基于人工智能的游戏特效场景生成方法及游戏云计算系统

技术领域

本申请涉及云游戏技术领域，具体而言，涉及一种基于人工智能的游戏特效场景生成方法及游戏云计算系统。

背景技术

当前，随着云计算技术的发展，云游戏逐渐成为游戏产业发展的一个重要部分，通过降低终端配置，将终端移植到云端的系统架构模式，原本用于运行高配置游戏的用户的终端设备将转移到云端服务器上，游戏终端设备只需接收并显示游戏画面即可，也就是说，用户进行云游戏时，游戏的运行过程在服务器上进行，服务器将游戏视频画面发送到客户端，客户端接收视频帧数据后进行显示。那么基于此，在云游戏的运行过程中，用户对于该云游戏的体验可以是该用户对云游戏渲染感知的主观感受情况。

经本申请发明人研究发现，相关技术中，在从某一场景贴图类别变换至另一场景贴图类别，云游戏的场景渲染流的渲染场景可以重新进行渲染配置，并且还需要另行调用别的游戏特效场景渲染网络，导致目标场景渲染流的渲染效果存在延迟，导致渲染效果不佳。

发明内容

为了至少克服现有技术中的上述不足，本申请的目的在于提供一种基于人工智能的游戏特效场景生成方法及游戏云计算系统。

第一方面，本申请提供一种基于人工智能的游戏特效场景生成方法，应用于游戏云计算系统，所述方法包括：

读取触发游戏特效场景生成指令的游戏基础特效数据的特效片段集；

基于游戏特效场景渲染网络对所述特效片段集进行场景渲染，获得携带目标渲染场景特征的场景渲染数据；所述游戏特效场景渲染网络，依据参考游戏基础特效数据的特效片段集和多个参考场景贴图类别的参考场景渲染流进行网络收敛配置的，该参考场景渲染流与该参考游戏基础特效数据存在关联，基于从各个渲染场景的参考场景渲染流获得的场景渲染数据渲染的携带参考渲染场景的场景渲染流；

基于所述游戏特效场景渲染网络对所述场景渲染数据进行融合，获得关联于多个不同参考场景贴图类别并且匹配所述目标渲染场景的目标场景渲染流；

基于关联于多个不同参考场景贴图类别并且匹配所述目标渲染场景的目标场景渲染流，对当前正在运行的云游戏中的渲染任务进行目标场景渲染流分配。

在第一方面的一种独立构思的实施例中，所述方法还包括：

获取当前正在运行的云游戏中的渲染任务所分配的目标场景渲染流，并基于每个所述目标场景渲染流对所述云游戏实时进行游戏画面帧生成并传输到对应的游戏云终端中进行在线显示；

获取所述游戏云终端在在线显示所述游戏画面帧的过程中所生成的游戏优化反馈数据；

根据所述游戏优化反馈数据，挖掘出所述云游戏中对应的游戏优化知识图谱以及所述游戏优化知识图谱对应的游戏优化知识点数据；

基于所述游戏优化知识图谱以及所述游戏优化知识图谱对应的游戏优化知识点数据对所述云游戏进行优化。

譬如，在第一方面的一种独立构思的实施例中，根据所述游戏优化反馈数据，挖掘出所述云游戏中对应的游戏优化知识图谱以及所述游戏优化知识图谱对应的游戏优化知识点数据的步骤，包括：

从所述游戏优化反馈数据中获取所述云游戏中的云游戏运行活动和至少两个游戏关键环节关联的多个参考优化流程，所述参考优化流程为实时游戏运行过程中对应游戏关键环节响应目标用户反馈的参考优化流程；

依据所述云游戏运行活动的运行逻辑场景状态，对所述至少两个游戏关键环节在所述多个参考优化流程上的游戏运行活动进行游戏模拟优化，获得所述至少两个游戏关键环节的多个模拟优化的游戏运行活动数据，所述模拟优化的游戏运行活动数据包括对应游戏关键环节在所述本次游戏模拟优化阶段任意一个节点所对应的运行活动数据；

依据所述多个模拟优化的游戏运行活动数据，获取所述多个参考优化流程关联的至少两个第一优化代价值，所述第一优化代价值代表在所述实时游戏运行过程中采用相应参考优化流程的各个游戏关键环节所进行运行活动优化的代价值；

如果所述至少两个第一优化代价值匹配预设状态，生成所述实时游戏运行过程中的所述多个参考优化流程，并基于所述多个参考优化流程确定所述云游戏中对应的游戏优化知识图谱以及所述游戏优化知识图谱对应的游戏优化知识点数据。

譬如，在第一方面的一种独立构思的实施例中，所述依据所述多个模拟优化的游戏运行活动数据，获取所述多个参考优化流程关联的至少两个第一优化代价值包括：

对所述多个参考优化流程中的每个参考优化流程，如果包含多个第一标的游戏关键环节从所述每个参考优化流程的优化触发位置进展到优化结束位置，依据所述多个第一标的游戏关键环节的模拟优化数据，确定所述多个第一标的游戏关键环节在所述每个参考优化流程上优化触发的第一优化代价均值；

将所述第一优化代价均值作为所述每个参考优化流程关联的第一优化代价值；

如果没有第一标的游戏关键环节从所述每个参考优化流程的优化触发位置进展到优化结束位置，依据进展到所述每个参考优化流程的多个第二标的游戏关键环节的模拟优化数据，确定所述每个参考优化流程中多个优化流程单元分别关联的单元优化代价值；

将所述多个优化流程单元分别关联的单元优化代价值的求和值，作为所述每个参考优化流程关联的第一优化代价值。

譬如，在第一方面的一种独立构思的实施例中，所述依据进展到所述每个参考优化流程的多个第二标的游戏关键环节的模拟优化数据，确定所述每个参考优化流程中多个优化流程单元分别关联的单元优化代价值包括：

针对所述每个参考优化流程中的优化流程单元，如果包含多个第二标的游戏关键环节从所述优化流程单元的优化触发位置进展到优化结束位置，依据所述多个第二标的游戏关键环节的模拟优化数据，确定所述多个第二标的游戏关键环节在所述优化流程单元上优化触发的第二优化代价均值；

将所述第二优化代价均值作为所述优化流程单元关联的单元优化代价值。

譬如，在第一方面的一种独立构思的实施例中，所述依据进展到所述每个参考优化流程的多个第二标的游戏关键环节的模拟优化数据，确定所述每个参考优化流程中多个优化流程单元分别关联的单元优化代价值包括：

