公开(公告)号：CN117151205A

公开(公告)日：2023-12-01

申请号：CN202311069248.9

申请日：2023-08-24

Applicant: 电子科技大学

Inventor： 陈爱国 ,  付波 ,  王勇 ,  罗光春 ,  张思洁 ,  周鑫岑

IPC: G06N3/092 ,  G06N3/096 ,  G06N3/0464 ,  G06V10/82

Abstract: 本发明涉及机器学习和强化学习技术领域，公开了一种基于多先验策略的强化学习智能决策方法，解决现有技术中利用强化学习进行智能决策时由于奖励稀疏、样本利用率低、环境过拟合导致的决策困难问题。该方法利用目标策略网络和先验策略指导智能体进行决策，将决策产生的交互数据放入重放缓冲区；随后从重放缓冲区中进行数据采样，获取一个训练集用于目标策略网络训练；然后根据训练数据计算综合损失函数，利用梯度下降法对目标策略网络进行更新；最后更新重放缓冲区种所用训练数据的被采样概率；在智能决策过程，将智能体观测的环境状态输入至目标策略网络中，根据网络输出执行动作并完成状态转移，随后重复上述观察‑决策过程，直至决策任务完成。