本发明涉及仿真场景生成，尤其涉及一种基于多目标演化学习的多样仿真场景生成方法。
背景技术：
1、仿真场景的生成是指通过计算机程序，在用户体验多媒体交互应用的过程中，持续不断地生成新的内容并添加到已有场景中，从而生成新场景，进而为用户提供无限的沉浸式体验。在这一领域中，要求生成的场景有较高的多样性，以确保用户在每次交互中都能够体验到新颖且令人惊喜的内容。也就是说，这意味着生成的场景的内容应当能够在各个方面(例如，地形、道具、以及角色等)呈现出丰富的变化，以满足用户对于多样化和变化的需求。
2、随着人工智能技术的发展，目前是通过基于生成对抗网络(gans)或者变分自动编码器(vaes)的方法实现面向定制化目标的仿真场景生成。然而，该方法所生成的场景之间的相似度较高，从而难以保证所生成的新场景的多样性。
3、因此，现有技术还有待改进。
技术实现思路
1、针对现有技术缺陷，本发明提供一种基于多目标演化学习的多样仿真场景生成方法，旨在解决现有的基于gans或者vaes的方法所生成的场景之间的相似度较高，从而难以保证所生成的新场景的多样性的技术问题。
2、本发明解决上述技术问题所采用的技术方案如下。
3、第一方面，本发明提供一种基于多目标演化学习的多样仿真场景生成方法，包括步骤：
4、获取已生成场景的场景参数；
5、将所述已生成场景的场景参数输入到预设的由多目标演化学习算法训练得到的生成器模型中，得到决策参数；
6、将所述决策参数输入到训练后的解码器中，输出场景表征；
7、将所述场景表征加载到多媒体交互应用中，生成仿真场景。
8、在一些实施例中，本方法还包括步骤：
9、将所述仿真场景作为所述已生成场景，重复所述生成仿真场景的步骤；
10、其中，所述生成器模型包括生成器，所述生成器接收所述已生成场景的场景参数以输出所述决策参数。
11、在一些实施例中，所述生成器模型还包括多目标优化器，利用所述多目标优化器更新所述生成器。
12、在一些实施例中，所述生成器和所述多目标优化器均为神经网络模型。
13、在一些实施例中，所述生成器模型的训练方法包括步骤：
14、步骤a：
15、初始化训练前的生成器模型；
16、基于所述多目标演化学习算法，构建多目标优化器；
17、利用预设的生成器模型评估指标对每个所述训练前的生成器模型进行评估，得到每个所述训练前的生成器模型的第一评估指标值；
18、步骤b：
19、利用所述第一评估指标值和所述多目标优化器的交配选择策略，从所述训练前的生成器模型中选取生成器父模型；
20、利用预设的仿真场景数据集和所述多目标优化器的繁殖策略，从所述生成器父模型中生成生成器子模型；
21、利用所述生成器模型评估指标对每个所述生成器子模型进行评估，得到每个所述生成器子模型的第二评估指标值；
22、利用所述多目标优化器的存活策略，从所述训练前的生成器模型和所述生成器子模型中选取训练后的生成器模型；
23、利用所述第一评估指标值和所述第二评估指标值更新每个所述训练后的生成器模型的第三评估指标值；
24、以及步骤c：
25、将所述训练后的生成器模型作为新的所述训练前的生成器模型，并将所述第三评估指标值作为新的所述第一评估指标值，重复所述步骤b，直至达到预设的迭代次数或预设的评估次数，输出所述训练后的生成器模型。
26、在一些实施例中，在所述获取已生成场景的场景参数的步骤之前，本方法还包括步骤：
27、获取基准场景的场景参数；
28、将所述基准场景的场景参数输入到所述解码器中，输出初始场景表征；
29、将所述初始场景表征加载到所述多媒体交互应用中，得到所述已生成场景。
30、在一些实施例中，所述多媒体交互应用为电子游戏。
31、第二方面，本发明提供一种基于多目标演化学习的多样仿真场景生成装置，包括：
32、场景参数获取单元，用于获取已生成场景的场景参数；
33、决策参数获取单元，用于将所述已生成场景的场景参数输入到预设的由多目标演化学习算法训练得到的生成器模型中，得到决策参数；
34、场景表征获取单元，用于将所述决策参数输入到训练后的解码器中，输出场景表征；以及
35、仿真场景生成单元，用于将所述场景表征加载到多媒体交互应用中，生成仿真场景。
36、第三方面，本发明提供一种计算机设备，所述计算机设备包括存储器、处理器、以及存储在所述存储器中并可在所述处理器上运行的计算机程序，所述计算机程序被所述处理器执行时实现上述基于多目标演化学习的多样仿真场景生成方法的步骤。
37、第四方面，本发明提供一种计算机可读存储介质，所述计算机可读存储介质存储有计算机程序，所述计算机程序被处理器执行时实现上述基于多目标演化学习的多样仿真场景生成方法的步骤。
38、有益效果：本发明提出的基于多目标演化学习的多样仿真场景生成方法，通过结合多目标演化算法，利用由多目标演化学习算法训练得到的生成器模型得到决策参数，然后利用该决策参数生成仿真场景，从而提高了所生成场景的多样性。因此，相比于现有技术，本方法解决了现有的基于gans或者vaes的方法所生成的场景之间的相似度较高，从而难以保证所生成的新场景的多样性的技术问题。
1.一种基于多目标演化学习的多样仿真场景生成方法，其特征在于，包括步骤：
2.根据权利要求1所述的基于多目标演化学习的多样仿真场景生成方法，其特征在于，还包括步骤：
3.根据权利要求2所述的基于多目标演化学习的多样仿真场景生成方法，其特征在于，所述生成器模型还包括多目标优化器，利用所述多目标优化器更新所述生成器。
4.根据权利要求3所述的基于多目标演化学习的多样仿真场景生成方法，其特征在于，所述生成器和所述多目标优化器均为神经网络模型。
5.根据权利要求2所述的基于多目标演化学习的多样仿真场景生成方法，其特征在于，所述生成器模型的训练方法包括步骤：
6.根据权利要求1所述的基于多目标演化学习的多样仿真场景生成方法，其特征在于，在所述获取已生成场景的场景参数的步骤之前，还包括步骤：
7.根据权利要求1-6任一项所述的基于多目标演化学习的多样仿真场景生成方法，其特征在于，所述多媒体交互应用为电子游戏。
8.一种基于多目标演化学习的多样仿真场景生成装置，其特征在于，包括：
9.一种计算机设备，其特征在于，所述计算机设备包括存储器、处理器、以及存储在所述存储器中并可在所述处理器上运行的计算机程序，所述计算机程序被所述处理器执行时实现如权利要求1-7任一项所述的基于多目标演化学习的多样仿真场景生成方法的步骤。
10.一种计算机可读存储介质，其特征在于，所述计算机可读存储介质存储有计算机程序，所述计算机程序被处理器执行时实现如权利要求1-7任一项所述的基于多目标演化学习的多样仿真场景生成方法的步骤。