针对所述每个参考优化流程中的优化流程单元，如果没有第二标的游戏关键环节进展到所述优化流程单元，确定所述优化流程单元的优化流程节点数量；

将所述优化流程单元的优化预计持续时间与所述优化流程节点数量的比值，作为所述优化流程单元关联的单元优化代价值。

譬如，在第一方面的一种独立构思的实施例中，所述依据进展到所述每个参考优化流程的多个第二标的游戏关键环节的模拟优化数据，确定所述每个参考优化流程中多个优化流程单元分别关联的单元优化代价值包括：

针对所述每个参考优化流程中的优化流程单元，如果包含多个第二标的游戏关键环节进展到所述优化流程单元中的部分优化流程单元，依据所述多个第二标的游戏关键环节的模拟优化数据，确定所述多个第二标的游戏关键环节在所述部分优化流程单元上优化触发的第三优化代价均值；

对所述优化流程单元中的剩余优化流程单元，获取所述剩余优化流程单元的优化预计持续时间除以所述剩余优化流程单元的优化流程节点数量计算获得的第一计算值；

将所述第三优化代价均值和所述第一计算值求和获得的第二计算值，作为所述优化流程单元关联的单元优化代价值。

譬如，在第一方面的一种独立构思的实施例中，所述预设状态包括所述至少两个第一优化代价值的优化代价值区别不大于预设区别值，所述优化代价值区别代表在同一参考优化流程上进展到的不同游戏关键环节各自的优化代价值的区别代价值。

譬如，在第一方面的一种独立构思的实施例中，所述优化代价值区别的获取过程包括：

获取所述多个参考优化流程分别关联的多个最小优化代价值，所述最小优化代价值是指采用相应参考优化流程的游戏关键环节所优化触发的优化代价值中的极小值；

获取所述至少两个第一优化代价值分别与对应的所述多个最小优化代价值之间的多个区别代价值；

将所述多个区别代价值的第一求和代价值除以所述多个最小优化代价值的第二求和代价值，获得所述优化代价值区别。

譬如，在第一方面的一种独立构思的实施例中，所述方法还包括：

如果所述至少两个第一优化代价值不匹配所述预设状态，依据所述至少两个第一优化代价值，对所述多个参考优化流程分别关联的多个第二优化代价值进行调整，获得多个调整的第二优化代价值，所述第二优化代价值代表优化对象依据过往游戏运行活动所确定的在对应参考优化流程上预计优化触发的代价值；

依据所述多个调整的第二优化代价值，为所述至少两个游戏关键环节部署下一轮模拟优化所对应的多个参考优化流程。

譬如，在第一方面的一种独立构思的实施例中，所述依据所述至少两个第一优化代价值，对所述多个参考优化流程分别关联的多个第二优化代价值进行调整，获得多个调整的第二优化代价值包括： 对所述多个参考优化流程中的每个参考优化流程，将第一权重值与所述每个参考优化流程对应的第一优化代价值加权，获得第三计算值； 将第二权重值与所述每个参考优化流程对应的第二优化代价值加权，获得第四计算值，所述第一权重值与所述第二权重值之和为1； 将所述第三计算值与所述第四计算值求和，获得所述每个参考优化流程对应的调整的第二优化代价值。

譬如，在第一方面的一种独立构思的实施例中，所述依据所述多个调整的第二优化代价值，为所述至少两个游戏关键环节部署下一轮模拟优化所对应的多个参考优化流程包括： 对所述至少两个游戏关键环节中的任一游戏关键环节，确定与所述任一游戏关键环节相对应的多个参考参考优化流程，所述目标参考优化流程的优化触发位置和优化结束位置分别与所述任一游戏关键环节的游戏运行活动的优化触发位置和游戏运行活动的优化结束位置相关联； 依据所述多个参考参考优化流程对应的多个调整的第二优化代价值，确定所述多个参考参考优化流程的多个支持置信度，所述支持置信度代表所述任一游戏关键环节部署配置对应目标参考优化流程以完成游戏运行活动的支撑度； 依据所述多个支持置信度，对所述多个参考参考优化流程进行抽样，获得所述任一游戏关键环节在所述下一轮模拟优化所对应的参考优化流程。

譬如，在第一方面的一种独立构思的实施例中，所述依据所述多个参考参考优化流程对应的多个调整的第二优化代价值，确定所述多个参考参考优化流程的多个支持置信度包括： 对所述多个参考参考优化流程中的任一目标参考优化流程，依据所述任一目标参考优化流程对应的调整的第二优化代价值，确定所述任一目标参考优化流程的支持度量值，所述支持度量值与对应的调整的第二优化代价值反向关联； 获取所述多个参考参考优化流程分别关联的多个支持度量值之间的第三求和代价值； 将所述任一目标参考优化流程的支持度量值在所述第三求和代价值中的比例，作为所述任一目标参考优化流程的支持置信度。

第二方面，本申请实施例还提供一种基于人工智能的游戏特效场景生成系统，所述基于人工智能的游戏特效场景生成系统包括游戏云计算系统以及与所述游戏云计算系统通信连接的多个电子商务服务系统；

所述游戏云计算系统，用于：

读取触发游戏特效场景生成指令的游戏基础特效数据的特效片段集；

基于游戏特效场景渲染网络对所述特效片段集进行场景渲染，获得携带目标渲染场景特征的场景渲染数据；所述游戏特效场景渲染网络，依据参考游戏基础特效数据的特效片段集和多个参考场景贴图类别的参考场景渲染流进行网络收敛配置的，该参考场景渲染流与该参考游戏基础特效数据存在关联，基于从各个渲染场景的参考场景渲染流获得的场景渲染数据渲染的携带参考渲染场景的场景渲染流；

基于所述游戏特效场景渲染网络对所述场景渲染数据进行融合，获得关联于多个不同参考场景贴图类别并且匹配所述目标渲染场景的目标场景渲染流；

基于关联于多个不同参考场景贴图类别并且匹配所述目标渲染场景的目标场景渲染流，对当前正在运行的云游戏中的渲染任务进行目标场景渲染流分配。

根据以上方面，从不同渲染场景的参考场景渲染流提取场景渲染数据，并基于提取的场景渲染数据生成携带参考渲染场景的多个参考场景贴图类别的参考场景渲染流，基于该参考游戏基础特效数据的特效片段集和与该参考游戏基础特效数据存在关联的携带参考渲染场景的参考场景渲染流，对游戏特效场景渲染网络进行网络收敛配置，由此不需要基于不同参考场景贴图类别不同渲染场景的参考场景渲染流配置不同的游戏特效场景渲染网络，提高网络收敛速度。并且，基于收敛的游戏特效场景渲染网络对触发游戏特效场景生成指令的游戏基础特效数据的特效片段集进行场景渲染，获得携带目标渲染场景特征的场景渲染数据，然后基于该收敛的游戏特效场景渲染网络对场景渲染数据进行融合，获得目标渲染场景的多个参考场景贴图类别的目标场景渲染流，这样在从某一场景贴图类别变换至另一场景贴图类别，其目标场景渲染流的渲染场景可以无需重新渲染配置，同时无需另行调用别的游戏特效场景渲染网络，可以提高目标场景渲染流的渲染效果。

