本發明公開了一種基于生成對抗機制的強化學習探索方法及裝置,其中,該方法包括:構建第一動作價值網絡、第二動作價值網絡、狀態價值網絡、目標狀態價值網絡、策略網絡、密度模型網絡和鑒別網絡;基于生成對抗機制和離線強化學習算法的學習過程,對第一動作價值網絡、第二動作價值網絡、狀態價值網絡、目標狀態價值網絡、策略網絡、密度模型網絡和鑒別網絡進行更新;根據更新的多個網絡生成更新后的策略模型,對策略模型進行測試。該方法設計出一種利用探索過程中的正確決策加速和穩定強化學習訓練過程的探索算法。
聲明:
“基于生成對抗機制的強化學習探索方法及裝置” 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)