游戏AI角色技能确定方法、装置、电子设备及存储介质与流程

技术特征：
1.一种游戏ai角色技能确定方法，其特征在于，包括：获取待运行的游戏角色集合，并将所述游戏角色集合输入到训练获得的状态推断模型中，得到在预设时间内所述游戏角色集合中每个游戏ai角色的各个状态出现的时间占比，其中，所述游戏角色集合包括至少一个游戏ai角色；将所述每个游戏ai角色的各个状态出现的时间占比输入到训练获得的技能概率模型中，得到所述每个游戏ai角色各个技能的被选择概率；其中，所述技能概率模型以贝叶斯神经网络模型为基准模型；基于所述每个游戏ai角色各个技能的被选择概率确定所述每个游戏ai角色配置的技能。2.根据权利要求1所述的方法，其特征在于，所述每个游戏ai角色配置的技能至少包括第一类技能和第二类技能，所述第一类技能被配置的优先级高于所述第二类技能被配置的优先级；基于所述每个游戏ai角色各个技能的被选择概率确定所述每个游戏ai角色配置的技能，具体包括：获取所述每个游戏ai角色的等级；基于所述每个游戏ai角色的等级确定所述每个游戏ai角色可配置的所述第一类技能的第一数量；其中，不同的所述等级对应有不同的所述第一数量；基于所述第一数量与所述每个游戏ai角色的各个所述第一类技能的被选择概率确定所述每个游戏ai角色配置的所述第一类技能。3.根据权利要求2所述的方法，其特征在于，基于所述每个游戏ai角色配置各个技能的概率确定所述每个游戏ai角色配置的技能，具体还包括：基于所述每个游戏ai角色的等级确定所述每个游戏ai角色的可用技能点的总数量，其中，所述每个游戏ai角色每配置一个技能均需要消耗一定数量的技能点；基于所述总数量与所述每个游戏ai角色配置的所有所述第一类技能消耗的技能点的数量确定所述每个游戏ai角色的可用技能点的剩余数量；基于所述剩余数量与所述每个游戏ai角色的各个所述第二类技能的被选择概率确定所述每个游戏ai角色配置的所述第二类技能。4.根据权利要求2所述的方法，其特征在于，基于所述第一数量与所述每个游戏ai角色的各个所述第一类技能的被选择概率确定所述每个游戏ai角色配置的所述第一类技能，具体包括：获取所述每个游戏ai角色在历史数据中配置各个所述第一类技能的第一平均概率；对于每个所述第一类技能，基于所述第一平均概率与所述第一类技能的被选择概率，确定所述第一类技能的综合被选择概率；基于所述第一数量与所述每个游戏ai角色的各个所述第一类技能的综合被选择概率确定所述每个游戏ai角色配置的所述第一类技能。5.根据权利要求4所述的方法，其特征在于，通过以下公式确定所述第一类技能的综合被选择概率：p
final(t1)
＝α1*p
states(t1)
β1*p
pid(t1)
；其中，p
final(t1)
表示所述第一类技能的综合被选择概率，p
states(t1)
表示所述第一类技能的被选择概率，p
pid(t1)
表示所述第一平均概率，α1表示所述第一类技能的被选择概率的预设
权重，β1表示所述第一平均概率的预设权重，α1＞β1。6.根据权利要求3所述的方法，其特征在于，基于所述剩余数量与所述每个游戏ai角色的各个所述第二类技能的被选择概率确定所述每个游戏ai角色配置的所述第二类技能，具体包括：获取所述每个游戏ai角色在历史数据中配置各个所述第二类技能的第二平均概率；对于每个所述第二类技能，基于所述第二平均概率与所述第二类技能的被选择概率，确定所述第二类技能的综合被选择概率；基于所述剩余数量与所述每个游戏ai角色的各个所述第二类技能的综合被选择概率确定所述每个游戏ai角色配置的所述第二类技能。7.根据权利要求6所述的方法，其特征在于，通过以下公式确定所述第二类技能的综合被选择概率：p
final(t2)
＝α2*p
states(t2)
β2*p
pid(t2)
；其中，p
final(t2)
表示所述第二类技能的综合被选择概率，p
states(t2)
表示所述第二类技能的被选择概率，p
pid(t2)