此外，从不同渲染场景的参考场景渲染流中进行场景渲染数据提取，并基于提取的参考场景渲染数据生成携带参考渲染场景且不同参考场景贴图类别的参考场景渲染流，基于该参考游戏基础特效数据的特效片段集和与该参考游戏基础特效数据存在关联的携带参考渲染场景且不同参考场景贴图类别的参考场景渲染流，对游戏特效场景渲染网络进行网络收敛配置，由此获得用于合成携带参考渲染场景且不同参考场景贴图类别的游戏特效场景渲染网络，由此不需要基于不同参考场景贴图类别不同渲染场景的参考场景渲染流配置不同的游戏特效场景渲染网络，从而提高网络收敛速度。

附图说明

图1为本申请实施例提供的基于人工智能的游戏特效场景生成系统的架构示意图；

图2为本申请实施例提供的基于人工智能的游戏特效场景生成方法的流程示意图；

图3为本申请实施例提供的用于实现上述的基于人工智能的游戏特效场景生成方法的游戏云计算系统的结构示意框图。

具体实施方式

图1是本申请一种实施例提供的基于人工智能的游戏特效场景生成系统10的架构示意图。基于人工智能的游戏特效场景生成系统10可以包括游戏云计算系统100以及与游戏云计算系统100通信连接的电子商务服务系统200。图1所示的基于人工智能的游戏特效场景生成系统10仅为一种可行的示例，在其它可行的实施例中，该基于人工智能的游戏特效场景生成系统10也可以仅包括图1所示组成部分的其中的至少部分或者还可以包括其它的组成部分。

一种基于独立构思的实施例中，基于人工智能的游戏特效场景生成系统10中的游戏云计算系统100和电子商务服务系统200可以通过配合执行以下方法实施例所描述的基于人工智能的游戏特效场景生成方法，具体游戏云计算系统100和电子商务服务系统200的执行步骤部分可以参照以下方法实施例的详细描述。

步骤S110，读取触发游戏特效场景生成指令的游戏基础特效数据的特效片段集。

本实施例中，触发游戏特效场景生成指令的游戏基础特效数据可以表示用于渲染生成对应的目标场景渲染流的游戏基础特效数据，该触发游戏特效场景生成指令的游戏基础特效数据可以是一段NPC对话特效数据，或者NPC对话过程中的某个任务特效数据等，具体不作限定。

本实施例中，该特效片段可以是指触发游戏特效场景生成指令的游戏基础特效数据中某个基础图层单元的播放特效片段。对应地，特效片段集可以是指多个特效片段构成的集合。

一种可能的设计思路中，可通过获取所要目标场景渲染流的游戏基础特效数据（即触发游戏特效场景生成指令的游戏基础特效数据），然后对该触发游戏特效场景生成指令的游戏基础特效数据进行游戏基础特效数据解析，如对该触发游戏特效场景生成指令的游戏基础特效数据进行特效骨骼点提取，然后对特效骨骼点提取所得的多个触发游戏特效场景生成指令的特效骨骼点和/或触发游戏特效场景生成指令的特效模型进行特效生成，由此获得每个特效骨骼点和/或触发游戏特效场景生成指令的特效模型的特效片段，对所述特效片段进行聚合得到特效片段集。

步骤S120，基于游戏特效场景渲染网络对特效片段集进行场景渲染，获得携带目标渲染场景特征的场景渲染数据。

其中，游戏特效场景渲染网络依据参考游戏基础特效数据的特效片段集和多个参考场景贴图类别的参考场景渲染流进行网络收敛配置的，参考场景渲染流与参考游戏基础特效数据存在关联，基于从各个渲染场景的参考场景渲染流获得的场景渲染数据渲染的携带参考渲染场景的场景渲染流，从而特效片段集输入到游戏特效场景渲染网络之后，可以得到多个参考场景贴图类别的场景渲染数据，每个场景渲染数据中均包括目标渲染场景特征。此外，该游戏特效场景渲染网络可以包括场景渲染网络层和场景渲染优化层。携带参考渲染场景的参考场景渲染流可以是指具有目标候选渲染项目的渲染场景特征的参考场景渲染流。

该参考场景渲染流基于从各个渲染场景的参考场景渲染流获得的场景渲染数据渲染的场景渲染流，例如从不同场景贴图类别的参考场景渲染流中提取场景渲染数据，然后依据提取的场景渲染数据生成携带参考渲染场景并且匹配于多个不同参考场景贴图类别的参考场景渲染流。

参考场景贴图类别可以是指将触发游戏特效场景生成指令的游戏基础特效数据生成实际需求所待定的场景贴图类别，针对网络收敛配置过程中，可以使用多个参考场景贴图类别的参考场景渲染流和对应参考游戏基础特效数据的特效片段集对游戏特效场景渲染网络进行网络收敛配置，从而可以得到实际需求所待定场景贴图类别的用于目标场景渲染流的游戏特效场景渲染网络。例如，游戏特效场景渲染网络完成收敛配置后，可以基于该游戏特效场景渲染网络将触发游戏特效场景生成指令的游戏基础特效数据生成为动态贴图目标场景渲染流，和/或静态贴图目标场景渲染流等，进而进行场景渲染流的生成。

一种可能的设计思路中，步骤S120例如可以包括：将特效片段集进行场景渲染数据仿真，并在仿真过程中添加目标候选渲染项目的渲染场景信息（如目标渲染场景特征），获得携带目标渲染场景特征的场景渲染数据。其中，场景渲染数据可以是场景渲染图层数据。

步骤S130，基于所述游戏特效场景渲染网络对所述场景渲染数据进行融合，获得关联于多个不同参考场景贴图类别并且匹配所述目标渲染场景的目标场景渲染流。

步骤S140，基于关联于多个不同参考场景贴图类别并且匹配所述目标渲染场景的目标场景渲染流，对当前正在运行的云游戏中的渲染任务进行目标场景渲染流分配。

其中，关联于多个不同参考场景贴图类别并且匹配所述目标渲染场景的目标场景渲染流可以是指：一个或多个参考场景贴图类别的目标场景渲染流，且该目标场景渲染流对应于同一种目标渲染场景。如得到某个目标渲染场景的动态贴图目标场景渲染流、静态贴图目标场景渲染流等。

