基于数据挖掘和数据融合的游戏关卡自动生成系统及方法

摘要

本发明公开了一种基于数据挖掘和数据融合的游戏关卡自动生成系统及方法，该系统包括数据收集模块、数据挖掘模块、数据融合模块和关卡信息生成模块，该方法包括：收集预先定义的游戏玩法数据包括游戏关卡属性以及目标属性；对游戏玩法数据中属性数据进行约减以及建立决策树；对收集到的多个游戏关卡属性数据进行融合处理，得出一条全面代表玩家行为的数据；利用数据融合的游戏关卡属性数据结果作为决策树的测试数据，利用测试数据进行关卡信息的最终设置完成游戏关卡自动生成。本发明依据游戏玩法数据的引入自动生成游戏关卡，不仅降低了游戏设计成本，而且利用数据挖掘技术和数据融合技术挖掘游戏玩法数据中的规则知识提高了游戏的自动化和智能化程度。

主权项

一种基于数据挖掘和数据融合的游戏关卡自动生成系统，该系统包括数据收集模块、数据挖掘模块、数据融合模块和关卡信息生成模块，其特征在于：所述数据收集模块，用于收集预先定义的游戏玩法数据包括游戏关卡属性以及目标属性；目标属性是由玩家在关卡结束时主观定义得到，其余属性则由程序自动生成，即利用游戏程序中已有的相关变量得到所需要的属性数据；对所述游戏玩法数据进行预处理，即分析并统计收集到的各个属性的数据得到数据规律后，再转换成在所述数据挖掘模块的决策树中使用的值；所述数据挖掘模块，用于对上述的游戏玩法数据中属性数据进行约减以及建立决策树；将所述游戏玩法数据作为训练数据；约减算法采用FCBF算法，去除与目标属性无关或冗余的属性；选择ID3算法构建出反映游戏难易度的决策树：检测收集到的所有属性数据，选择信息增益值最大的属性产生决策树节点，由该属性的不同取值建立分支，再对各分支的子集递归调用该方法建立决策树节点的分支，直到所有子集仅包含同一个类别的数据为止，最后得到决策树；所述数据融合模块，用于对收集到的多个游戏关卡属性数据进行融合处理，选择D‑S证据理论作为数据融合的算法：首先，定义关卡数据为D[n]，数据挖掘得到的各属性的信息增益为Gain[n]，各属性的最大值为Max[n]，处理后的关卡数据为Data[n]，处理规则为：Data[n]＝D[n]*Gain[n]/Max[n]其中，n为属性的个数；然后，利用D‑S证据理论算法对数据处理进行融合后得到的一条新的更能代表玩家行为的数据；最后，把该条数据转换成一条与游戏关卡属性数据格式相同的数据，用于关卡信息生成模块并且把该条数据再放入训练数据中以完善训练数据集，得出一条全面代表玩家行为的数据；所述关卡信息生成模块，用于利用数据融合的游戏关卡属性数据结果作为决策树的测试数据，以及利用测试数据进行关卡信息的最终设置，完成游戏关卡的自动生成，具体为：利用数据融合模块生成的新的游戏关卡属性数据作为决策树的测试数据，从而得到游戏难易度，然后根据难易度来设置关卡信息，设置规则为：如果难易度结果为容易，则提高关卡的难度；如果难易度结果为中等，则保持关卡的难度，但是要改变游戏关卡 中影响难易度的数据信息；最后，根据关卡信息自动生成新的、更适合玩家的游戏关卡。