[发明专利]面向未知策略对手的蒙特卡洛搜索博弈决策方法及系统

权利要求书

1.一种面向未知策略对手的蒙特卡洛搜索博弈决策方法，其特征在于，包括以下步骤：

以在空战格斗游戏环境下敌我双方当前态势对后续对抗局势的影响以及敌我双方的物理约束因素作为参考标准，设计复合状态评价函数；

通过所述复合状态评价函数从多个维度描述对抗进展中敌我双方态势的变化情况；以及

根据所述变化情况通过融合最大最小博弈思想的蒙特卡洛搜索算法，在面对未知决策方法的空战游戏对手时，输出博弈决策。

2.根据权利要求1所述的面向未知策略对手的蒙特卡洛搜索博弈决策方法，其特征在于，所述复合状态评价函包含即时回报项、持续回报项与物理关系合理性约束项。

3.根据权利要求2所述的面向未知策略对手的蒙特卡洛搜索博弈决策方法，其特征在于，所述持续回报项包括：

以敌我双方的态势优劣持续时间为依据计算回报，我方优或劣态势持续时间越久，对与我方态势评价函数的奖励/惩罚值越大。

4.根据权利要求1所述的面向未知策略对手的蒙特卡洛搜索博弈决策方法，其特征在于，还包括：

在己方决策轮选取己方评价体系中得到置信度上界最大的动作，在敌方决策轮选取敌方评价体系中得到置信度上界最大的动作。

5.一种面向未知策略对手的蒙特卡洛搜索博弈决策系统，其特征在于，包括：

设计模块，用于以在空战格斗游戏环境下敌我双方当前态势对后续对抗局势的影响以及敌我双方的物理约束因素作为参考标准，设计复合状态评价函数；

描述模块，用于通过所述复合状态评价函数从多个维度描述对抗进展中敌我双方态势的变化情况；以及

输出模块，用于根据所述变化情况通过融合最大最小博弈思想的蒙特卡洛搜索算法，在面对未知决策方法的空战游戏对手时，输出博弈决策。

6.根据权利要求5所述的面向未知策略对手的蒙特卡洛搜索博弈决策系统，其特征在于，所述复合状态评价函包含即时回报项、持续回报项与物理关系合理性约束项。

7.根据权利要求6所述的面向未知策略对手的蒙特卡洛搜索博弈决策系统，其特征在于，所述持续回报项包括：

以敌我双方的态势优劣持续时间为依据计算回报，我方优或劣态势持续时间越久，对与我方态势评价函数的奖励/惩罚值越大。

8.根据权利要求6所述的面向未知策略对手的蒙特卡洛搜索博弈决策系统，其特征在于，还包括：

选取模块，用于在己方决策轮选取己方评价体系中得到置信度上界最大的动作，在敌方决策轮选取敌方评价体系中得到置信度上界最大的动作。