基于以上步骤，本实施例从不同渲染场景的参考场景渲染流提取场景渲染数据，并基于提取的场景渲染数据生成携带参考渲染场景的多个参考场景贴图类别的参考场景渲染流，根据该参考游戏基础特效数据的特效片段集和与该参考游戏基础特效数据存在关联的携带参考渲染场景且不同参考场景贴图类别的参考场景渲染流，对游戏特效场景渲染网络进行网络收敛配置，由此不需要基于不同参考场景贴图类别不同渲染场景的参考场景渲染流配置不同的游戏特效场景渲染网络，提高网络收敛速度。并且，基于收敛的游戏特效场景渲染网络对触发游戏特效场景生成指令的游戏基础特效数据的特效片段集进行场景渲染，获得携带目标渲染场景特征的场景渲染数据，然后基于该收敛的游戏特效场景渲染网络对场景渲染数据进行融合，获得目标渲染场景的多个参考场景贴图类别的目标场景渲染流，这样在从某一场景贴图类别变换至另一场景贴图类别，其目标场景渲染流的渲染场景可以无需重新渲染配置，同时无需另行调用别的游戏特效场景渲染网络，可以提高目标场景渲染流的渲染效果。

一种可能的设计思路中，步骤S120例如可以通过以下示例性的步骤实现。

步骤S122，基于游戏特效场景渲染网络对特效片段集进行特效骨骼点解析，获得特效骨骼点分布。

其中，特效骨骼点分布可以是指每个特效骨骼点在触发游戏特效场景生成指令的游戏基础特效数据中的位置分布特征。特效片段集包括对该游戏基础特效数据中每个特效骨骼点进行特效片段仿真所得的特效骨骼点特效片段。

一种可能的设计思路中，步骤S122例如实现方式如下：基于场景渲染网络层中的骨骼点解析单元对特效片段集中的每个特效骨骼点特效片段进行骨骼点解析，获得携带特效骨骼点分布的骨骼点解析特征。例如，假设特效片段集为[i1，i2，...，iU]，将该特效片段集输入至骨骼点解析单元，骨骼点解析单元对输入的特效片段集[i1，i2，...，iU]进行骨骼点解析，获得携带特效骨骼点分布的骨骼点解析特征[j1，j2，...，jU]。

步骤S124，依据目标候选渲染项目的目标渲染场景特征对特效骨骼点分布进行场景渲染，获得多个参考场景贴图类别的包括目标渲染场景特征的场景渲染数据。

其中，目标渲染场景特征是游戏特效场景渲染网络针对网络训练任务流程中所学习的目标候选渲染项目的渲染场景特征。

一种可能的设计思路中，步骤S124例如实现方式如下：终端基于场景渲染网络层中的场景渲染单元，依据目标候选渲染项目的目标渲染场景特征对骨骼点解析特征进行场景渲染，获得多个参考场景贴图类别的包括目标渲染场景特征的场景渲染数据。

一种可能的设计思路中，上述依据目标候选渲染项目的目标渲染场景特征对骨骼点解析特征进行场景渲染的步骤，例如实现方式如下：终端基于场景渲染网络层中的骨骼联动处理单元，确定骨骼点解析特征中每个特效骨骼点的骨骼联动参数；其中，每个特效骨骼点在游戏基础特效数据中的骨骼联动参数存在区别；按照骨骼联动参数对骨骼点解析特征中与每个特效骨骼点对应的骨骼点解析特征进行骨骼联动绑定，获得骨骼点联动解析特征；依据目标候选渲染项目的目标渲染场景特征对骨骼点联动解析特征进行场景渲染。

其中，骨骼联动处理单元可以用于确定场景渲染单元所联动的骨骼点解析特征中的骨骼点成员（即骨骼点解析特征），对于存在联动关系的骨骼点成员进行骨骼联动绑定。

此外，在获得场景渲染数据之后，该方法还可以包括以下步骤：

步骤S126，基于游戏特效场景渲染网络对场景渲染数据进行融合，获得关联于多个不同参考场景贴图类别并且匹配所述目标渲染场景的目标场景渲染流。

其中，步骤S126的详细实现方式可以参照前述的步骤S130。

步骤S128，基于关联于多个不同参考场景贴图类别并且匹配所述目标渲染场景的目标场景渲染流，对当前正在运行的云游戏中的渲染任务进行目标场景渲染流分配。

例如，游戏云计算系统在获得关联于多个不同参考场景贴图类别并且匹配所述目标渲染场景的目标场景渲染流后，针对当前正在运行的云游戏中的渲染任务，确定与该渲染任务中的目标场景贴图类别相关联的目标场景渲染流，而后进行游戏渲染流展示。

基于以上步骤，基于游戏特效场景渲染网络可以将触发游戏特效场景生成指令的游戏基础特效数据的特效片段集仿真为包含目标渲染场景特征的场景渲染数据，由此将该场景渲染数据进行融合得到携带参考渲染场景的多个参考场景贴图类别的目标场景渲染流，可以规避不同参考场景贴图类别的目标场景渲染流的渲染场景不匹配的情况。此外，通过场景渲染网络层中的骨骼点解析单元和场景渲染单元对特效片段集进行场景渲染得到场景渲染数据，同时在场景渲染中，骨骼联动处理单元可以计算骨骼点解析单元每次针对骨骼点解析特征的骨骼联动部分，进而提高场景渲染数据的流畅性。

一种可能的设计思路中，在前述实施例之前，可以对游戏特效场景渲染网络进行网络收敛配置，并在完成收敛配置后，将配置到游戏云计算系统中，游戏特效场景渲染网络的训练步骤例如实现方式如下：

步骤S202，分别对多个参考场景贴图类别的参考场景渲染流进行场景渲染数据提取，获得参考场景渲染数据。

其中，参考场景渲染流可以是指不同候选渲染项目所配置的场景渲染流，不同候选渲染项目所配置的场景渲染流，其场景贴图类别和渲染场景均不同。上述不同候选渲染项目包括目标候选渲染项目和其它候选渲染项目，而目标候选渲染项目可以是指所需渲染场景的候选渲染项目，如在进行融合时，需要某个地图A的渲染场景，则该地图A即为目标候选渲染项目。参考场景渲染数据可以是包含目标候选渲染项目的目标渲染项目信息的场景渲染图层数据。

一种可能的设计思路中，在获得多个参考场景贴图类别的参考场景渲染流后，从该参考场景渲染流中提取图层渲染流参数，根据图层渲染流参数确定参考场景渲染流的参考特效骨骼点分布；对参考特效骨骼点分布进行场景渲染，获得场景渲染图层数据。

