本發(fā)明公開了一種基于環(huán)境狀態(tài)預測的深度強化學習方法及裝置，其中，方法包括：建立基于環(huán)境預測的深度強化學習網(wǎng)絡，并根據(jù)任務的特點選擇合適的策略決策方法；初始化網(wǎng)絡參數(shù)，并建立滿足存儲條件的存儲區(qū)作為經(jīng)驗回放區(qū)；根據(jù)策略決策網(wǎng)絡的輸出選擇合適的策略來與環(huán)境進行交互，并將交互過程的交互信息連續(xù)存儲到經(jīng)驗回放區(qū)；從經(jīng)驗回放區(qū)采樣第一樣本序列，并利用監(jiān)督學習的方法對環(huán)境預測部分進行訓練，并重復第一預設次數(shù)；從經(jīng)驗回放區(qū)采樣第二樣本序列，并固定環(huán)境預測部分的參數(shù)不動，利用強化學習的方法對策略決策部分進行訓練，并重復第二預設次數(shù)；在網(wǎng)絡收斂滿足預設條件時，獲取強化學習網(wǎng)絡。該方法可以有效提高學習效率。
聲明：
“基于環(huán)境狀態(tài)預測的深度強化學習方法及裝置” 該技術專利(論文)所有權利歸屬于技術(論文)所有人。僅供學習研究，如用于商業(yè)用途，請聯(lián)系該技術所有人。
我是此專利(論文)的發(fā)明人(作者)
999
編輯：管理員
來源：中冶有色技術網(wǎng)
分享 0
舉報 0
收藏 0
反對 0
點贊 0
中冶有色技術平臺
2025年03月21日 ~ 23日 
