基于机器学习的游戏加载效率优化方法与流程

本发明涉及游戏加载，更具体地说，本发明涉及基于机器学习的游戏加载效率优化方法。

背景技术：

1、随着游戏产业的不断发展，游戏玩家对游戏体验的要求越来越高。游戏加载效率是影响玩家体验的重要因素之一，现有的游戏加载优化方法主要依赖于开发者的经验和对游戏资源的直观理解，这种方法在处理复杂的游戏项目时往往效率低下，且难以满足个性化的用户需求。

2、为了提高游戏加载效率，现有的方法通过分析用户行为数据和游戏资源数据，自动地识别出加载过程中的瓶颈，从而实现针对性的优化，然而，现有的研究大多集中在单一的数据源上，如仅使用用户行为数据或资源数据，而忽略了两者之间的内在联系，此外，这些方法往往没有考虑到不同用户群体的个性化需求，导致优化效果受限，因此，在此提出一种基于机器学习的游戏加载效率优化方法，以期解决上述问题。

3、发明项目

4、为实现上述目的，本发明提供如下技术方案：

5、基于机器学习的游戏加载效率优化方法，包括以下步骤：

6、步骤一、分别获取游戏加载项目信息、用户行为信息、加载资源信息；

7、步骤二、根据游戏加载项目信息与用户行为信息进行匹配，得到行为匹配集合；

8、步骤三、根据游戏加载项目信息与加载资源信息进行匹配，得到资源匹配集合；

9、步骤四、根据行为匹配集合进行行为分析，得到每一项游戏加载项目的行为值，然后根据行为值的大小对所有的游戏加载项目进行排序，得到行为排序单；

10、步骤五、根据资源匹配集合进行资源分析，得到每一项游戏加载项目的资源值，然后根据资源值的大小对所有的游戏加载项目进行排序，得到资源排序单；

11、步骤六、将资源排序单、行为排序单进行联合分析，得到每一项游戏加载项目的优先值，根据优先值的大小对所有的游戏加载项目进行排序，得到优先排序单；

12、步骤七、根据预先设置的游戏加载策略对优先排序单中的游戏加载项目进行分阶段优化加载。

13、在一个优选地实施方式中，游戏加载项目信息由多个类别的游戏第一加载子类项目信息组成，每一个游戏第一加载子类项目信息由多个游戏第二加载子类项目信息组成。

14、在一个优选地实施方式中，步骤二中，根据游戏加载项目信息与用户行为信息进行匹配，得到行为匹配集合指的是：将游戏加载项目信息中的一个特定的游戏第一加载子类项目信息设置为目标项目，并将目标项目标记为mbi，将目标项目mbi中的一个特定的第二加载子类项目信息设置为目的项目，并将目的项目标记为md i，然后将目的项目md i对应的用户行为信息中的各项行为数据标记为xwi，将所有的目的项目md i、对应的用户行为信息中的各项行为数据xwi匹配完成，得到匹配集合。

15、在一个优选地实施方式中，步骤三中，根据游戏加载项目信息与加载资源信息进行匹配，得到资源匹配集合指的是：将目的项目md i对应的加载资源信息中的各项资源数据标记为zyi，将所有的目的项目md i、对应的加载资源信息中的各项资源数据zyi匹配完成，得到匹配集合。

16、在一个优选地实施方式中，步骤四中，根据行为匹配集合进行行为分析，得到每一项游戏加载项目的行为值，然后根据行为值的大小对所有的游戏加载项目进行排序，得到行为排序单指的是：

17、将目的项目mdi对应的行为值标记为xi，则行为值xi通过以下方式计算得到：xi＝∑(fi*xwi)，fi为预设的行为数据xwi对应的比例系数，然后根据行为值的大小对所有的目的项目进行降序排列，得到行为排序单。

18、在一个优选地实施方式中，步骤五中，根据资源匹配集合进行资源分析，得到每一项游戏加载项目的资源值，然后根据资源值的大小对所有的游戏加载项目进行排序，得到资源排序单指的是：

