激勵決策模型的運動(dòng)引導方法、裝置和電子設備

本說(shuō)明書(shū)實(shí)施例提供一種激勵決策模型的運動(dòng)引導方法，訓練健康狀態(tài)預測模型，預測用戶(hù)的健康狀態(tài)上升空間，并確定當前階段的健康狀態(tài)上升空間，獲取樣本用戶(hù)的動(dòng)作信息和對應的健康狀態(tài)變化數據，構造激勵函數，利用樣本用戶(hù)的動(dòng)作信息和對應的健康狀態(tài)變化數據對激勵函數進(jìn)行強化學(xué)習，生成動(dòng)作空間，結合強化學(xué)習出的激勵函數構造動(dòng)作決策模型，在動(dòng)作空間中進(jìn)行搜索生成動(dòng)作策略，計算其激勵函數值，并進(jìn)行迭代，直至計算出的激勵函數值滿(mǎn)足預設條件，輸出動(dòng)作策略，持續更新引導用戶(hù)運動(dòng)并進(jìn)行動(dòng)作識別，通過(guò)利用激勵函數值進(jìn)行迭代的方式可得到全局最優(yōu)的動(dòng)作策略，提高了與用戶(hù)的匹配度。