公开(公告)号：CN115587339A

公开(公告)日：2023-01-10

申请号：CN202211282139.0

申请日：2022-10-19

Applicant: 中国电波传播研究所(中国电子科技集团公司第二十二研究所)

Inventor： 程尧 ,  赵军 ,  王莉 ,  臧嵘 ,  李承璟 ,  史腾飞 ,  冯阳 ,  左伟庆 ,  郭琛

IPC: G06F18/25 ,  G06N3/047 ,  G06N3/048 ,  G06N3/09 ,  G06N3/092

Abstract: 本发明公开了一种融合监督学习的智能决策方法，包括如下步骤：步骤1，构建深度强化学习网络：步骤2，分析环境，提取环境特征：步骤3，构建与深度强化学习网络Actor部分结构相同的监督学习网络，并使用环境模拟器生成数据训练监督学习网络：步骤4，将训练完成后的监督学习网络参数迁移给深度强化学习网络Actor部分并开启强化学习训练：步骤5，训练评价网络：步骤6，深度强化学习整体训练。本发明所公开的方法，通过迁移手段加快模型训练速度，在保证智能体包含有效知识方面，提出了融合监督学习的深度强化学习方法，实现预先为模型输入一些已有的专家经验，从基础上极大的提升了模型对环境的认知。