[發(fā)明專利]一種用戶行為模擬方法、裝置、電子設(shè)備及存儲(chǔ)介質(zhì)

在審

• 申請(qǐng)?zhí)枺?/td>: 202110241480.0
• 申請(qǐng)日: 2021-03-04
• 公開(kāi)（公告）號(hào): CN113144605A
• 公開(kāi)（公告）日: 2021-07-23
• 發(fā)明（設(shè)計(jì)）人: 陳坤龍
• 申請(qǐng)（專利權(quán)）人: 百果園技術(shù)（新加坡）有限公司
• 主分類號(hào): A63F13/56
• 分類號(hào): A63F13/56
• 代理公司: 北京潤(rùn)澤恒知識(shí)產(chǎn)權(quán)代理有限公司 11319
• 代理人: 莎日娜

本申請(qǐng)?zhí)峁┝艘环N用戶行為模擬方法、裝置、電子設(shè)備及存儲(chǔ)介質(zhì)，該方法包括：根據(jù)獲取的地圖配置信息及行為價(jià)值函數(shù)，在游戲地圖中對(duì)用戶進(jìn)行行為模擬，得到預(yù)測(cè)行為軌跡；針對(duì)每個(gè)狀態(tài)信息及對(duì)應(yīng)的行為信息的組合，從預(yù)測(cè)行為軌跡中查找該組合對(duì)應(yīng)的軌跡信息，根據(jù)查找到的軌跡信息中的獎(jiǎng)勵(lì)信息，更新行為價(jià)值函數(shù)，并返回根據(jù)地圖配置信息及行為價(jià)值函數(shù)，在游戲地圖中對(duì)用戶進(jìn)行行為模擬，得到預(yù)測(cè)行為軌跡的步驟，直至收斂；在獲取到當(dāng)前狀態(tài)信息之后，根據(jù)行為價(jià)值函數(shù)，計(jì)算不同行為信息對(duì)應(yīng)的獎(jiǎng)勵(lì)信息，根據(jù)計(jì)算得到的取值較高的獎(jiǎng)勵(lì)信息對(duì)應(yīng)的行為信息，模擬用戶行為。這樣，最終得到能夠模擬用戶行為的行為價(jià)值函數(shù)，用于模擬用戶行為。

技術(shù)領(lǐng)域

本申請(qǐng)涉及行為分析技術(shù)領(lǐng)域，特別是涉及一種用戶行為模擬方法、裝 置、電子設(shè)備及存儲(chǔ)介質(zhì)。

背景技術(shù)

擲骰通關(guān)類型的游戲是一種常見(jiàn)的小游戲類型，在這類游戲中的主要元 素有游戲角色、游戲地圖和骰子，其中，游戲角色是用戶在游戲中的代理， 游戲地圖是游戲角色在游戲過(guò)程中所處的環(huán)境，在用戶每次做決策時(shí)，需要 投擲一次骰子。用戶的行為受到骰子擲出點(diǎn)數(shù)的制約。

舉例而言，在爬房子游戲中，用戶需要同時(shí)操縱2個(gè)游戲角色，首先， 用戶每輪可以投擲一次骰子，并根據(jù)骰子擲出的點(diǎn)數(shù)做出相應(yīng)的決策，進(jìn)而 通過(guò)操縱決策中選定的游戲角色，與游戲地圖進(jìn)行交互，在游戲地圖的格子 上前進(jìn)擲出的點(diǎn)數(shù)個(gè)格子，直到2個(gè)游戲角色同時(shí)達(dá)到指定的位置，完成游 戲的通關(guān)。

其中，用戶每次投擲骰子的成本為c，在游戲地圖的格子上，會(huì)隨機(jī)擺 放M個(gè)禮物，用戶操縱的角色如果踩到了某個(gè)格子上，就會(huì)獲得這個(gè)格子 上擺放的禮物，得到特定的金額，而且，當(dāng)游戲通關(guān)后，用戶也會(huì)得到特定 金額的獎(jiǎng)勵(lì)。因此，假設(shè)用戶在一局游戲中一共獲取的獎(jiǎng)品金額為V，用戶 進(jìn)行一輪游戲一共投擲了t次骰子，那么用戶在此局游戲中一共花費(fèi)的金額 是ct，可以計(jì)算出用戶單局游戲的凈收益是V-ct。

為了增加游戲的趣味性，游戲平臺(tái)需要隨機(jī)化生成游戲地圖，使得用戶 每次游戲時(shí)使用的地圖是不一樣的，但是，一方面，對(duì)于游戲平臺(tái)而言，需 要維持用戶單局游戲的凈收益非正，而對(duì)于用戶而言，則期望盡可能在每輪 游戲中取得更大的收益。因此，游戲平臺(tái)需要保證“最聰明的用戶”在隨機(jī) 化生成的游戲地圖中的期望凈利潤(rùn)非正，才能將生成的游戲地圖上線展示給 用戶。

目前，亟需一種用戶行為模擬方法。

發(fā)明內(nèi)容

為解決上述技術(shù)問(wèn)題，本申請(qǐng)示出了一種用戶行為模擬方法、裝置、電 子設(shè)備及存儲(chǔ)介質(zhì)。

第一方面，本申請(qǐng)示出了一種用戶行為模擬方法，所述方法包括：

獲取游戲地圖的地圖配置信息及用戶的行為價(jià)值函數(shù)；

根據(jù)所述地圖配置信息及所述行為價(jià)值函數(shù)，在所述游戲地圖中對(duì)所述 用戶進(jìn)行行為模擬，得到預(yù)測(cè)行為軌跡，所述預(yù)測(cè)行為軌跡中包括多個(gè)連續(xù) 的軌跡信息，每個(gè)軌跡信息包括狀態(tài)信息、行為信息及獎(jiǎng)勵(lì)信息；

針對(duì)每個(gè)所述狀態(tài)信息及對(duì)應(yīng)的行為信息的組合，從所述預(yù)測(cè)行為軌跡 中查找該組合對(duì)應(yīng)的軌跡信息，根據(jù)查找到的軌跡信息中的獎(jiǎng)勵(lì)信息，更新 所述行為價(jià)值函數(shù)，并返回所述根據(jù)所述地圖配置信息及所述行為價(jià)值函 數(shù)，在所述游戲地圖中對(duì)所述用戶進(jìn)行行為模擬，得到預(yù)測(cè)行為軌跡的步驟， 直至所述行為價(jià)值函數(shù)收斂；

在獲取到當(dāng)前狀態(tài)信息之后，根據(jù)收斂后的所述行為價(jià)值函數(shù)及所述當(dāng) 前狀態(tài)信息，分別計(jì)算不同行為信息對(duì)應(yīng)的獎(jiǎng)勵(lì)信息，根據(jù)計(jì)算得到的取值 最高的獎(jiǎng)勵(lì)信息對(duì)應(yīng)的行為信息，模擬用戶在當(dāng)前狀態(tài)的行為。

第二方面，本申請(qǐng)示出了一種用戶行為模擬裝置，所述裝置包括：

獲取模塊，用于獲取游戲地圖的地圖配置信息及用戶的行為價(jià)值函數(shù)；