[发明专利]一种游戏地图平衡性测试方法、装置、设备及存储介质

权利要求书

1.一种游戏地图平衡性测试方法，其特征在于，包括：

获取待测试平衡性的目标游戏地图；

获取人工智能体集合，所述人工智能体集合中的人工智能体指向不同的决策模型，所述不同的决策模型基于不同的神经网络模型和/或不同的激励函数进行机器学习训练确定；

利用所述人工智能体集合中的人工智能体模拟游戏玩家使用所述目标游戏地图进行游戏；

获取所述人工智能体使用所述目标游戏地图进行游戏的游戏数据；

根据所述游戏数据生成所述目标游戏地图的收益热力图；

对所述收益热力图进行分析，确定所述目标游戏地图的平衡性。

2.根据权利要求1所述的方法，其特征在于，还包括使用所述目标游戏地图训练人工智能体，所述使用所述目标游戏地图训练人工智能体包括：

将所述人工智能体的训练任务划分为多个难度等级；

从所述目标游戏地图中为每个难度等级的训练任务匹配对应的训练地图；

依次针对每个难度等级的训练任务，基于深度强化学习算法，使用所述训练地图对所述人工智能体进行训练。

3.根据权利要求2所述的方法，其特征在于，所述依次针对每个难度等级的训练任务，基于深度强化学习算法，使用所述训练地图对所述人工智能体进行训练包括：

构建所述人工智能体的神经网络模型和激励函数；

根据所述神经网络模型和所述激励函数获取利用所述人工智能体模拟游戏玩家使用所述训练地图进行训练的训练样本数据；

基于深度强化学习算法，使用所述训练样本数据对所述人工智能体的神经网络模型进行训练，调整所述神经网络模型的参数，得到所述人工智能体的决策模型。

4.根据权利要求3所述的方法，其特征在于，所述根据所述神经网络模型和所述激励函数获取利用所述人工智能体模拟游戏玩家使用所述训练地图进行训练的训练样本数据包括：

在游戏运行过程中，获取所述人工智能体的当前状态数据；

将所述当前状态数据输入所述人工智能体的神经网络模型中，生成所述当前状态数据对应的决策数据；

根据所述决策数据确定所述人工智能体的决策动作，并控制所述人工智能体执行所述决策动作；

根据所述激励函数确定所述人工智能体执行所述决策动作后的回报数据；

获取所述人工智能体执行所述决策动作后的后续状态数据；

将所述当前状态数据、所述决策数据、所述回报数据和所述后续状态数据组织成训练样本数据。

5.根据权利要求1或2所述的方法，其特征在于，所述人工智能体的决策模型包括至少一个全连接层。

6.根据权利要求1或2所述的方法，其特征在于，所述根据所述游戏数据生成所述目标游戏地图的收益热力图包括：

根据所述游戏数据确定所述人工智能体获取收益的位置信息；

将所述位置信息映射到与所述目标游戏地图对应的预设地图网格中；

统计每一网格包含的位置信息对应的收益的数量；

映射所述每一网格为与所述数量对应的颜色，生成收益热力图。

7.一种游戏地图平衡性测试装置，其特征在于，包括：

第一获取模块，用于获取待测试平衡性的目标游戏地图；

第二获取模块，用于获取人工智能体集合，所述人工智能体集合中的人工智能体指向不同的决策模型，所述不同的决策模型基于不同的神经网络模型和/或不同的激励函数进行机器学习训练确定；

处理模块，用于利用所述人工智能体集合中的人工智能体模拟游戏玩家使用所述目标游戏地图进行游戏；

第三获取模块，用于获取所述人工智能体使用所述目标游戏地图进行游戏的游戏数据；

生成模块，用于根据所述游戏数据生成所述目标游戏地图的收益热力图；

分析模块，用于对所述收益热力图进行分析，确定所述目标游戏地图的平衡性。