19、将目的项目mdi对应的资源值标记为zi，则资源值zi通过以下方式计算得到：pi为预设的资源数据zyi对应的比例系数，zbi为预设的资源数据zyi对应的标准值，然后根据资源值的大小对所有的目的项目进行降序排列，得到资源排序单。

20、在一个优选地实施方式中，步骤六中，将资源排序单、行为排序单进行联合分析，得到每一项游戏加载项目的优先值，根据优先值的大小对所有的游戏加载项目进行排序，得到优先排序单指的是：

21、步一、将同一个目的项目mdi的行为值xi、资源值zi进行如下操作：

22、s1、将行为值xi与预设的行为对比阈值进行比较，资源值zi与预设的资源对比阈值进行比较；

23、s2、若行为值xi大于等于预设的行为对比阈值，且资源值zi大于预设的资源对比阈值，则将该目的项目mdi保留并计算该目的项目mdi对应的分析值，fxi为分析值，将该目的项目mdi设定为第二段优化对象；

24、若行为值xi大于等于预设的行为对比阈值，且资源值zi小于预设的资源对比阈值，则将该目的项目mdi保留并计算该目的项目mdi对应的分析值，fxi为分析值，将该目的项目mdi设定为第一段优化对象；

25、若行为值x i小于预设的行为对比阈值，且资源值z i小于预设的资源对比阈值，则将该目的项目md i保留并计算该目的项目md i对应的分析值，fx i为分析值，将该目的项目md i设定为第三段优化对象；

26、若行为值x i小于预设的行为对比阈值，且资源值z i大于等于预设的资源对比阈值，则将该目的项目md i剔除；

27、步二、归属于同一个目标项目mb i的所有保留下来的目的项目md i的分析值fx i进行如下计算：yx i为优先值，h为同一个目标项目mb i的所有保留下来的目的项目md i的总个数，r i为预设的目的项目md i对应的优先比例；

28、步三、根据优先值yx i的大小对所有的目标项目mb i进行降序排列，得到优先排序单。

29、在一个优选地实施方式中，步骤七中，根据预先设置的游戏加载策略对优先排序单中的游戏加载项目进行分阶段优化加载指的是：

30、根据优先值yx i的排列序号查找预先设置的游戏加载策略中的排列序号－分阶表单，然后根据排列序号将目标项目mb i匹配对应的阶次，然后按照目标项目mb i的阶次进行依次优化。

31、本发明的技术效果和优点：

32、本发明通过分析用户行为信息和游戏加载项目信息，可以得到每一项游戏加载项目的行为值和资源值。这些值反映了用户对项目的倾向性和机器对项目的加载需求。通过对这些值的分析，可以确定每个项目的优化优先级，从而实现更高效的游戏加载，并且可以采用神经网络模型来评估行为值和资源值对优化效果的影响，从而更准确地确定每个项目的优化策略。此外，通过对项目进行分阶段优化，可以根据实际需求灵活调整优化顺序，进一步提高优化效率，该方法能够有效地提高游戏加载效率，提升用户体验，同时为游戏开发者提供了一种实用的优化工具。

33、本发明可以通过对用户行为的深入分析，可以更准确地了解用户的需求和偏好，从而优化游戏加载流程，减少等待时间，提高游戏运行的流畅性。这样可以显著提升用户的游戏体验，增加用户满意度和留存率；通过分析游戏的加载资源信息，可以有效地管理和调度游戏中的资源，如模型、纹理、声音等，以便在需要时快速加载，这有助于减少资源浪费，提高资源利用率；结合用户行为数据和资源数据，可以为不同的用户或用户群体制定个性化的优化策略，满足不同用户的特殊需求，提供更贴心的游戏体验；通过对游戏加载项目的排序和优先级分析，可以为游戏开发者提供更明确的优化方向和决策依据，提高决策效率；通过优化游戏加载效率，可以减少不必要的开发工作，节省人力和物力资源，降低开发成本；优化后的游戏加载效率和用户体验将使游戏在市场上更具竞争力，有助于吸引更多的用户和提高市场份额，还可以帮助游戏开发者更好地理解用户需求，优化资源配置，提高用户体验，从而提升游戏的竞争力和市场表现。

技术实现思路