[发明专利]一种RTS游戏重放数据的编码系统和方法

说明书

本发明公开了一种RTS游戏重放数据的编码系统和方法，所述系统包括数据生成模块，用于在μRTS平台上自主生成每对AI机器人的每场游戏比赛生成的重放记录数据的一个采样点是一个XML文件，所述XML文件由一系列轨迹条目元素组成，每个轨迹条目元素包含游戏状态元素、动作元素和时间属性，记录两个AI游戏机器人在游戏比赛中该采用点的状态和动作信息，以及一个记录该场比赛获胜者的获胜者元素；所述时间属性表示轨迹条目元素的游戏状态元素和动作元素的采样时间点；编码模块，用于将XML文件中数据的信息进行提取并编码；输出模块，用于获取到编码后的三维数组数据。本发明能够明显提高预测的准确率。

技术领域

本发明涉及搜索算法、状态评估和动作抽象等领域，尤其涉及一种RTS游戏重放数据的编码系统和方法。

背景技术

AlphaGo系列人工智能(Artificial Intelligence，AI)程序在围棋比赛中成功战胜人类世界顶级选手为基于游戏研究AI提供了有益的借鉴。对游戏重放数据采样点包含的信息编码是研究游戏的主要手段之一。对包含游戏AI机器人的游戏仿真平台的游戏数据的研究为AI计划、AI搜索中的状态评估和AI研究人员建模提供了理想的环境。由于极的大状态空间，有限的决策时间和动态环境，实时战略(Real-Time Strategy，RTS)类游戏为研究游戏提供了理想的工具。μRTS是一种基于代理和AI的开源RTS游戏仿真平台，为基于游戏研究AI、验证新的AI算法提供了实用的工具。利用游戏重放数据编码后的数据和深度学习算法对μRTS中AI机器人游戏比赛获胜者预测对研究AI算法，特别是游戏AI机器人算法具有实际意义。

Huang等提出一种利用独热编码方法编码RTS类游戏的状态信息的方法，使用对游戏重放数据采样点的状态信息编码后的数据和多尺度卷积神经网络(MSCNN)预测两个AI机器人在游戏比赛中获胜者的概率。Yang等[Yang W.L.,Huang J.,Hu Y.,A Modifiedmulti-size convolution neural network for winner prediction based on timeserial datasets,2019 4th International Conference on Mathematics andArtificial Intelligence(ICMAI 2019),Chengdu,China,ACM Digital Library,ISBN:978-1-4503-6258-0,110-114.]将Huang等提出的对游戏重放数据采样点的状态信息的独热编码方法扩展到时间序列数据集。

由于对RTS游戏重放数据中动作信息进行编码比较困难，已有的对RTS游戏重放数据编码方法仅对状态信息进行编码[Huang J.,Yang W.L.,A multi-size convolutionneural network for RTS games winner prediction.MATEC Web of Conferences,2018,232(01054),257-261.]，对游戏重放数据信息的利用程度不足。

发明内容

本发明目的在于提供一种RTS类游戏重放数据采样点的状态和动作信息编码方法，对游戏动作信息编码方法，以此提高对游戏重放数据信息的充分利用。独热编码是使用二进制字符串表示属性值的一种编码方法。本发明使用独热编码不仅对一种RTS类游戏重放数据采样点生成的XML文件的游戏状态元素中的属性(其中包含游戏的状态信息)和相应的获胜者属性进行编码，而且也对动作元素中的属性(其中包含游戏的动作信息)给出编码方法进行编码。利用所述编码方法得到的编码数据和深度学习算法对μRTS中AI机器人游戏比赛获胜者预测，本发明所述编码方法能够明显提高预测的准确率。