为1000年,其第二魂骨为寄生,寄生的魂环为500年。
基于若干所述属性信息,生成包含若干初代阵容组合的初代阵容组合集。
需要说明的是,所述生成初代阵容组合为从第一阵容组合生成第二阵容组合的中间步骤,所述初代阵容组合包含于所述第一阵容组合,所述第二阵容组合包含于所述初代阵容组合。
可以理解的是,根据所有的属性信息为每个英雄配备各自相应的属性信息,并将配备好的英雄根据阵容组合规则组成阵容组合,基于此,生成初代阵容组合。
计算所述初代阵容组合集中每个初代阵容组合的适应度。
可以理解的是,所述计算适应度的方法与实施例5中的计算适应度的方法相同。即,通过初代阵容组合与当前测试关卡进行交互处理,即通过初代阵容组合与当前测试关卡进行PVE对战,其中所述当前测试关卡为开发者设定,且当前测试关卡的数量繁多。将与当前测试关卡进行PVE对战时,胜率高于预设胜率值的初代阵容组合记为第二阵容组合,并将所有的第二阵容组合组成第二阵容组合集。当初代阵容组合对战推荐阵容组合,所产生的胜率可以代表初代阵容组合的适应度;若胜率越高,则该阵容组合的适应度越高。
基于所述适应度满足预设适应度值的初代阵容组合建立第二阵容组合集。
可以理解的是,将初代阵容组合集中的每一个初代阵容组合与当前测试关卡进行PVE对战。示例性的,卡牌英雄有54个,每个阵容组合有6个英雄,则可以组成的初代阵容组合为25827165个,当前测试关为50000个,25827165个初代阵容组合分别与50000个当前测试关进行PVE对战,每个初代阵容组合需要对战50000次,即最大胜局为50000,预设胜率值为97.78%,即满足对战胜局为48890的初代阵容组合记为第二阵容组合,将所有的第二阵容组合组成第二阵容组合集。
本发明实施例6提供的一种基于适应度函数的数据处理系统,通过适应度函数提高卡牌游戏中阵容组合的合理性,为开发者设置游戏参数提供参考。通过在第一阵容组合集生成第二阵容组合集过程中,先生成初代阵容组合集,以提高游戏的平衡性,提高游戏的复杂度及用户的可玩性。
在本发明实施例7中,模块100-300均与实施例5中的模块100-300相同,优选地,所述系统还包括:
迭代更新模块,用于根据遗传算法,对所述第一阵容组合集进行迭代更新,并用更新后的阵容组合替换第一阵容组合集中的第一阵容组合。
可以理解的是,对所述第一阵容组合进行遗传算法处理得到的数据会随着迭代次数递增。
在实施例7的某一具体实施方式中,所述迭代更新模块具体用于:
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及基因信息变异处理,得到更新阵容组合。
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。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。
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;
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。
判断所述迭代更新的迭代次数是否满足预设次数;
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,则用更新后的阵容组合替换第一阵容组合集中的第一阵容组合。
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提供的一种基于适应度函数的数据处理系统,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。
在本发明实施例8中,模块100-S300均与实施例5中的模块100-300相同,优选地,优选地,所述适应度函数调整模块200具体用于:
设置适应度函数初始值;
判断所述通关胜率与预设目标胜率的大小;
若所述通关胜率大于预设目标胜率,则根据第二阵容组合的阵容战力及通关胜率,计算得到适应度函数值;
若所述通关胜率小于等于预设目标胜率,则根据所述适应度函数初始值及通关胜率,计算得到适应度函数值。
需要说明的是,预设目标胜率为开发者设定,可根据实际情况随时进行调整。上述步骤用于寻找能达到一定胜率的最低战力组合。在斗罗平台中,想要寻找能达到一定胜率的最低战力组合;首先设置一个较大的适应度函数初始值;如果阵容的胜率大于目标胜率,则适应度函数值为阵容战力*(1-当前阵容胜率);如果阵容的胜率没有达到目标胜率,则适应度函数值为适应度函数初始值*(1-当前阵容胜率);这样的适应度函数设置,可以综合战力和胜率两方面的因素。
优选地,所述根据第二阵容组合的阵容战力及通关胜率,计算得到适应度函数值,通过以下公式表示:
AG=sorce×(1-CW);
其中,AG为适应度函数值,sorce为第二阵容组合的阵容战力,CW为通关胜率;
所述根据所述适应度函数初始值及通关胜率,计算得到适应度函数值,通过一下公式表示:
AG=AGf×(1-CW);
其中,AG为适应度函数值,AGf为适应度函数初始值,CW为通关胜率。
本发明实施例8提供的一种基于适应度函数的数据处理系统,提高卡牌游戏中阵容组合的合理性,辅助开发者调整游戏中的数值,通过遗传算法及适应度函数,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。
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基于适应度函数的数据处理方法对应的操作。
在一个可选实施例中提供了一种电子设备,如图4所示,图4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4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基于适应度函数的数据处理方法。
