一种基于多任务学习的手机游戏复杂场景自适应操作方法

本发明公开了一种基于多任务学习的手机游戏复杂场景自适应操作方法，包括如下步骤：S1、对手机游戏复杂场景中的数据进行采集和预处理，生成原始多模态数据集；S2、构建多模态特征提取网络，提取特征并生成任务图；S3、对特征进行增强处理，通过特征融合生成多模态特征；S4、构建多任务学习模型，优化任务特征并生成任务优先级；S5、利用递归优化方法进行统一优化，生成全局任务优化结果；S6、结合模拟环境中的参数，通过基于Actor‑Critic架构的强化学习模型优化全局任务策略与局部场景策略。本发明结合强化学习与多任务学习，优化手机游戏复杂场景的操作策略，具有智能适应性强、任务协调高效和计算资源节省的优点。