导语在深度强化学习中，联盟训练通过引入主智能体的“陪练”，发现主智能体策略的缺点，帮助其得到更快的提升。本文通过对模型特征和模型池多样性的建模，并基于此提升联盟模型池的多样性，引导克制主智能体的多种策略并提升主智能体的强度；同时，模型池的多样性也可以作为训练目标，为游戏AI的线上应用提供更多选择。一、 背景介绍随着DeepMind、OpenAI等AI实验室在《星际2》[1]、《Dota 2》[2]

近年来，人工智能技术在很多领域都取得了亮眼成就，并逐步从感知智能向决策智能迈进。强化学习是实现决策智能的重要路径，而现实世界中往往存在着多智能体的交互，也催生了多智能体强化学习的发展。这篇文章主要对多智能体强化学习进行整体阐述，并对其在游戏AI上的应用进行探讨与展望。一.引言近些年来，随着机器学习算法的持续优化和创新，计算资源和分布式计算系统带来的算力提升，以及可利用数据量的大大增加，AI(人工智

统计应用安装成本是免费游戏运营策略的关键部分。当每安装成本达到1~2美元的时候尤是如此。为此，发行商投入大量的资源进行玩家生命周期价值（LTV）预测。这些预测方式通常有如下三种：1、平均每日每活跃玩家收入（ARPDAU）2、交易预测3、不同玩家群体预测第一种方式为每日收入预测；第二种方式为每玩家交易的次数与额度预测；最后一种为通过同一群体的玩家历史价值进行预测；以下将会详细介绍这三种计算方式，从中

https://www.fgba.net/sitemap.xml

轨迹识别问题旨在验证传入的轨迹是否是由所要求的人员产生， 即给定一组单独的人员历史轨迹（例如行人，出租车司机）以及由特定人员生成的一组新轨迹，判定两组轨迹是否由同一个人员生成。这个问题在许多实际应用中都很重要，例如出租车驾驶人员身份认证、汽车保险公司风险分析以及危险驾驶识别等。轨迹识别的现有工作除了需要轨迹数据之外，还需要其他来源的数据，如传感器、摄像头等，但这些数据无法普遍获得且成本较高。此外，

https://www.fgba.net/sitemap.xml

前面提到各种大数据技术的原理与架构，大数据计算通过将可执行的代码分发到大规模的服务器集群上进行分布式计算，以处理大规模的数据，即所谓的移动计算比移动数据更划算。但是这样的计算方式必然不会很快，即使一个规模不太大的数据集上的一次简单计算，MapReduce也可能需要几分钟，Spark快一点，也至少需要数秒的时间。而网站处理用户请求，需要毫秒级的响应，也就是说，要在1秒内完成计算，大数据计算必然不能实

PS4 Pro虽然能够支持以原生4K分辨率来渲染游戏，但仅有少数几个能够提供支持。但同时，索尼方面不觉得将新主机称为支持4K的主机是一种误导。虽然有些游戏将能够原生支持4K分辨率来呈现重制，多数游戏将采用所谓的“棋盘渲染”像素提升技术来实现“4K分辨率画质”。那么PS4pro所谓棋盘渲染到底是什么？PS4pro和真4K区别在哪里呢？首先要明确一个观点：PS4 Pro目前有不少游戏都是“假4K”。这

https://www.fgba.net/sitemap.xml

这篇博文着重谈谈游戏AI落地的问题， 游戏AI不是追求AI的无敌性， 而是应该迎合不同级别的用户水平。 同时游戏本身的用户体验， 是需要游戏开发者， 好好思索和斟酌的。案例反思:案例一：以前写过J2ME版的中国象棋(模拟器性能好于真机的幸福时代)。在模拟器上测试， 搜索深度设置为3，在时间消耗和智能表现达到很好的均衡，基本在2秒之内决策完成。后来客户用真机去测试的时候， 反馈没有丝毫响应， 当时想