本發明公開了一種基于策略選項的分層強化學習方法和裝置,所述方法包括:構建高層策略網絡、低層策略網絡和評價網絡;從仿真環境,獲取狀態軌跡;基于狀態軌跡和策略在線算法的學習過程,對高層策略網絡、低層策略網絡和評價網絡的參數進行更新;根據更新參數后的高層策略網絡、低層策略網絡和評價網絡,生成更新后的策略模型,并對更新后的策略模型進行測試。本發明實施例的基于策略選項的分層強化學習方法,能夠在仿真環境中從零開始學習動作和高層策略,且性能穩定、數據使用效率高。
聲明:
“基于策略選項的分層強化學習方法和裝置” 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)