[發明專利]數據處理方法、裝置、電子設備及存儲介質

有效

• 申請號: 202010036509.7
• 申請日: 2020-01-14
• 公開（公告）號: CN111265878B
• 公開（公告）日: 2022-05-13
• 發明（設計）人: 呂有為;鐘濤;毛建博
• 申請（專利權）人: 騰訊科技（深圳）有限公司
• 主分類號: A63F13/60
• 分類號: A63F13/60;G06N5/04
• 代理公司: 深圳市隆天聯鼎知識產權代理有限公司 44232
• 代理人: 葉虹

1.一種數據處理方法，其特征在于，設置多個相同的人工智能體分別按照所述方法相互之間進行自對弈，所述方法包括：

基于先驗信息，對以目標玩家的玩家決策節點為根節點的博弈樹進行搜索，預設次數的搜索結束后，控制所述目標玩家在當前對局狀態以預設第一概率執行收益值最高的第一候選決策，以預設第二概率隨機執行一第一候選決策，所述第一概率與所述第二概率之和為1，其中，所述先驗信息包括估牌先驗信息與決策預測先驗信息；

當所述當前對局結束時，獲取所述當前對局的真實對局數據；

基于所述真實對局數據對所述先驗信息進行更新；

其中，所述估牌先驗信息包括在當前對局狀態下的已公開手牌數據，基于先驗信息，對以目標玩家的玩家決策節點為根節點的博弈樹進行搜索，包括：

獲取當前對局中目標玩家的第一手牌數據；

基于所述已公開手牌數據與所述第一手牌數據，確定在當前對局狀態下的未公開手牌數據；

將其他玩家當前所打出的手牌作為輸入，調取統計模型的概率分布，確定所述其他玩家當前持有手牌的概率分布，其中，預先基于監督學習的方法，使用已有的真實對局數據訓練得到所述統計模型，所述統計模型的概率分布用于描述玩家在打出手牌的情況下，當前所持有手牌的概率分布；

結合所述未公開手牌數據與所述第一手牌數據對所述其他玩家當前持有手牌的概率分布進行約束，獲取其他玩家的第二手牌數據；

基于決策預測先驗信息、所述第一手牌數據與所述第二手牌數據，沿所述博弈樹搜索所述目標玩家的各第一候選決策的可能對局結果；

對所述可能對局結果的搜索路徑進行反向傳播，更新搜索路徑中各節點的收益值。

2.根據權利要求1所述的方法，其特征在于，基于決策預測先驗信息、所述第一手牌數據與所述第二手牌數據，沿所述博弈樹搜索所述目標玩家的各第一候選決策的可能對局結果，包括：

基于所述第一手牌數據，從所述各第一候選決策中選中一所述第一候選決策，作為獲取對應的可能對局結果的第一目標決策；

基于所述決策預測先驗信息與所述第二手牌數據，預測其他玩家在當前對局狀態執行的第二目標決策；

基于預設的對局規則，從所述第一目標決策與所述第二目標決策中確定出最高優先級的目標決策；

確定所述最高優先級的目標決策被實現后的更新對局狀態，若所述更新對局狀態滿足預設的對局繼續狀態，則繼續沿所述博弈樹搜索所述第一目標決策的可能對局結果。

3.根據權利要求2所述的方法，其特征在于，基于所述第一手牌數據，從所述各第一候選決策中選中一第一候選決策，作為獲取對應的可能對局結果的第一目標決策，包括：

基于所述第一手牌數據，確定所述各第一候選決策；

從所述各第一候選決策中隨機選中一所述第一候選決策，作為所述第一目標決策。

4.根據權利要求2所述的方法，其特征在于，所述決策預測先驗信息包括預設的先驗收益預測策略，基于所述第一手牌數據，從所述各第一候選決策中選中一第一候選決策，作為獲取對應的可能對局結果的第一目標決策，包括：

基于所述第一手牌數據，確定所述各第一候選決策；

基于所述先驗收益預測策略與所述第一手牌數據，分別預測所述各第一候選決策對應的先驗收益值；

選中一所述先驗收益值不低于預設收益值閾值的所述第一候選決策，作為所述第一目標決策。

5.根據權利要求2所述的方法，其特征在于，所述決策預測先驗信息包括預設的先驗收益預測策略，基于所述決策預測先驗信息與所述第二手牌數據，預測其他玩家在當前對局狀態執行的第二目標決策，包括：

基于所述第二手牌數據，確定其他玩家在當前對局狀態可執行的各第二候選決策；

基于所述先驗收益預測策略與所述第二手牌數據，分別預測所述各第二候選決策對應的先驗收益值；

基于所述先驗收益值，預測其他玩家在當前對局狀態執行的第二目標決策。

6.根據權利要求5所述的方法，其特征在于，基于所述先驗收益值，預測其他玩家在當前對局狀態執行的第二目標決策，包括：將最大的所述先驗收益值對應的第二候選決策，確定為其他玩家在當前對局狀態執行的第二目標決策。