[發(fā)明專利]用于競(jìng)速類AI模型的AI參數(shù)配置方法、裝置、設(shè)備及存儲(chǔ)介質(zhì)

有效

• 申請(qǐng)?zhí)枺?/td>: 201810299375.0
• 申請(qǐng)日: 2018-03-30
• 公開(kāi)（公告）號(hào): CN108465244B
• 公開(kāi)（公告）日: 2019-05-07
• 發(fā)明（設(shè)計(jì)）人: 賴貴雄
• 申請(qǐng)（專利權(quán)）人: 騰訊科技（深圳）有限公司
• 主分類號(hào): A63F13/795
• 分類號(hào): A63F13/795;A63F13/803
• 代理公司: 北京三高永信知識(shí)產(chǎn)權(quán)代理有限責(zé)任公司 11138
• 代理人: 劉映東

1.一種用于競(jìng)速類AI模型的AI參數(shù)配置方法，其特征在于，所述方法包括：

獲取第n代參數(shù)集合，每代參數(shù)集合中包含m套AI參數(shù)，每套AI參數(shù)用于指示賽車AI模型在賽道上的行進(jìn)方式，n≥1，m≥2；

根據(jù)所述m套AI參數(shù)控制所述賽車AI模型進(jìn)行m次適應(yīng)度測(cè)試，得到m個(gè)適應(yīng)度，所述適應(yīng)度與所述賽車AI模型根據(jù)所述AI參數(shù)在賽道上的行進(jìn)距離呈正相關(guān)關(guān)系；

若所述m個(gè)適應(yīng)度均小于適應(yīng)度閾值，則根據(jù)所述第n代參數(shù)集合生成第n+1代參數(shù)集合；

若所述m個(gè)適應(yīng)度中存在大于所述適應(yīng)度閾值的目標(biāo)適應(yīng)度，則將所述目標(biāo)適應(yīng)度對(duì)應(yīng)的AI參數(shù)配置為目標(biāo)AI參數(shù)。

2.根據(jù)權(quán)利要求1所述的方法，其特征在于，所述根據(jù)所述第n代參數(shù)集合生成第n+1代參數(shù)集合，包括：

根據(jù)所述m個(gè)適應(yīng)度，從所述m套AI參數(shù)中選擇兩套母體AI參數(shù)；

對(duì)所述兩套母體AI參數(shù)進(jìn)行交叉和突變，得到兩套子代AI參數(shù)；

將所述兩套子代AI參數(shù)添加到所述第n+1代參數(shù)集合。

3.根據(jù)權(quán)利要求2所述的方法，其特征在于，所述根據(jù)所述m個(gè)適應(yīng)度，從所述m套AI參數(shù)中選擇兩套母體AI參數(shù)，包括：

計(jì)算所述m個(gè)適應(yīng)度與預(yù)設(shè)適應(yīng)度之間的適應(yīng)度差值，所述預(yù)設(shè)適應(yīng)度小于等于所述m個(gè)適應(yīng)度中的最低適應(yīng)度；

根據(jù)所述適應(yīng)度差值，確定所述m個(gè)適應(yīng)度中各個(gè)適應(yīng)度對(duì)應(yīng)的AI參數(shù)的選取概率，所述選取概率與所述適應(yīng)度差值呈正相關(guān)關(guān)系；

根據(jù)所述選取概率從所述m套AI參數(shù)中選擇所述兩套母體AI參數(shù)。

4.根據(jù)權(quán)利要求2所述的方法，其特征在于，所述m套AI參數(shù)采用數(shù)值編碼，所述對(duì)所述兩套母體AI參數(shù)進(jìn)行交叉和突變，得到兩套子代AI參數(shù)，包括：

采用預(yù)定交叉方式對(duì)所述兩套母體AI參數(shù)中的參數(shù)值進(jìn)行交叉操作，所述預(yù)定交叉方式包括單點(diǎn)交叉和雙點(diǎn)交叉；

根據(jù)預(yù)設(shè)突變概率，對(duì)交叉操作后所述兩套母體AI參數(shù)中的參數(shù)值進(jìn)行突變操作，得到所述兩套子代參數(shù)，其中，經(jīng)過(guò)突變操作的參數(shù)值的突變量屬于預(yù)設(shè)突變量范圍。

5.根據(jù)權(quán)利要求1所述的方法，其特征在于，所述根據(jù)所述m套AI參數(shù)控制所述賽車AI模型進(jìn)行m次適應(yīng)度測(cè)試，得到m個(gè)適應(yīng)度，包括：

調(diào)用所述賽車AI模型的相關(guān)代碼模塊，所述相關(guān)代碼模塊至少包括AI代碼模塊、賽車代碼模塊和物理代碼模塊，所述AI代碼模塊用于根據(jù)AI參數(shù)控制所述賽車AI模型在賽道上行進(jìn)，所述賽車代碼模塊用于更新所述賽車AI模型在賽道上的位置，所述物理代碼模塊用于處理所述賽車AI模型與賽道之間的碰撞；

將所述m套AI參數(shù)輸入所述相關(guān)代碼模塊，并行控制m個(gè)所述賽車AI模型進(jìn)行預(yù)定時(shí)長(zhǎng)的適應(yīng)度測(cè)試，其中，進(jìn)行適應(yīng)度測(cè)試時(shí)賽車間碰撞機(jī)制關(guān)閉；

根據(jù)所述賽車AI模型在賽道上的所述行進(jìn)距離確定所述適應(yīng)度。

6.根據(jù)權(quán)利要求2至4任一所述的方法，其特征在于，所述根據(jù)所述第n代參數(shù)集合生成第n+1代參數(shù)集合，還包括：

對(duì)所述m個(gè)適應(yīng)度進(jìn)行降序排序；

將排序后前k個(gè)適應(yīng)度對(duì)應(yīng)的k套AI參數(shù)添加到所述第n+1代參數(shù)集合，1≤k＜m，k為整數(shù)。

7.根據(jù)權(quán)利要求2至4任一所述的方法，其特征在于，所述根據(jù)所述第n代參數(shù)集合生成第n+1代參數(shù)集合之前，所述方法還包括：

每隔i代參數(shù)集合，獲取所述i代參數(shù)集合的最大適應(yīng)度；

檢測(cè)所述最大適應(yīng)度的提升幅度是否小于幅度閾值；

若所述提升幅度小于所述幅度閾值，則對(duì)所述第n代參數(shù)集合進(jìn)行災(zāi)變處理；

所述根據(jù)所述第n代參數(shù)集合生成第n+1代參數(shù)集合，包括：

根據(jù)災(zāi)變處理后的所述第n代參數(shù)集合生成所述第n+1代參數(shù)集合。