本發明公開了一種基于環境狀態預測的深度強化學習方法及裝置,其中,方法包括:建立基于環境預測的深度強化學習網絡,并根據任務的特點選擇合適的策略決策方法;初始化網絡參數,并建立滿足存儲條件的存儲區作為經驗回放區;根據策略決策網絡的輸出選擇合適的策略來與環境進行交互,并將交互過程的交互信息連續存儲到經驗回放區;從經驗回放區采樣第一樣本序列,并利用監督學習的方法對環境預測部分進行訓練,并重復第一預設次數;從經驗回放區采樣第二樣本序列,并固定環境預測部分的參數不動,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;在網絡收斂滿足預設條件時,獲取強化學習網絡。該方法可以有效提高學習效率。
聲明:
“基于環境狀態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,如用于商業用途,請聯系該技術所有人。
我是此專利(論文)的發明人(作者)