本發明實施例提供了一種智能體的強化學習模型訓練方法及系統,上述方法包括:接收所述環境服務器發送的任意一個仿真環境包括的各個智能體的經驗數據;將相關聯的智能體的經驗數據進行混合并存儲于預設經驗池中;獲取混合后的經驗數據作為樣本數據,并基于所述樣本數據觸發待訓練強化學習模型的訓練,得到輸出的預測運行策略信息;將所述預測運行策略信息發送至所述環境服務器,以使所述環境服務器中對應的仿真環境執行對應的預測運行策略;如果達到預設的模型訓練結束條件,將當前的待訓練強化學習模型確定為訓練得到的目標強化學習模型訓練。即本發明實施例提出了一種新的支持多智能體、多仿真環境的高效的強化學習模型訓練框架。
聲明:
“智能體的強化學習模型訓練方法及系統” 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)