本技術(shù)涉及博弈對(duì)抗，尤其涉及一種智能體博弈方法、裝置、計(jì)算機(jī)設(shè)備及可讀存儲(chǔ)介質(zhì)。

背景技術(shù)：

1、智能體博弈是指多個(gè)智能體(可以是軟件、機(jī)器人、算法模型、對(duì)象等)在特定的博弈環(huán)境中進(jìn)行交互，并嘗試通過交互和策略選擇來進(jìn)行決策的過程。通過模擬和優(yōu)化智能體之間的交互過程，可以理解和優(yōu)化智能體系統(tǒng)中的策略選擇和利益分配，以在復(fù)雜系統(tǒng)中找到更有效的決策方案，提高系統(tǒng)的整體性能和效率。

2、相關(guān)技術(shù)中，在智能體博弈的過程中，博弈環(huán)境可以向智能體提供當(dāng)前的狀態(tài)，智能體可以根據(jù)狀態(tài)選擇相應(yīng)的動(dòng)作，以使博弈環(huán)境可以根據(jù)動(dòng)作更新狀態(tài)。但是，這種交互方式，會(huì)出現(xiàn)當(dāng)某個(gè)智能體占用過多的計(jì)算資源或者運(yùn)行崩潰時(shí)，直接對(duì)博弈環(huán)境或者其他智能體產(chǎn)生影響，進(jìn)而降低系統(tǒng)的穩(wěn)定性和可靠性。

技術(shù)實(shí)現(xiàn)思路

1、本技術(shù)實(shí)施例的主要目的在于提出一種智能體博弈方法、裝置、計(jì)算機(jī)設(shè)備及可讀存儲(chǔ)介質(zhì)，能夠提高系統(tǒng)在智能體博弈時(shí)的穩(wěn)定性和可靠性。

2、為實(shí)現(xiàn)上述目的，本技術(shù)實(shí)施例的第一方面提出了一種智能體博弈方法，所述方法包括：

3、響應(yīng)于針對(duì)目標(biāo)博弈環(huán)境的博弈觸發(fā)操作，確定當(dāng)前所述目標(biāo)博弈環(huán)境下各博弈代理智能體的調(diào)用順序；

4、獲取所述目標(biāo)博弈環(huán)境當(dāng)前的博弈狀態(tài)，并根據(jù)所述博弈狀態(tài)生成所述調(diào)用順序?qū)?yīng)的博弈代理智能體的博弈動(dòng)作調(diào)用信息；

5、確定每個(gè)所述博弈代理智能體關(guān)聯(lián)的資源代理端，通過所述資源代理端將所述博弈動(dòng)作調(diào)用信息發(fā)送至對(duì)應(yīng)的博弈代理智能體，并獲取所述博弈代理智能體根據(jù)所述博弈動(dòng)作調(diào)用信息返回的博弈動(dòng)作信息；

6、將所述資源代理端接收的所述博弈動(dòng)作信息通過連接接口反饋至所述目標(biāo)博弈環(huán)境中，并根據(jù)所述目標(biāo)博弈環(huán)境下的多個(gè)所述博弈代理智能體對(duì)應(yīng)的多個(gè)博弈動(dòng)作信息形成博弈對(duì)局信息；

7、基于所述博弈對(duì)局信息在所述目標(biāo)博弈環(huán)境中進(jìn)行智能體博弈。

8、相應(yīng)的，本技術(shù)實(shí)施例的第二方面提出了一種智能體博弈裝置，所述裝置包括：

9、響應(yīng)模塊，用于響應(yīng)于針對(duì)目標(biāo)博弈環(huán)境的博弈觸發(fā)操作，確定當(dāng)前所述目標(biāo)博弈環(huán)境下各博弈代理智能體的調(diào)用順序；

10、生成模塊，用于獲取所述目標(biāo)博弈環(huán)境當(dāng)前的博弈狀態(tài)，并根據(jù)所述博弈狀態(tài)生成所述調(diào)用順序?qū)?yīng)的博弈代理智能體的博弈動(dòng)作調(diào)用信息；

