[发明专利]一种数据处理的方法以及相关装置

权利要求书

1.一种数据处理的方法，其特征在于，包括：

获取第一玩家的第一手牌数据；

基于所述第一手牌数据确定所述第一玩家的至少一个出牌动作；

当所述至少一个出牌动作与预设麻将博弈树中的决策节点重合时，确定第二玩家、第三玩家以及第四玩家在分别接收所述第一玩家的至少一个出牌动作所对应的牌后的第一状态值、第二状态值以及第三状态值，所述第一状态值、第二状态值以及第三状态值均用于表示所述第一玩家在执行所述至少一个出牌动作后得到的效益值；

所述预设麻将博弈树是基于博弈论得到的包括与麻将规则相符的猜牌结果的树状结构，所述猜牌结果为针对所述第一玩家的第一手牌数据对其余玩家的手牌数据进行猜牌后得到；

所述第一状态值是通过第二玩家在接收所述第一玩家的至少一个出牌动作所对应的牌后的第一出牌动作所能够带来的对于所述第一玩家的效益值；

所述第二状态值是通过第三玩家在接收所述第一玩家的至少一个出牌动作所对应的牌后的第二出牌动作所能够带来的对于所述第一玩家的效益值；

所述第三状态值是通过第四玩家在接收所述第一玩家的至少一个出牌动作所对应的牌后的第三出牌动作所能够带来的对于所述第一玩家的效益值；

基于所述第一状态值、第二状态值以及所述第三状态值，确定所述第一玩家在执行所述至少一个出牌动作后得到的效益值中的最大效益值；

将所述最大效益值所对应的第一玩家出牌动作确定为所述第一玩家的目标出牌路径。

2.根据权利要求1所述的方法，其特征在于，所述决策节点包括玩家决策状态节点，当所述至少一个出牌动作与预设麻将博弈树中的决策节点重合时，确定第二玩家、第三玩家以及第四玩家在分别接收所述第一玩家的至少一个出牌动作所对应的牌后的第一状态值、第二状态值以及第三状态值，包括：

当所述至少一个出牌动作与所述玩家决策状态节点重合时，确定所述第二玩家、所述第三玩家、所述第四玩家在分别接收所述第一玩家的至少一个出牌动作所对应的牌后的第一出牌动作、第二出牌动作以及第三出牌动作；

计算所述第一出牌动作的第一分值、所述第二出牌动作的第二分值以及所述第三出牌动作的第三分值；

确定所述第一分值为所述第一状态值、所述第二分值为所述第二状态值以及所述第三分值为所述第三状态值。

3.根据权利要求1所述的方法，其特征在于，所述决策节点包括规则决策节点，当所述至少一个出牌动作与预设麻将博弈树中的决策节点重合时，确定第二玩家、第三玩家以及第四玩家在分别接收所述第一玩家的至少一个出牌动作所对应的牌后的第一状态值、第二状态值以及第三状态值，包括：

当所述至少一个出牌动作与所述规则决策节点重合时，确定所述第二玩家、所述第三玩家、所述第四玩家在分别接收所述第一玩家的至少一个出牌动作所对应的牌后的第四出牌动作、第五出牌动作以及第六出牌动作；

计算所述第四出牌动作的第四分值、所述第五出牌动作的第五分值以及所述第六出牌动作的第六分值；

将所述第四出牌动作与所述第四分值确定为所述第一状态值、将所述第五出牌动作与所述第五分值确定为所述第二状态值以及将所述第六出牌动作与所述第六分值确定为所述第三状态值。

4.根据权利要求2所述的方法，其特征在于，所述将所述最大效益值所对应的第一玩家出牌动作确定为所述第一玩家的目标出牌路径之后，所述方法还包括：

根据预设训练模型对所述第一手牌数据进行训练，以得到第一训练结果，所述第一训练结果用于标识所述第一玩家、所述第二玩家、所述第三玩家以及所述第四玩家的效益值；

根据所述第一训练结果对所述第一状态值、所述第二状态值以及所述第三状态值进行更新。

5.根据权利要求3所述的方法，其特征在于，所述将所述最大效益值所对应的第一玩家出牌动作确定为所述第一玩家的目标出牌路径之后，所述方法还包括：

根据预设训练模型对所述第一手牌数据进行训练，以得到第二训练结果，所述第二训练结果用于标识所述第一玩家、所述第二玩家、所述第三玩家以及所述第四玩家的效益值；

当将所述第二训练结果沿着所述目标出牌路径回传至所述规则决策节点时，根据所述第二训练结果对所述第一状态值、所述第二状态值以及所述第三状态值进行更新。