面向连续-离散混合决策的游戏AI智能体强化学习方法

摘要

本发明公开了一种面向连续‑离散混合决策的游戏AI智能体强化学习方法，首先基于现实游戏AI场景中智能体面临连续‑离散混合决策的问题，结合动作表征的学习对游戏智能体AI的连续离散动作构建出动作表征；其次，基于当前状态下的动作表征，利用深度强化学习算法进行学习；最后，将游戏AI输出的表征空间动作通过适当的方式映射回原始动作空间，从而进行正常的游戏智能体AI交互。与现有技术相比，本发明可以得到连续和离散游戏AI动作的语义关系，并且有效地提高了深度强化学习智能体的学习效率；能够让游戏AI将离散动作上或连续动作二者看成一个统一的整体，在保证合理性的同时为构建游戏AI节省了极大的时间和精力。