步骤S204，基于参考场景渲染数据生成多个参考场景贴图类别的携带参考渲染场景的参考场景渲染流。

步骤S206，当从与参考场景渲染流对应的参考游戏基础特效数据中获得参考特效片段集的条件下，基于游戏特效场景渲染网络对参考特效片段集进行场景渲染，获得携带目标渲染场景特征的参考场景渲染数据。

步骤S208，基于游戏特效场景渲染网络对参考场景渲染数据进行融合，获得多个参考场景贴图类别的且携带参考渲染场景的推定场景渲染流。

步骤S210，依据推定场景渲染流与参考场景渲染流之间的渲染代价值，对游戏特效场景渲染网络的权重信息进行优化。

上述步骤S206~步骤S210为游戏特效场景渲染网络的网络收敛配置阶段，可以将所有参考场景渲染流作为网络收敛数据集合对游戏特效场景渲染网络进行网络收敛配置，还可以分两个分支对该游戏特效场景渲染网络进行网络收敛配置，其中：分支1，依据目标候选渲染项目所对应的参考场景渲染流作为参考场景渲染流进行网络收敛配置，当训练完成后进入分支2的网络收敛配置；分支2，利用渲染的携带参考渲染场景（即目标候选渲染项目的渲染场景）的参考场景渲染流继续对游戏特效场景渲染网络进行网络收敛配置。

下述实施例将针对以上两个分支进行详细描述：

分支1，基于目标候选渲染项目发出的参考场景渲染流作为参考场景渲染流进行网络收敛配置。

一种可能的设计思路中，参考场景贴图类别包括目标候选渲染项目发出相应参考场景渲染流的第一参考场景贴图类别，因此参考特效片段集包括第一参考场景贴图类别关联的第一参考特效片段集。步骤S206例如实现方式如下：终端基于游戏特效场景渲染网络对第一参考特效片段集进行场景渲染，获得携带目标渲染场景特征的第一参考场景渲染数据；步骤S208例如实现方式如下：终端基于游戏特效场景渲染网络对第一参考场景渲染数据进行融合，获得携带参考渲染场景的第一参考场景贴图类别的场景渲染流；步骤S210例如实现方式如下：终端依据所述第一参考场景贴图类别的场景渲染流与参考场景渲染流之间的第一渲染代价值，对游戏特效场景渲染网络的权重信息进行优化，直至游戏特效场景渲染网络收敛。

由此获得第一渲染代价值后，可以将第一渲染代价值在游戏特效场景渲染网络中反向传播，从而得到游戏特效场景渲染网络中每个权重信息的梯度值，基于该梯度值对游戏特效场景渲染网络中每个权重信息进行优化。

分支2，利用渲染的携带参考渲染场景的参考场景渲染流继续对游戏特效场景渲染网络进行网络收敛配置。

一种可能的设计思路中，参考场景贴图类别包括其它不同场景贴图类别候选渲染项目发出相应参考场景渲染流的第二参考场景贴图类别，参考特效片段集包括第二参考场景贴图类别关联的第二参考特效片段集；步骤S206例如实现方式如下：在依据第一渲染代价值优化游戏特效场景渲染网络的权重信息满足预设终止条件的情况下，基于游戏特效场景渲染网络对第二参考特效片段集进行场景渲染，获得携带目标渲染场景特征的第二参考场景渲染数据；步骤S208例如实现方式如下：基于游戏特效场景渲染网络对第二参考场景渲染数据进行融合，获得携带参考渲染场景的第二参考场景贴图类别的场景渲染流；步骤S210例如实现方式如下：终端基于第二参考场景贴图类别的场景渲染流与参考场景渲染流之间的第二渲染代价值，对游戏特效场景渲染网络的权重信息进行优化，直至游戏特效场景渲染网络的网络收敛配置，从而完成第二分支的训练，获得最终的游戏特效场景渲染网络。

获得前述的第二渲染代价值后，可以将第二渲染代价值在游戏特效场景渲染网络中反向传播，从而得到游戏特效场景渲染网络中每个权重信息的梯度值，基于该梯度值对游戏特效场景渲染网络中每个权重信息进行优化。

基于以上设计，从不同渲染场景的参考场景渲染流中进行场景渲染数据提取，并依据该参考场景渲染数据生成携带参考渲染场景且不同参考场景贴图类别的参考场景渲染流，根据该参考游戏基础特效数据的特效片段集和与该参考游戏基础特效数据存在关联的携带参考渲染场景且不同参考场景贴图类别的参考场景渲染流，对游戏特效场景渲染网络进行网络收敛配置，由此获得用于渲染生成携带参考渲染场景且不同参考场景贴图类别的游戏特效场景渲染网络，由此不需要基于不同参考场景贴图类别不同渲染场景的参考场景渲染流配置不同的游戏特效场景渲染网络，从而提高网络收敛速度。

一种可能的设计思路中，针对游戏特效场景渲染网络的网络收敛配置，在前述实施例的基础上，还可以单独对游戏特效场景渲染网络中的场景渲染网络层和场景渲染优化层进行网络收敛配置，例如实现方式如下：

步骤S302，分别对多个参考场景贴图类别的参考场景渲染流进行场景渲染数据提取，获得参考场景渲染数据。

其中，各参考场景渲染流之间的渲染场景存在区别。

步骤S304，基于参考场景渲染数据生成多个参考场景贴图类别的携带参考渲染场景的参考场景渲染流。

步骤S306，当从与参考场景渲染流对应的参考游戏基础特效数据中获得参考特效片段集的条件下，基于场景渲染网络层对参考特效片段集进行场景渲染，获得携带目标渲染场景特征的参考场景渲染数据。

其中，上述步骤S302~步骤S306的详细实现方式，可以参见前述实施例的步骤S202~步骤S206。

步骤S308，基于参考场景渲染数据和从参考场景渲染流中提取的场景渲染数据之间的渲染代价值，对场景渲染网络层进行权重优化。

一种可能的设计思路中，在得到渲染代价值后，终端将渲染代价值在场景渲染网络层中反向传播，从而得到场景渲染网络层中每个权重信息的梯度值，基于该梯度值对场景渲染网络层中每个权重信息进行优化，直至场景渲染网络层收敛。

在对场景渲染网络层进行网络收敛配置的过程中，游戏云计算系统还可以对场景渲染优化层进行网络收敛配置，例如可以是：在参考场景渲染流中进行场景渲染数据提取，获得目标场景渲染数据；基于场景渲染优化层对目标场景渲染数据进行融合，获得不同参考场景贴图类别的目标推定场景渲染流，该目标推定场景渲染流携带参考渲染场景；基于目标推定场景渲染流和参考场景渲染流之间的渲染代价值，对场景渲染优化层进行权重优化。