11、獲取模塊，用于確定每個(gè)所述博弈代理智能體關(guān)聯(lián)的資源代理端，通過所述資源代理端將所述博弈動(dòng)作調(diào)用信息發(fā)送至對(duì)應(yīng)的博弈代理智能體，并獲取所述博弈代理智能體根據(jù)所述博弈動(dòng)作調(diào)用信息返回的博弈動(dòng)作信息；

12、反饋模塊，用于將所述資源代理端接收的所述博弈動(dòng)作信息通過連接接口反饋至所述目標(biāo)博弈環(huán)境中，并根據(jù)所述目標(biāo)博弈環(huán)境下的多個(gè)所述博弈代理智能體對(duì)應(yīng)的多個(gè)博弈動(dòng)作信息形成博弈對(duì)局信息；

13、博弈模塊，用于基于所述博弈對(duì)局信息在所述目標(biāo)博弈環(huán)境中進(jìn)行智能體博弈。

14、在一些實(shí)施方式中，所述獲取模塊，還用于：

15、根據(jù)各博弈代理智能體的調(diào)用順序，確定當(dāng)前調(diào)用順序?qū)?yīng)的博弈代理智能體的代理標(biāo)識(shí)；

16、通過總資源代理端確定所述代理標(biāo)識(shí)對(duì)應(yīng)的資源代理端，并將所述博弈動(dòng)作調(diào)用信息通過連接接口發(fā)送至對(duì)應(yīng)的所述博弈代理智能體的資源代理端，以使所述資源代理端將所述博弈動(dòng)作調(diào)用信息發(fā)送至對(duì)應(yīng)的博弈代理智能體；其中，所述總資源代理端用于建立并存儲(chǔ)所述目標(biāo)博弈環(huán)境中的多個(gè)所述博弈代理智能體與多個(gè)資源代理端的對(duì)應(yīng)關(guān)系。

17、在一些實(shí)施方式中，每個(gè)所述博弈代理智能體屬于機(jī)器代理智能體、對(duì)象代理智能體中的一種，所述獲取模塊，還用于：

18、所述獲取所述博弈代理智能體根據(jù)所述博弈動(dòng)作調(diào)用信息返回的博弈動(dòng)作信息，包括：

19、當(dāng)所述博弈代理智能體屬于機(jī)器代理智能體時(shí)，通過所述資源代理端獲取所述機(jī)器代理智能體根據(jù)所述博弈動(dòng)作調(diào)用信息進(jìn)行動(dòng)作選擇后返回的博弈動(dòng)作信息；

20、當(dāng)所述博弈代理智能體屬于對(duì)象代理智能體時(shí)，通過所述資源代理端獲取所述對(duì)象代理智能體根據(jù)所述博弈動(dòng)作調(diào)用信息返回的博弈動(dòng)作信息；其中，所述博弈動(dòng)作信息由所述對(duì)象代理智能體在將所述博弈動(dòng)作調(diào)用信息轉(zhuǎn)發(fā)至終端進(jìn)行動(dòng)作選擇后，通過與所述終端之間的長(zhǎng)連接接收得到。

21、在一些實(shí)施方式中，所述智能體博弈裝置還包括建立模塊，用于：

22、確定所述資源代理端對(duì)應(yīng)的服務(wù)子節(jié)點(diǎn)，以及每個(gè)所述博弈代理智能體對(duì)應(yīng)的客戶子節(jié)點(diǎn)；

23、通過所述服務(wù)子節(jié)點(diǎn)和各所述客戶子節(jié)點(diǎn)之間的網(wǎng)絡(luò)接口，建立所述資源代理端和對(duì)應(yīng)的博弈代理智能體之間的網(wǎng)絡(luò)通信。

24、在一些實(shí)施方式中，所述建立模塊，還用于：

25、獲取系統(tǒng)的可用資源量；

26、獲取預(yù)設(shè)的資源量閾值，并將所述可用資源量和所述資源量閾值進(jìn)行比較，得到比較結(jié)果；

27、基于所述比較結(jié)果，將所述服務(wù)子節(jié)點(diǎn)和所述客戶子節(jié)點(diǎn)分配至對(duì)應(yīng)的計(jì)算節(jié)點(diǎn)中運(yùn)行。

