近些年来,即时战略类手游非常火热,此类游戏节奏感很强且拥有精彩华丽的对战场景,所以游戏中对战公平因素和性能因素显得至关重要。一款好的即时战略游戏不仅要让人物数值设定的投资回报比相似,也要让参与游戏玩家的水平保持相似。同时,游戏中人物的动作决策及搜索寻路也要尽可能高效智能。但现在很多游戏在此方面都缺少细致的打磨,本文通过需求分析,针对游戏的平衡性和游戏人物智能化两方面,设计了优化方案,其主要工作内容归纳如下:（1）针对游戏场景中出现的不平衡性以及游戏人物动作效率较低的情况,本文对游戏系统进行了需求分析,其中包含功能性需求和非功能性需求,并针对存在的问题设计了具体的优化方案。（2）对于即时战略游戏中不平衡的问题,从游戏人物数值和玩家匹配两方面着手优化。在数值平衡方面,应用了属性价值量模型,可以让有复杂属性的兵种用统一的标准属性来衡量;在玩家匹配平衡方面,在ELO积分的基础上考虑了玩家的能力水平波动,使用了基于贝叶斯概率模型的匹配算法,让匹配系统更好地兼容玩家能力波动,从而更真实地衡量玩家游戏水平,以提高匹配公平性。（3）对于游戏人物寻路和执行效率较低的问题,根据其所在的环境结合了动态寻路、A*迭代化、凸多边形优化以及行为树前提节点化的方法来提高运行效率。此外,对于系统分配的智能玩家,系统结合强化学习的决策力和深度学习的数据处理能力,使用深度强化学习的方法来提高智能玩家游戏能力,从而逼近真实玩家的水平。最后对需求分析中提出的各项需求进行了测试,测试结果表明该优化方案是有效的。针对该游戏的优化现已在企业线上发布。