用于大型离散动作空间的强化学习优化方法、方法及装置.pdfVIP

下载本文档

1
0
约1.6万字
约 13页
2023-05-20 发布于北京
举报
版权申诉

用于大型离散动作空间的强化学习优化方法、方法及装置.pdf

1、本文档共13页，其中可免费阅读12页，需付费10金币后方可阅读剩余内容。
2、本文档内容版权归属内容提供方，所产生的收益全部归内容提供方所有。如果您对本文有版权争议，可选择认领，认领后既往收益都归您。
3、本文档由用户上传，本站不保证质量和数量令人满意，可能有诸多瑕疵，付费之前，请仔细先通过免费阅读内容等途径辨别内容交易风险。如存在严重挂羊头卖狗肉之情形，可联系本站下载客服投诉处理。
4、文档侵权举报电话：400-050-0827(电话支持时间：9:00-18:30)。
5、该文档为VIP文档，如果想要下载，成为VIP会员后，下载免费。
6、成为VIP后，下载本文档将扣除1次下载权益。下载后，不支持退款、换文档。如有疑问请联系我们。
7、成为VIP后，您将拥有八大权益，权益包括：VIP文档下载权益、阅读免打扰、文档格式转换、高级专利检索、专属身份标志、高级客服、多端互通、版权登记。
8、VIP文档为合作方或网友上传，每下载1次，网站将根据用户上传文档的质量评分、类型等，对文档贡献者给予高额补贴、流量扶持。如果你也想贡献VIP文档。上传文档

本发明公开了基于大型离散动作空间的强化学习优化方法、方法及装置。所述优化方法包括：将状态输入策略网络以得到原始动作，并基于KNN算法获取大型离散动作集内与所述原始动作距离相近的若干离散动作；将获取的各所述离散动作输入价值网络以筛选出最佳动作，并使模型执行所述最佳动作以获得样本；循环执行上述步骤以获得若干所述样本，并按照获取顺序依次间隔选取部分所述样本存储于缓冲池内；基于所述缓冲池训练所述模型并更新所述策略网络及所述价值网络；循环执行上述所有步骤直至得到最优的策略网络及价值网络。所述方法及所述优化

(19)国家知识产权局 (12)发明专利申请 (10)申请公布号 CN 114925778 A (43)申请公布日 2022.08.19 (21)申请号 202210655295.0 (22)申请日 2022.06.10 (71)申请人安徽工业大学地址 243032