基于以上设计，从不同渲染场景的参考场景渲染流中进行场景渲染数据提取，并基于提取的参考场景渲染数据生成携带参考渲染场景且不同参考场景贴图类别的参考场景渲染流，根据该参考游戏基础特效数据的特效片段集和与该参考游戏基础特效数据存在关联的携带参考渲染场景且不同参考场景贴图类别的参考场景渲染流，对场景渲染网络层进行网络收敛配置；此外，在参考场景渲染流中进行场景渲染数据提取得到目标场景渲染数据，基于目标场景渲染数据和参考场景渲染流对场景渲染优化层进行网络收敛配置，由此获得用于渲染生成携带参考渲染场景且不同参考场景贴图类别的游戏特效场景渲染网络（该游戏特效场景渲染网络包括收敛的场景渲染网络层和场景渲染优化层），由此不需要基于不同参考场景贴图类别不同渲染场景的参考场景渲染流配置不同的游戏特效场景渲染网络，从而提高网络收敛速度。

一种可能的设计思路中，本申请实施例提供了一种基于人工智能的游戏特效场景渲染网络训练方法，包括以下步骤：

步骤S402，分别对多个参考场景贴图类别的参考场景渲染流进行场景渲染数据提取，获得参考场景渲染数据。

其中，各参考场景渲染流之间的渲染场景存在区别。

一种可能的设计思路中，参考场景渲染数据包括场景渲染图层数据；步骤S402例如可以是：分别从多个参考场景贴图类别的参考场景渲染流中提取图层渲染流参数；根据图层渲染流参数确定参考场景渲染流的参考特效骨骼点分布，参考特效骨骼点分布被配置为表达参考场景渲染流中每个场景渲染流单元关联于目标特效片段的关联参数；对参考特效骨骼点分布进行场景渲染，获得场景渲染图层数据。

步骤S404，基于参考场景渲染数据生成多个参考场景贴图类别的且携带参考渲染场景的参考场景渲染流。

步骤S406，当从与参考场景渲染流对应的参考游戏基础特效数据中获得参考特效片段集的条件下，基于游戏特效场景渲染网络对参考特效片段集进行场景渲染，获得携带目标渲染场景特征的参考场景渲染数据。

步骤S408，基于游戏特效场景渲染网络对参考场景渲染数据进行融合，获得多个参考场景贴图类别的推定场景渲染流，推定场景渲染流携带参考渲染场景信息对应的目标渲染场景。

步骤S410，依据推定场景渲染流与参考场景渲染流之间的渲染代价值，对游戏特效场景渲染网络的权重信息进行优化。

上述步骤S402~步骤S410的详细实现方式，可参照前述步骤S202~步骤S210，和前述步骤S302~步骤S308。

基于以上设计，从不同渲染场景的参考场景渲染流中进行场景渲染数据提取，并依据该参考场景渲染数据生成携带参考渲染场景且不同参考场景贴图类别的参考场景渲染流，根据该参考游戏基础特效数据的特效片段集和与该参考游戏基础特效数据存在关联的携带参考渲染场景且不同参考场景贴图类别的参考场景渲染流，对游戏特效场景渲染网络进行网络收敛配置，由此获得用于渲染生成携带参考渲染场景且不同参考场景贴图类别的游戏特效场景渲染网络，由此不需要基于不同参考场景贴图类别不同渲染场景的参考场景渲染流配置不同的游戏特效场景渲染网络，从而提高网络收敛速度。

一种可基于独立构思的实施例中，在以上描述的基础上，本申请实施例还提供一种基于游戏大数据反馈的云游戏优化方法，包括以下步骤。

步骤R110，获取当前正在运行的云游戏中的渲染任务所分配的目标场景渲染流，并基于每个所述目标场景渲染流对所述云游戏实时进行游戏画面帧生成并传输到对应的游戏云终端中进行在线显示。

本实施例中，对于正在运行的云游戏，可以基于多个在线玩家在游戏过程中触发的渲染任务（如技能特效渲染任务、人物模型渲染任务、场景模型渲染任务等）分配对应的目标场景渲染流，从而可以基于每个所述目标场景渲染流对所述云游戏实时进行游戏画面帧生成并传输到对应的游戏云终端中进行在线显示，以便于在显示过程中使得相关的在线玩家能够继续进行游戏。

步骤R120，获取所述游戏云终端在在线显示所述游戏画面帧的过程中所生成的游戏优化反馈数据。

本实施例中，在线玩家在游戏过程中，可能会当前运行的云游戏产生多个游戏优化反馈数据，这些游戏优化反馈数据可以用于表征在线玩家在游戏过程中产生的反馈行为，例如针对当前的某个云游戏运行活动执行的反馈行为，该反馈行为可以关联有相关的至少两个游戏关键环节关联的多个参考优化流程。

步骤R130，根据所述游戏优化反馈数据，挖掘出所述云游戏中对应的游戏优化知识图谱以及所述游戏优化知识图谱对应的游戏优化知识点数据。

本实施例中，游戏优化知识图谱可以用于表征多个参考优化流程以及多个参考优化流程之间的流程关联属性，在此基础上，游戏优化知识点数据可以用于表征每个参考优化流程的具体优化内容数据。

步骤R140，基于所述游戏优化知识图谱以及所述游戏优化知识图谱对应的游戏优化知识点数据对所述云游戏进行优化。

本实施例中，在确定所述游戏优化知识图谱以及所述游戏优化知识图谱对应的游戏优化知识点数据后，即可针对性地对所述云游戏进行优化。例如，可以获取所述游戏优化知识图谱对应的游戏优化知识点数据相关的开发优化插件对所述云游戏进行优化，该开发优化插件可以由相关的开发人员针对性开发后上传到游戏云计算系统中。

基于以上步骤，本实施例通过获取当前正在运行的云游戏中的渲染任务所分配的目标场景渲染流，并基于每个目标场景渲染流对云游戏实时进行游戏画面帧生成并传输到对应的游戏云终端中进行在线显示，获取游戏云终端在在线显示游戏画面帧的过程中所生成的游戏优化反馈数据，根据游戏优化反馈数据，挖掘出云游戏中对应的游戏优化知识图谱以及游戏优化知识图谱对应的游戏优化知识点数据，基于游戏优化知识图谱以及游戏优化知识图谱对应的游戏优化知识点数据对云游戏进行优化。如此，能够不断基于相关的游戏优化反馈数据进行知识挖掘，进而针对性对云游戏进行优化，从而提高云游戏的渲染效果。

