[发明专利]关卡配置数据调整方法、计算机设备及存储介质

权利要求书

1.一种关卡配置数据调整方法，其特征在于，所述方法包括：

获取目标应用程序的初始关卡配置数据；

根据所述初始关卡配置数据训练闯关AI模型，并获取所述闯关AI模型对应的第一输出数据，所述第一输出数据为所述闯关AI模型根据所述初始关卡配置数据进行闯关对应的多次输出状态数据的统计数据；

获取所述目标应用程序的初始关卡闯关数据，所述初始关卡闯关数据是游戏角色在所述目标应用程序的初始关卡闯关所生成的数据；

根据所述第一输出数据、所述初始关卡配置数据及所述初始关卡闯关数据训练预测AI模型；

获取所述目标应用程序的更新关卡配置数据；

利用所述闯关AI模型及所述预测AI模型获取所述更新关卡配置数据的配置评估信息，其中，所述配置评估信息是用于评估所述更新关卡配置数据的配置合理性的信息；

发送所述配置评估信息给终端设备，以使所述终端设备根据调整指令调整所述更新关卡配置数据，所述调整指令为用户响应所述配置评估信息向所述终端设备所发出的指令。

2.根据权利要求1所述的方法，其特征在于，所述初始关卡配置数据包括多种配置参数，所述根据所述初始关卡配置数据训练闯关AI模型，并获取所述闯关AI模型对应的第一输出数据，包括：

将所述配置参数作为特征向量输入到预设深度神经网络进行AI模型训练；

检测所述AI模型的输出统计数据是否符合预设指标；

当所述AI模型的输出统计数据符合所述预设指标时，将当前所述AI模型作为所述闯关AI模型；

多次将所述配置参数作为特征向量输入到所述闯关AI模型，以获取所述第一输出数据。

3.根据权利要求2所述的方法，其特征在于，所述将所述配置参数作为特征向量输入到预设深度神经网络进行AI模型训练，包括

根据所述配置参数随机生成初始化关卡；

将所述初始化关卡进行特征向量提取，以获取与所述配置参数对应的第一特征向量；

将所述第一特征向量输入到预设深度网络模型中并利用强化学习算法AI模型训练。

4.根据权利要求3所述的方法，其特征在于，所述强化学习算法包括PPO算法、DDPG算法或A3C算法中至少一者。

5.根据权利要求2所述的方法，其特征在于，所述输出统计数据包括闯关胜率，所述检测所述AI模型的输出统计数据是否符合预设指标，包括：

检测当前所述AI模型输出统计数据的闯关胜率与相邻所述AI模型输出统计数据的闯关胜率之间的差值是否小于预设值；

当所述闯关胜率差值小于预设值时，判断当前所述AI模型的输出统计数据符合所述预设指标。

6.根据权利要求1所述的方法，其特征在于，所述预测AI模型包括至少两个子AI模型，所述根据所述第一输出数据、所述初始关卡配置数据及所述初始关卡闯关数据训练预测AI模型，包括：

将所述第一输出数据及初始关卡配置数据作为训练样本，将所述初始关卡闯关数据作为训练标签，利用至少两种监督学习算法进行AI模型训练，以获取至少两个对应的子AI模型；

确定至少两个所述子AI模型输出数据的权值，以构建所述预测AI模型。

7.根据权利要求6所述的方法，其特征在于，所述监督学习算法包括随机森林算法、Adaboost算法、深度神经网络算法、xgboost算法或lightGBM算法中的至少两者。

8.根据权利要求1所述的方法，其特征在于，所述利用所述闯关AI模型及所述预测AI模型获取所述更新关卡配置数据的配置评估信息，包括：

将所述更新关卡配置数据作为特征向量输入至所述闯关AI模型，以获取第二输出数据，所述第二输出数据为所述闯关AI模型根据所述更新关卡配置数据进行闯关对应的多次输出状态数据的统计数据；

将所述第二输出数据和所述更新关卡配置数据作为特征向量输入至所述预测AI模型，以获取所述更新关卡配置数据的配置评估信息。