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 (10)
1.一种基于适应度函数的数据处理方法,其特征在于,包括:
根据阵容组合规则,构建第一阵容组合集;其中,所述第一阵容组合集包括若干第一阵容组合,每个第一阵容组合包括预设数量的基因信息;
将第一阵容组合集的每个第一阵容组合与当前关卡进行交互处理,得到所述第一阵容组合集的通关胜率,并根据每个第一阵容组合的阵容战力与所述通关胜率对当前待调整的适应度函数进行调整;
根据调整后的适应度函数,对所述第一阵容组合集进行阵容筛选处理,得到第二阵容组合集;其中,所述第二阵容组合集包括若干第二阵容组合,每个第二阵容组合包括预设数量的基因信息。
2.如权利要求1所述的一种基于适应度函数的数据处理方法,其特征在于,所述根据调整后的适应度函数,对所述第一阵容组合集进行阵容筛选处理,得到第二阵容组合集,包括:
根据第一阵容组合的基因信息生成预设数量的属性信息;
基于若干所述属性信息,生成包含若干初代阵容组合的初代阵容组合集;
计算所述初代阵容组合集中每个初代阵容组合的适应度;
基于所述适应度满足预设适应度值的初代阵容组合建立第二阵容组合集。
3.如权利要求1所述的一种基于适应度函数的数据处理方法,其特征在于,所述构建第一阵容组合集之后,还包括:
根据遗传算法,对所述第一阵容组合集进行迭代更新,并用更新后的阵容组合替换第一阵容组合集中的第一阵容组合。
4.如权利要求3所述的一种基于适应度函数的数据处理方法,其特征在于,所述根据遗传算法,对所述第一阵容组合集进行迭代更新,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及基因信息变异处理,得到更新阵容组合;
判断所述迭代更新的迭代次数是否满足预设次数;
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,则用更新后的阵容组合替换第一阵容组合集中的第一阵容组合。
5.如权利要求1所述的一种基于适应度函数的数据处理方法,其特征在于,所述根据对应的第一阵容的阵容战力与所述通关胜率对当前待调整的适应度函数进行调整,包括:
设置适应度函数初始值;
判断所述通关胜率与预设目标胜率的大小;
若所述通关胜率大于预设目标胜率,则根据第二阵容组合的阵容战力及通关胜率,计算得到适应度函数值;
若所述通关胜率小于等于预设目标胜率,则根据所述适应度函数初始值及通关胜率,计算得到适应度函数值。
6.如权利要求5所述的一种基于适应度函数的数据处理方法,其特征在于,所述根据第二阵容组合的阵容战力及通关胜率,计算得到适应度函数值,通过以下公式表示:
AG=sorce×(1-CW);
其中,AG为适应度函数值,sorce为第二阵容组合的阵容战力,CW为通关胜率;
所述根据所述适应度函数初始值及通关胜率,计算得到适应度函数值,通过一下公式表示:
AG=AGf×(1-CW);
其中,AG为适应度函数值,AGf为适应度函数初始值,CW为通关胜率。
7.一种基于适应度函数的数据处理系统,其特征在于,包括:
第一阵容组合集构建模块,用于根据阵容组合规则,构建第一阵容组合集;其中,所述第一阵容组合集包括若干第一阵容组合,每个第一阵容组合包括预设数量的基因信息;
适应度函数调整模块,用于将第一阵容组合集的每个第一阵容与当前关卡进行交互处理,得到所述第一阵容组合集的通关胜率,并根据每个第一阵容组合的阵容战力与所述通关胜率对当前待调整的适应度函数进行调整;
适应度函数运算模块,用于根据调整后的适应度函数,对所述第一阵容组合集进行阵容筛选处理,得到第二阵容组合集;其中,所述第二阵容组合集包括若干第二阵容组合,每个第二阵容组合包括预设数量的基因信息。
8.如权利要求7所述的一种基于适应度函数的数据处理系统,其特征在于,所述适应度函数运算模块具体用于:
根据第一阵容组合的基因信息生成预设数量的属性信息;
基于若干所述属性信息,生成包含若干初代阵容组合的初代阵容组合集;
计算所述初代阵容组合集中每个初代阵容组合的适应度;
基于所述适应度满足预设适应度值的初代阵容组合建立第二阵容组合集。
9.一种电子设备,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权利要求1至6中任意一项所述的基于适应度函数的数据处理方法。
10.一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6中任意一项所述的基于适应度函数的数据处理方法。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202111057821.5A CN113893547A (zh) | 2021-09-09 | 2021-09-09 | 一种基于适应度函数的数据处理方法、系统及存储介质 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202111057821.5A CN113893547A (zh) | 2021-09-09 | 2021-09-09 | 一种基于适应度函数的数据处理方法、系统及存储介质 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN113893547A true CN113893547A (zh) | 2022-01-07 |
Family
ID=79028104
