本发明公开了一种基于多目标优化与深度强化学习的游戏软件自动测试方法,步骤1、构建面向游戏场景的异常检测机制与游戏测试策略的评估指标;步骤2、进行游戏软件自动测试设计;步骤3、基于多目标优化算法,依据策略π的适应度值FitnessValue(π)衡量策略性能,选择优质后代,进一步提升游戏测试的效率与效果;策略群中的每个策略都拥有胜率以及探索能力两种性能指标;基于衡量结果,寻找处于帕累托最优平面上的测试策略作为优秀的测试策略进行保留,同时淘汰在两个优化目标上表现都不行的策略,以此实现更有效的测试策略优化。与现有技术相比,本发明有效地提高了游戏测试的效率以及效用,具有较大的实践应用意义。
声明:
“基于多目标优化与深度强化学习的游戏软件自动测试方法” 该技术专利(论文)所有权利归属于技术(论文)所有人。仅供学习研究,如用于商业用途,请联系该技术所有人。
我是此专利(论文)的发明人(作者)