表示所述第二平均概率，α2表示所述第二类技能的被选择概率的预设权重，β2表示所述第二平均概率的预设权重，α2＞β2。8.根据权利要求6所述的方法，其特征在于，所述每个游戏ai角色配置的各个技能以树状结构排布，在所述树状结构中，每个子节点对应的技能被配置时需要先配置其父节点对应的技能，且根节点的所有子节点对应的技能均可以直接被配置，所有所述第一类技能均分布在叶节点上；基于所述剩余数量与所述每个游戏ai角色配置各个所述第二类技能的综合被选择概率确定所述每个游戏ai角色配置的所述第二类技能，具体包括：在所述树状结构中，确定当前所有可直接配置技能的节点；从所述当前所有可直接配置技能的节点中确定代价最小的目标节点，其中，每个节点的代价为该节点的父节点对应的技能的综合被选择概率与该节点对应的技能的综合被选择概率的差，所述根节点及所有在配置所述第一类技能时被配置的所述第二类技能对应的节点用于计算所述代价的综合被选择概率为1；基于所述目标节点重新确定当前所有可直接配置技能的节点，从所述重新确定当前所有可直接配置技能的节点中再次确定所述目标节点，直到所述每个游戏ai角色的可用技能点的剩余数量被消耗完为止；将所有的所述目标节点对应的所述第二类技能确定为所述每个游戏ai角色配置的所述第二类技能。9.根据权利要求8所述的方法，其特征在于，基于所述剩余数量与所述每个游戏ai角色配置各个所述第二类技能的综合被选择概率确定所述每个游戏ai角色配置的所述第二类技能，具体还包括：响应于确定任一节点对应的所述第二类技能与其子节点对应的所述第二类技能的功能相同且该节点对应的所述第二类技能为该功能的最高等级，将该节点的代价调整为0。10.根据权利要求1所述的方法，其特征在于，在得到在预设时间内所述游戏角色集合中每个游戏ai角色的各个状态出现的时间占比之后，所述方法还包括：对所述每个游戏ai角色的各个状态出现的时间占比从大到小进行排名，将排名处于预设范围的所述各个状态确定为所述每个游戏ai角色的主要状态，并将各个所述主要状态出
现的时间占比输入到训练获得的技能概率模型中，得到所述每个游戏ai角色各个技能的被选择概率。11.一种游戏ai角色技能确定装置，其特征在于，包括：状态模块，获取待运行的游戏角色集合，并将所述游戏角色集合输入到训练获得的状态推断模型中，得到在预设时间内所述游戏角色集合中每个游戏ai角色的各个状态出现的时间占比，其中，所述游戏角色集合包括至少一个游戏ai角色；概率模块，将所述每个游戏ai角色的各个状态出现的时间占比输入到训练获得的技能概率模型中，得到所述每个游戏ai角色各个技能的被选择概率；其中，所述技能概率模型以贝叶斯神经网络模型为基准模型；技能配置模块，基于所述每个游戏ai角色各个技能的被选择概率确定所述每个游戏ai角色配置的技能。12.一种电子设备，其特征在于，包括存储器、处理器及存储在所述存储器上并可由所述处理器执行的计算机程序，所述处理器执行所述程序时实现如权利要求1至10中任意一项所述的方法。13.一种非暂态计算机可读存储介质，其特征在于，所述非暂态计算机可读存储介质存储计算机指令，所述计算机指令用于使计算机执行根据权利要求1至10中任一项所述的方法。

技术总结
本申请提供一种游戏AI角色技能确定方法、装置、电子设备及存储介质，该方法包括将游戏角色集合输入到训练获得的状态推断模型中，得到在预设时间内所述游戏角色集合中每个游戏AI角色的各个状态出现的时间占比；将所述每个游戏AI角色的各个状态出现的时间占比输入到训练获得的技能概率模型中，得到所述每个游戏AI角色各个技能的被选择概率；其中，所述技能概率模型以贝叶斯神经网络模型为基准模型；基于所述每个游戏AI角色各个技能的被选择概率确定所述每个游戏AI角色配置的技能，从而高效准确的确定出每个游戏AI角色配置的技能，在保证游戏AI角色胜率的同时使得游戏AI角色配置的技能更加多元化和拟人化。的技能更加多元化和拟人化。的技能更加多元化和拟人化。


技术研发人员：徐侃
受保护的技术使用者：网易（杭州）网络有限公司
技术研发日：2021.12.24
技术公布日：2022/5/25