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202111057821.5A Pending CN113893547A (zh) | 2021-09-09 | 2021-09-09 | 一种基于适应度函数的数据处理方法、系统及存储介质 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN113893547A (zh) |
Cited By (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN115212576A (zh) * | 2022-09-20 | 2022-10-21 | 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 |
CN117547830A (zh) * | 2024-01-11 | 2024-02-13 | 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 |
-
2021
- 2021-09-09 CN CN202111057821.5A patent/CN113893547A/zh active Pending
Cited By (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN115212576A (zh) * | 2022-09-20 | 2022-10-21 | 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 |
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 |
CN117547830A (zh) * | 2024-01-11 | 2024-02-13 | 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 |
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 |
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 | |
US11938403B2 (en) | Game character behavior control method and apparatus, storage medium, and electronic device | |
CN111282267B (zh) | 信息处理方法、装置、介质及电子设备 | |
CN107970608A (zh) | 关卡游戏的设置方法和装置、存储介质、电子装置 | |
CN113893547A (zh) | 一种基于适应度函数的数据处理方法、系统及存储介质 | |
de Mesentier Silva et al. | Evolving the hearthstone meta | |
CN111111204A (zh) | 交互模型训练方法、装置、计算机设备和存储介质 | |
CN107335220B (zh) | 一种消极用户的识别方法、装置及服务器 | |
CN114392560B (zh) | 虚拟场景的运行数据处理方法、装置、设备及存储介质 | |
CN111701240B (zh) | 虚拟物品的提示方法、装置、存储介质和电子装置 | |
CN109011580A (zh) | 残局牌面获取方法、装置、计算机设备及存储介质 | |
Liu et al. | Automatic generation of tower defense levels using PCG | |
CN112245934B (zh) | 虚拟场景应用中虚拟资源的数据分析方法、装置及设备 | |
CN113230650A (zh) | 一种数据处理方法、装置及计算机可读存储介质 | |
Zhang et al. | Analysis of the critical success factors of mobile animation games based on a consistent fuzzy preference relationship | |
CN110941769B (zh) | 目标帐号的确定方法和装置、电子装置 | |
US20210291046A1 (en) | Providing Video Game Content to an Online Connected Game | |
Lim et al. | App epidemics: Modelling the effects of publicity in a mobile app ecosystem | |
KR102186412B1 (ko) | 게임 컨텐츠 제공 방법 | |
CN113946604B (zh) | 分阶段围棋教学方法、装置、电子设备及存储介质 | |
CN117414585A (zh) | 游戏技能平衡性的调整方法、装置、电子设备及存储介质 | |
Jakubik | A neural network approach to hearthstone win rate prediction | |
CN111228822B (zh) | 合并服务器的方法及装置 | |
Gong et al. | Automated team assembly in mobile games: a data-driven evolutionary approach using a deep learning surrogate | |
CN116672723B (zh) | 一种数据处理方法和相关装置 |
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 |