一种基于多维规则特征与动态图局部交互融合的麻将AI对弈方法

本发明涉及麻将人工智能和智能决策，尤其涉及一种基于多维规则特征与动态图局部交互融合的麻将ai对弈方法。

背景技术：

1、随着人工智能技术、博弈决策方法以及智能游戏交互系统的持续发展，基于机器学习的棋牌类智能体研究逐渐成为智能决策领域的重要方向之一。麻将作为一种具有不完全信息、强规则约束、多阶段决策和高策略复杂度特征的典型博弈任务，对智能体的状态理解能力、动作选择能力以及长期收益权衡能力提出了较高要求。尤其是在地方麻将场景中，不同地区规则差异明显，往往同时包含十三烂、字牌成顺等多种特殊牌型与约束条件，使得麻将ai的建模难度进一步提升。

2、现有麻将智能决策方案大多基于传统规则搜索、启发式评估或单一监督学习方法实现。传统规则搜索方法虽然具有一定可解释性，但通常依赖人工设计规则，难以适应复杂多变的真实对局环境，且在动作空间较大、规则组合较多时，容易出现计算开销大、策略泛化能力不足的问题。单一监督学习方法虽然能够从历史对局数据中学习状态到动作的映射关系，但由于麻将对局中存在大量“同一状态对应多个合理动作”的情况，简单依赖单标签分类进行训练，往往会使模型过度追求标签一致性，而忽略不同候选动作之间的相对优劣关系，从而导致模型在离线指标上具有一定精度，但在真实对局中表现不稳定，难以兼顾基础牌理与特殊路线决策能力。

技术实现思路

1、本发明的目的在于：提出一种基于多维规则特征与动态图局部交互融合的麻将ai对弈方法，解决现有麻将对弈复杂规则下难以同时具有较好训练稳定性、决策准确性的问题。

2、具体而言，本发明提供的一种基于多维规则特征与动态图局部交互融合的麻将ai对弈方法，该方法包括以下步骤：

3、s1、获取历史麻将对局数据，并对所述历史麻将对局数据进行清洗预处理，得到训练样本；

4、s2、基于目标地方麻将规则，对当前对局状态进行多维规则特征编码，构建包含手牌分布特征、向听数特征、弃牌后果特征、局部保留强度特征及一色倾向特征在内的多维状态特征张量；

5、s3、构建麻将决策模型，所述麻将决策模型包括用于提取全局局势特征的全局卷积主干、用于对候选牌张之间结构化关系进行动态建模的基于动态图注意力的局部牌张交互分支、以及用于自适应融合全局与局部评分的动态门控融合模块；

6、s4、基于预处理后的训练样本，遍历合法候选动作并模拟打后状态，构建包含教师分数与教师置信度的教师目标，对所述麻将决策模型进行第一阶段联合训练；

7、s5、基于教师置信度筛选出的高置信样本，对完成第一阶段训练的麻将决策模型进行第二阶段微调训练；

8、s6、获取待决策麻将对局状态，将所述待决策麻将对局状态输入训练后的麻将决策模型，并结合合法动作掩码屏蔽非法动作后，输出最终合法动作决策结果。

9、一种存储介质，所述存储介质存储指令及数据用于实现一种基于多维规则特征与动态图局部交互融合的麻将ai对弈方法。

10、一种基于多维规则特征与动态图局部交互融合的麻将ai对弈设备，包括：处理器及所述存储介质；所述处理器加载并执行所述存储介质中的指令及数据用于实现一种基于多维规则特征与动态图局部交互融合的麻将ai对弈方法。

11、本发明提供的有益效果是：本发明通过引入多维规则特征编码、基于全局卷积主干、动态图注意力局部牌张交互分支与动态门控融合模块的联合决策模型、基于打后向听和多因素排序的教师目标构建机制、两阶段训练策略以及合法动作掩码推理机制，使模型不仅能够学习历史对局中的状态—动作映射关系，还能够在复杂规则、强约束、多路线并存的真实麻将博弈场景下输出更稳定、更精细的动作决策结果。与常规单标签监督训练相比，本发明在训练目标构建方式和决策结构建模方式上均具有明显差异。

1.一种基于多维规则特征与动态图局部交互融合的麻将ai对弈方法，其特征在于：包括以下步骤：

2.如权利要求1所述的一种基于多维规则特征与动态图局部交互融合的麻将ai对弈方法，其特征在于：步骤s1中，所述清洗预处理进一步包括：

3.如权利要求1所述的一种基于多维规则特征与动态图局部交互融合的麻将ai对弈方法，其特征在于，步骤s2中，构建多维状态特征张量进一步包括：

4.如权利要求1所述的一种基于多维规则特征与动态图局部交互融合的麻将ai对弈方法，其特征在于，步骤s3中，所述基于动态图注意力的局部牌张交互分支对候选牌张之间结构化关系进行动态建模进一步包括：

5.如权利要求4所述的一种基于多维规则特征与动态图局部交互融合的麻将ai对弈方法，其特征在于：步骤s3中，所述动态门控融合模块自适应融合全局与局部评分进一步包括：

6.如权利要求1所述的一种基于多维规则特征与动态图局部交互融合的麻将ai对弈方法，其特征在于，步骤s4中，构建教师目标进一步包括：

7.如权利要求1所述的一种基于多维规则特征与动态图局部交互融合的麻将ai对弈方法，其特征在于，步骤s5中，第二阶段微调训练进一步包括：

8.如权利要求1所述的一种基于多维规则特征与动态图局部交互融合的麻将ai对弈方法，其特征在于，步骤s6中，输出最终合法动作决策结果进一步包括：

9.一种存储介质，其特征在于：所述存储介质存储指令及数据用于实现权利要求1~8任一项所述的一种基于多维规则特征与动态图局部交互融合的麻将ai对弈方法。

10.一种基于多维规则特征与动态图局部交互融合的麻将ai对弈设备，其特征在于：包括：处理器及存储介质；所述处理器加载并执行存储介质中的指令及数据用于实现权利要求1~8任一项所述的一种基于多维规则特征与动态图局部交互融合的麻将ai对弈方法。