一种可基于独立构思的实施例中，在以上描述的基础上，针对步骤R130，本申请实施例还提供一种基于游戏大数据反馈的云游戏优化方法，包括以下步骤。

步骤W110，从所述游戏优化反馈数据中获取云游戏运行活动和至少两个游戏关键环节关联的多个参考优化流程，该参考优化流程为实时游戏运行过程中对应游戏关键环节响应目标用户反馈的参考优化流程。

一种可基于独立构思的实施例中，游戏云计算系统从所述游戏优化反馈数据中获取游戏关键环节的游戏运行活动信息和云游戏运行活动，该游戏关键环节的游戏运行活动信息用于描述每个游戏关键环节的游戏运行活动的活动具体信息，该云游戏运行活动用于表征本轮模拟优化所针对的某个云游戏事件，例如游戏对战活动事件。

其中，该游戏关键环节的游戏运行活动信息至少包括：参与游戏模拟优化的该至少两个游戏关键环节各自游戏运行活动的触发节点（即参考优化流程的优化触发位置）、结束节点（即参考优化流程的优化结束位置）以及触发业务位置等。

步骤W120，游戏云计算系统依据该云游戏运行活动的运行逻辑场景状态，对该至少两个游戏关键环节在该多个参考优化流程上的游戏运行活动进行游戏模拟优化，获得该至少两个游戏关键环节的多个模拟优化的游戏运行活动数据，该模拟优化的游戏运行活动数据包括对应游戏关键环节在该本次游戏模拟优化阶段任意一个节点所对应的运行活动数据。

一种可基于独立构思的实施例中，对该至少两个游戏关键环节中的每个游戏关键环节，游戏云计算系统可以模拟生成本游戏关键环节在对应的触发业务位置从游戏运行活动的优化触发位置开始，并依照对应的参考优化流程进行模拟优化，直到进展到游戏运行活动的优化结束位置或者模拟终止。以上模拟优化流程是依据云游戏运行活动的运行逻辑场景所运行的。

步骤W130，游戏云计算系统依据所述多个模拟优化的游戏运行活动数据，获取该多个参考优化流程关联的至少两个第一优化代价值，该第一优化代价值代表在该实时游戏运行过程中采用相应参考优化流程的各个游戏关键环节所进行运行活动优化的代价值。

一种可基于独立构思的实施例中，对该多个参考优化流程中的每一个参考优化流程，都可以基于在实时游戏运行过程中进展到了本个参考优化流程的各个游戏关键环节的模拟优化的游戏运行活动数据，来获取本个参考优化流程关联的第一优化代价值。

步骤W140，如果该至少两个第一优化代价值匹配预设状态，游戏云计算系统生成该实时游戏运行过程中的该多个参考优化流程，并基于所述多个参考优化流程确定所述云游戏中对应的游戏优化知识图谱以及所述游戏优化知识图谱对应的游戏优化知识点数据。

一种可基于独立构思的实施例中，游戏云计算系统在确定该至少两个第一优化代价值是否匹配预设状态时，可以获取该至少两个第一优化代价值的优化代价值区别；如果该至少两个第一优化代价值的优化代价值区别不大于预设区别值，确定该该至少两个第一优化代价值匹配该预设状态，该优化代价值区别代表在同一参考优化流程上进展到的不同游戏关键环节各自的优化代价值的区别代价值。

也就是说，该预设状态为该多个参考优化流程分别关联的至少两个第一优化代价值的优化代价值区别不大于预设区别值。当优化代价值区别不大于预设区别值时，可以认为不同游戏关键环节在同一参考优化流程上进展到所优化触发的优化代价值的区别代价值较小进而收敛，从而确定该至少两个第一优化代价值匹配预设状态，生成实时游戏运行过程中的该多个参考优化流。

如此设计，本实施例通过获取优化代价值区别，并在优化代价值区别不大于预设区别值时，确定该至少两个第一优化代价值匹配预设状态并生成本轮模拟优化的该多个参考优化流程，相当于不同游戏关键环节在同一参考优化流程上进展到所优化触发的优化代价值的区别代价值收敛时，停止对参考优化流程的模拟优化，并生成实时游戏运行过程中确定的该多个参考优化流程，能够提高参考优化流程部署的精度。

如此，通过确定云游戏运行活动和每个游戏关键环节各自的参考优化流程之后，依据云游戏运行活动来配置运行逻辑场景，并对每个游戏关键环节在对应参考优化流程上的游戏运行活动进行游戏模拟优化，并且无论游戏关键环节是否在模拟优化计划中全部进展到了对应的参考优化流程，都可准确获得第一优化代价值，在各个第一优化代价值匹配预设状态时，生成本轮模拟优化的各个参考优化流程作为参考优化流程部署信息，从而可以参考优化流程的部署过程中设置各个不同的云游戏运行活动，依据不同的云游戏运行活动部署不同的运行逻辑场景，保证了参考优化流程部署信息可以匹配于云游戏运行活动，从而模拟输出云游戏运行活动对参考优化流程的部署产生的影响信息，提高模拟优化过程中的可靠性。

一种可基于独立构思的实施例中，依据所述多个模拟优化的游戏运行活动数据，获取所述多个参考优化流程关联的至少两个第一优化代价值的过程中，可以对所述多个参考优化流程中的每个参考优化流程，如果包含多个第一标的游戏关键环节从所述每个参考优化流程的优化触发位置进展到优化结束位置，依据所述多个第一标的游戏关键环节的模拟优化数据，确定所述多个第一标的游戏关键环节在所述每个参考优化流程上优化触发的第一优化代价均值。然后，将所述第一优化代价均值作为所述每个参考优化流程关联的第一优化代价值。

此外，如果没有第一标的游戏关键环节从所述每个参考优化流程的优化触发位置进展到优化结束位置，依据进展到所述每个参考优化流程的多个第二标的游戏关键环节的模拟优化数据，确定所述每个参考优化流程中多个优化流程单元分别关联的单元优化代价值，然后将所述多个优化流程单元分别关联的单元优化代价值的求和值，作为所述每个参考优化流程关联的第一优化代价值。

一种可基于独立构思的实施例中，依据进展到所述每个参考优化流程的多个第二标的游戏关键环节的模拟优化数据，确定所述每个参考优化流程中多个优化流程单元分别关联的单元优化代价值的过程中，可以针对所述每个参考优化流程中的优化流程单元，如果包含多个第二标的游戏关键环节从所述优化流程单元的优化触发位置进展到优化结束位置，依据所述多个第二标的游戏关键环节的模拟优化数据，确定所述多个第二标的游戏关键环节在所述优化流程单元上优化触发的第二优化代价均值，从而将所述第二优化代价均值作为所述优化流程单元关联的单元优化代价值。

