本發(fā)明涉及一種基于信息瓶頸理論的強化學(xué)習(xí)對戰(zhàn)游戲AI訓(xùn)練方法,包括以下步驟:1)AI訓(xùn)練模型的初始化;2)通過游戲AI在仿真環(huán)境中進行決策交互得到樣本訓(xùn)練批數(shù)據(jù)集;3)根據(jù)游戲AI與環(huán)境交互得到的樣本訓(xùn)練批數(shù)據(jù)集,采用強化學(xué)習(xí)算法迭代訓(xùn)練AI訓(xùn)練模型,并分階段保存AI訓(xùn)練模型的參數(shù);4)將保存的不同階段AI訓(xùn)練模型的部分參數(shù)固定,利用強化學(xué)習(xí)算法重新訓(xùn)練余下參數(shù)進行微調(diào),得到最終不同等級AI的AI訓(xùn)練模型,并由此生成對戰(zhàn)游戲AI文件。與現(xiàn)有技術(shù)相比,本發(fā)明具有采樣效率高、訓(xùn)練速度快、測試靈活性高、AI分等級等優(yōu)點。
聲明:
“基于信息瓶頸理論的強化學(xué)習(xí)對戰(zhàn)游戲AI訓(xùn)練方法” 該技術(shù)專利(論文)所有權(quán)利歸屬于技術(shù)(論文)所有人。僅供學(xué)習(xí)研究,如用于商業(yè)用途,請聯(lián)系該技術(shù)所有人。
我是此專利(論文)的發(fā)明人(作者)