28、在一些實(shí)施方式中，所述建立模塊，還用于：

29、當(dāng)所述比較結(jié)果表征所述可用資源量大于所述資源量閾值時(shí)，將所述服務(wù)子節(jié)點(diǎn)和各所述客戶子節(jié)點(diǎn)分配至不同的計(jì)算節(jié)點(diǎn)中運(yùn)行；

30、當(dāng)所述比較結(jié)果表征所述可用資源量小于所述資源量閾值時(shí)，將所述服務(wù)子節(jié)點(diǎn)和每個(gè)所述客戶子節(jié)點(diǎn)分配相同的計(jì)算節(jié)點(diǎn)中運(yùn)行。

31、在一些實(shí)施方式中，所述智能體博弈裝置還包括接收模塊，用于：

32、針對(duì)所述目標(biāo)博弈環(huán)境，創(chuàng)建對(duì)應(yīng)的總資源代理端；

33、通過所述總資源代理端的對(duì)外端口接收各所述博弈代理智能體的注冊(cè)信息；

34、對(duì)所述注冊(cè)信息進(jìn)行驗(yàn)證，得到驗(yàn)證結(jié)果；

35、當(dāng)所述驗(yàn)證結(jié)果表征所述博弈代理智能體的驗(yàn)證通過時(shí)，在所述總資源代理端中創(chuàng)建所述博弈代理智能體對(duì)應(yīng)的資源代理端。

36、相應(yīng)的，本技術(shù)實(shí)施例的第三方面提出了一種計(jì)算機(jī)設(shè)備，所述計(jì)算機(jī)設(shè)備包括存儲(chǔ)器和處理器，所述存儲(chǔ)器存儲(chǔ)有計(jì)算機(jī)程序，所述處理器執(zhí)行所述計(jì)算機(jī)程序時(shí)實(shí)現(xiàn)本技術(shù)第一方面實(shí)施例任一項(xiàng)所述的智能體博弈方法。

37、相應(yīng)的，本技術(shù)實(shí)施例的第四方面提出了一種計(jì)算機(jī)可讀存儲(chǔ)介質(zhì)，所述存儲(chǔ)介質(zhì)存儲(chǔ)有計(jì)算機(jī)程序，所述計(jì)算機(jī)程序被處理器執(zhí)行時(shí)實(shí)現(xiàn)本技術(shù)第一方面實(shí)施例任一項(xiàng)所述的智能體博弈方法。

38、本技術(shù)實(shí)施例通過響應(yīng)于針對(duì)目標(biāo)博弈環(huán)境的博弈觸發(fā)操作，并確定當(dāng)前目標(biāo)博弈環(huán)境下各博弈代理智能體的調(diào)用順序；獲取目標(biāo)博弈環(huán)境當(dāng)前的博弈狀態(tài)，并根據(jù)博弈狀態(tài)生成調(diào)用順序?qū)?yīng)的博弈代理智能體的博弈動(dòng)作調(diào)用信息；確定每個(gè)博弈代理智能體關(guān)聯(lián)的資源代理端，通過資源代理端將博弈動(dòng)作調(diào)用信息發(fā)送至對(duì)應(yīng)的博弈代理智能體，并獲取博弈代理智能體根據(jù)博弈動(dòng)作調(diào)用信息返回的博弈動(dòng)作信息；將資源代理端接收的博弈動(dòng)作信息通過連接接口反饋至目標(biāo)博弈環(huán)境中，并根據(jù)目標(biāo)博弈環(huán)境下的多個(gè)博弈代理智能體對(duì)應(yīng)的多個(gè)博弈動(dòng)作信息形成博弈對(duì)局信息；基于博弈對(duì)局信息在目標(biāo)博弈環(huán)境中進(jìn)行智能體博弈。以此，能夠通過設(shè)立資源代理端，實(shí)現(xiàn)了博弈代理智能體與目標(biāo)博弈環(huán)境交互進(jìn)程的解耦，確保了每個(gè)博弈代理智能體的資源獨(dú)立性，即使存在某個(gè)博弈代理智能體消耗了大量計(jì)算資源或發(fā)生崩潰，也不會(huì)對(duì)目標(biāo)博弈環(huán)境或其他的博弈代理智能體產(chǎn)生直接的影響，提高了系統(tǒng)在智能體博弈時(shí)的穩(wěn)定性和可靠性。