此外，另一种可基于独立构思的实施例中，在依据进展到所述每个参考优化流程的多个第二标的游戏关键环节的模拟优化数据，确定所述每个参考优化流程中多个优化流程单元分别关联的单元优化代价值的过程中，可以针对所述每个参考优化流程中的优化流程单元，如果没有第二标的游戏关键环节进展到所述优化流程单元，确定所述优化流程单元的优化流程节点数量，将所述优化流程单元的优化预计持续时间与所述优化流程节点数量的比值，作为所述优化流程单元关联的单元优化代价值。

此外，另一种可基于独立构思的实施例中，在依据进展到所述每个参考优化流程的多个第二标的游戏关键环节的模拟优化数据，确定所述每个参考优化流程中多个优化流程单元分别关联的单元优化代价值的过程中，可以针对所述每个参考优化流程中的优化流程单元，如果包含多个第二标的游戏关键环节进展到所述优化流程单元中的部分优化流程单元，依据所述多个第二标的游戏关键环节的模拟优化数据，确定所述多个第二标的游戏关键环节在所述部分优化流程单元上优化触发的第三优化代价均值，对所述优化流程单元中的剩余优化流程单元，获取所述剩余优化流程单元的优化预计持续时间除以所述剩余优化流程单元的优化流程节点数量计算获得的第一计算值，将所述第三优化代价均值和所述第一计算值求和获得的第二计算值，作为所述优化流程单元关联的单元优化代价值。

一种可基于独立构思的实施例中，前述的预设状态可以包括所述至少两个第一优化代价值的优化代价值区别不大于预设区别值，所述优化代价值区别代表在同一参考优化流程上进展到的不同游戏关键环节各自的优化代价值的区别代价值。

一种可基于独立构思的实施例中，前述优化代价值区别的获取过程包括：

（1）获取所述多个参考优化流程分别关联的多个最小优化代价值，所述最小优化代价值是指采用相应参考优化流程的游戏关键环节所优化触发的优化代价值中的极小值；

（2）获取所述至少两个第一优化代价值分别与对应的所述多个最小优化代价值之间的多个区别代价值；

（3）将所述多个区别代价值的第一求和代价值除以所述多个最小优化代价值的第二求和代价值，获得所述优化代价值区别。

一种可基于独立构思的实施例中，如果所述至少两个第一优化代价值不匹配所述预设状态，依据所述至少两个第一优化代价值，对所述多个参考优化流程分别关联的多个第二优化代价值进行调整，获得多个调整的第二优化代价值，所述第二优化代价值代表优化对象依据过往游戏运行活动所确定的在对应参考优化流程上预计优化触发的代价值，依据所述多个调整的第二优化代价值，为所述至少两个游戏关键环节部署下一轮模拟优化所对应的多个参考优化流程。

一种可基于独立构思的实施例中，在依据所述至少两个第一优化代价值，对所述多个参考优化流程分别关联的多个第二优化代价值进行调整，获得多个调整的第二优化代价值的过程中，例如可以对所述多个参考优化流程中的每个参考优化流程，将第一权重值与所述每个参考优化流程对应的第一优化代价值加权，获得第三计算值； 将第二权重值与所述每个参考优化流程对应的第二优化代价值加权，获得第四计算值，所述第一权重值与所述第二权重值之和为1； 将所述第三计算值与所述第四计算值求和，获得所述每个参考优化流程对应的调整的第二优化代价值。

一种可基于独立构思的实施例中，在依据所述多个调整的第二优化代价值，为所述至少两个游戏关键环节部署下一轮模拟优化所对应的多个参考优化流程的过程中，例如可以对所述至少两个游戏关键环节中的任一游戏关键环节，确定与所述任一游戏关键环节相对应的多个参考参考优化流程，所述目标参考优化流程的优化触发位置和优化结束位置分别与所述任一游戏关键环节的游戏运行活动的优化触发位置和游戏运行活动的优化结束位置相关联； 依据所述多个参考参考优化流程对应的多个调整的第二优化代价值，确定所述多个参考参考优化流程的多个支持置信度，所述支持置信度代表所述任一游戏关键环节部署配置对应目标参考优化流程以完成游戏运行活动的支撑度； 依据所述多个支持置信度，对所述多个参考参考优化流程进行抽样，获得所述任一游戏关键环节在所述下一轮模拟优化所对应的参考优化流程。

一种可基于独立构思的实施例中，在依据所述多个参考参考优化流程对应的多个调整的第二优化代价值，确定所述多个参考参考优化流程的多个支持置信度的过程中，例如可以对所述多个参考参考优化流程中的任一目标参考优化流程，依据所述任一目标参考优化流程对应的调整的第二优化代价值，确定所述任一目标参考优化流程的支持度量值，所述支持度量值与对应的调整的第二优化代价值反向关联； 获取所述多个参考参考优化流程分别关联的多个支持度量值之间的第三求和代价值；将所述任一目标参考优化流程的支持度量值在所述第三求和代价值中的比例，作为所述任一目标参考优化流程的支持置信度。

一种可基于独立构思的实施例中，参见图3所示，该游戏云计算系统100可以包括：处理器101和机器可读存储介质102。其中，所述机器可读存储介质102用于存储支持该游戏云计算系统100执行上述前述任意一种实施例中提供的基于人工智能的游戏特效场景生成方法的程序，所述处理器101被配置为用于执行所述机器可读存储介质102中存储的程序。

所述程序包括一条或多条计算机指令，其中，所述一条或多条计算机指令被所述处理器101执行时能够实现前述任意一种实施例中的全部或部分步骤。

其中，所述游戏云计算系统100的架构中还可以包括通信单元103，用于该游戏云计算系统100与其它设备或通信网络通信（比如电子商务服务系统200）。

另外，本申请实施例提供了一种计算机存储介质，用于储存上述游戏云计算系统100所用的计算机软件指令，其包含用于执行上述前述任意一种方法实施例中基于人工智能的游戏特效场景生成方法所涉及的程序。

最后应说明的是：以上实施例仅用以说明本申请的技术方案，而非对其限制；尽管参照前述实施例对本申请进行了详细的说明，本领域的普通技术人员应当理解：其依然可以对前述各实施例所记载的技术方案进行修改，或者对其中部分技术特征进行等同替换；而这些修改或者替换，并不使相应技术方案的本质脱离本申请各实施例技术方案的精神和范围。