[发明专利]游戏人工智能系统的加速方法及系统有效
申请号: | 202010284304.0 | 申请日: | 2020-04-13 |
公开(公告)号: | CN111617479B | 公开(公告)日: | 2021-12-24 |
发明(设计)人: | 王志伟;涂仕奎;徐雷 | 申请(专利权)人: | 上海交通大学 |
主分类号: | A63F13/60 | 分类号: | A63F13/60;A63F13/822;G06N3/04;G06N3/08 |
代理公司: | 上海恒慧知识产权代理事务所(特殊普通合伙) 31317 | 代理人: | 刘翠 |
地址: | 200240 *** | 国省代码: | 上海;31 |
权利要求书: | 查看更多 | 说明书: | 查看更多 |
摘要: | |||
搜索关键词: | 游戏 人工智能 系统 加速 方法 | ||
1.一种游戏人工智能系统的加速方法,其特征在于,包括:
S0:输入多通道游戏数据,根据游戏逻辑得到返回信息;
S1:输入多通道游戏数据,使用深度并行计算框架计算节点优先度初始值和返回信息近似值,并产生特征图,用于S3缩小其间的平方误差;
S2:利用S1中计算得到的节点优先度初始值形成树形结构,生成新的数据节点,并填入S1得到的节点优先度初始值作为数据节点信息,再将S1中得到的返回信息近似值填入数据节点,然后将数据节点信息回传,更新各个数据节点保存的信息,输出一个行动后验预测结果,该结果为最终优先度;按最大访问次数原则取得由一系列多通道游戏数据及对应返回近似值组成的最优路径;
S3:根据S2中得到的最终优先度,通过缩小相邻多通道游戏数据优先度之间的差异以及相邻多通道游戏数据的特征图之间的平方误差,更新深度并行计算框架内的参数;
根据S0中得到的返回信息和S2中得到的最终优先度,通过缩小最终优先度与返回信息之间的差异,更新深度并行计算框架内的参数;
所述S3中:
缩小相邻多通道游戏数据优先度之间的差异的方法是:最小化S2中所取得最优路径上各个多通道游戏数据的返回近似值的方差;
缩小两个相邻多通道游戏数据的特征图之间的平方误差的方法是:计算特征图对应差值平方并求和,然后通过更新并行计算框架的方式缩小该值;
缩小最终优先度与返回信息间差异的方法是:最小化节点优先度初始值和最终优先度之间的交叉熵,最小化返回信息近似值与返回信息之间的平方误差。
2.根据权利要求1所述的游戏人工智能系统的加速方法,其特征在于,所述S0中,输入多通道游戏数据,根据具体棋类的规则和逻辑,输出判定后得到的返回信息。
3.根据权利要求1所述的游戏人工智能系统的加速方法,其特征在于,所述S1中,深度并行计算框架,包括L层的残差模块和第L+1层的特征调整模块,其中,多通道游戏数据经过L层的残差模块的过程,数据维度不变,用于对数据进行压缩操作和批归一化处理;所述第L+1层的特征调整模块包括如下两部分:
-第一部分,调整特征图尺寸后经过softmax函数计算输出节点初始优先度;
-第二部分,调整多通道游戏数据尺寸后经过tanh函数计算输出对返回信息的估计;
其中:
节点优先度初始值,即第L+1层的特征调整模块第一部分计算输出的节点初始优先度,为一个362维数组,作为S2中的节点优先度初始值;
返回信息近似值,即第L+1层的特征调整模块第二部分计算输出的返回信息的估计,为一个标量,作为S2中生成的数据节点的价值初始值。
4.根据权利要求3所述的游戏人工智能系统的加速方法,其特征在于,每一层所述残差模块均包括数据压缩层和批归一化层,分别用于对数据进行压缩操作和批归一化处理;其中,所述数据压缩层的卷积核大小为3×3。
5.根据权利要求1所述的游戏人工智能系统的加速方法,其特征在于,所述S2中,树形结构的数据节点间建立连接,其中每一个数据节点均用于存储如下信息:
-节点优先度初始值,代表选择该数据节点的优先程度,由S1计算得到;
-访问次数,代表该数据节点被访问过的次数;
-平均结果信息,由S1计算得到的返回信息近似值累计平均值得来;
重复以下4个步骤:
-选择:树形模拟采用最优优先原则,即每一层按高节点初始值、低访问次数、高动作值的原则访问子数据节点,最终到达的末端节点即为被选择的数据节点;
-展开:根据S1中的计算,初始化末端节点下的所有合法节点,节点初始值初始化为S1中计算的节点优先度初始值,访问次数和平均返回信息近似值初始化为0;
-评估:得到S1中对末端节点的返回信息近似值;
-回传:向上逐层更新数据节点信息,直至初始数据节点;具体地,访问次数自增1,平均返回信息近似值累加评估后,取平均值;
以上步骤重复多次后,利用每个子数据节点的访问次数除以所有子数据节点访问次数之和,计算选择每个行动的最终优先度。
该专利技术资料仅供研究查看技术是否侵权等信息,商用须获得专利权人授权。该专利全部权利属于上海交通大学,未经上海交通大学许可,擅自商用是侵权行为。如果您想购买此专利、获得商业授权和技术合作,请联系【客服】
本文链接:http://www.vipzhuanli.com/pat/books/202010284304.0/1.html,转载请声明来源钻瓜专利网。