[发明专利]玩家的模仿方法、装置及可读存储介质

权利要求书

1.一种玩家的模仿方法，其特征在于，包括：

获取多个真实玩家的游戏角色数据；

利用第一机器学习算法对各游戏角色数据进行处理，生成初始模仿模型；

确定待模拟的目标玩家，基于第二机器学习算法和所述目标玩家的游戏角色数据对所述初始模仿模型进行训练，获得目标玩家的模仿模型；

其中，所述目标玩家的模仿模型用于控制非玩家游戏角色。

2.根据权利要求1所述的玩家的模仿方法，其特征在于，所述游戏角色数据包括用于表示玩家的游戏角色状态的状态数据以及玩家在游戏角色处于该游戏角色状态下的行为数据；

所述利用第一机器学习算法对各游戏角色数据进行处理，生成初始模仿模型，包括：

利用监督学习算法对各游戏角色数据进行处理，生成初始模仿模型，以使在将各游戏角色数据的状态数据输入至所述初始模仿模型，所述初始模仿模型输出各游戏角色数据的状态数据相应的行为数据。

3.根据权利要求1所述的玩家的模仿方法，其特征在于，所述游戏角色数据包括游戏环境以及玩家在游戏环境下的行为数据；

所述利用第一机器学习算法对各游戏角色数据进行处理，生成初始模仿模型，包括：

利用强化学习算法对各游戏角色数据进行处理，生成初始模仿模型，以使在将各游戏角色数据的游戏环境输入至所述初始模仿模型，所述始模仿模型输出各游戏角色数据的游戏环境相应的行为数据。

4.根据权利要求2或3所述的玩家的模仿方法，其特征在于，所述基于第二机器学习算法和所述目标玩家的游戏角色数据对所述初始模仿模型进行训练，获得目标玩家的模仿模型，包括：

利用逆向强化学习算法，或，生成对抗模仿学习算法生成所述目标玩家的游戏角色数据的判别函数；

将所述判别函数作为强化学习算法中的奖励，以对初始模仿模型进行训练；

迭代生成判别函数和对所述初始模仿模型进行训练的步骤，直至训练后的初始模仿模型满足预设期望，获得目标玩家的模仿模型。

5.根据权利要求2或3所述的玩家的模仿方法，其特征在于，所述基于第二机器学习算法和所述目标玩家的游戏角色数据对所述初始模仿模型进行训练，获得目标玩家的模仿模型，包括：

利用行为克隆算法和所述目标玩家的游戏角色数据对所述初始模仿模型进行训练，获得目标玩家的模仿模型。

6.根据权利要求1所述的玩家的模仿方法，其特征在于，所述游戏角色数据还包括玩家的行为特征；

所述玩家的模仿方法还包括：

根据真实玩家的行为特征，对多个真实玩家进行分类；

所述利用第一机器学习算法对各游戏角色数据进行处理，生成初始模仿模型，包括：

利用第一机器学习算法分别对各类真实玩家的各游戏角色数据进行处理，生成各类真实玩家对应的初始模仿模型；

所述确定待模拟的目标玩家，基于第二机器学习算法和所述目标玩家的游戏角色数据对所述初始模仿模型进行训练，获得目标玩家的模仿模型，包括：

确定待模拟的目标玩家所属分类，并基于第二机器学习算法和所述目标玩家的游戏角色数据对该目标玩家所属分类相应的初始模仿模型进行训练，获得目标玩家的模仿模型。

7.一种玩家的模仿装置，其特征在于，包括：

采集模块，用于获取多个真实玩家的游戏角色数据；

第一处理模块，用于利用第一机器学习算法对各游戏角色数据进行处理，生成初始模仿模型；

第二处理模块，用于确定待模拟的目标玩家，基于第二机器学习算法和所述目标玩家的游戏角色数据对所述初始模仿模型进行训练，获得目标玩家的模仿模型；其中，所述目标玩家的模仿模型用于控制非玩家游戏角色。