一種強化學(xué)習(xí)訓(xùn)練方法及基于強化學(xué)習(xí)的決策方法

基本信息

申請?zhí)?/td> CN202011451511.7 申請日 -
公開（公告）號 CN112580801A 公開（公告）日 2021-03-30
申請公布號 CN112580801A 申請公布日 2021-03-30
分類號 G06N3/08(2006.01)I;G06N3/04(2006.01)I 分類 計算；推算；計數(shù);
發(fā)明人 劉震;王闖;周興;李華 申請（專利權(quán)）人 廣州優(yōu)策科技有限公司
代理機構(gòu) 北京三聚陽光知識產(chǎn)權(quán)代理有限公司 代理人 李紅團
地址 511457廣東省廣州市南沙區(qū)南沙街進港大道8號1107房
法律狀態(tài) -

摘要

摘要 本發(fā)明提供一種強化學(xué)習(xí)訓(xùn)練方法及基于強化學(xué)習(xí)的決策方法，其中，強化學(xué)習(xí)模型訓(xùn)練方法，包括如下步驟：獲取多組歷史狀態(tài)數(shù)據(jù)；將每一組歷史狀態(tài)數(shù)據(jù)輸入至強化學(xué)習(xí)模型，得到初步?jīng)Q策數(shù)據(jù)；將所述每一組歷史狀態(tài)數(shù)據(jù)和所述初步?jīng)Q策數(shù)據(jù)輸入至預(yù)先建立的貝葉斯神經(jīng)網(wǎng)絡(luò)模型，得到狀態(tài)變化量以及獎勵值，所述狀態(tài)量變化值為當前狀態(tài)數(shù)據(jù)與下一狀態(tài)數(shù)據(jù)的差值；根據(jù)所述每一組歷史狀態(tài)數(shù)據(jù)以及對應(yīng)的初步?jīng)Q策數(shù)據(jù)、狀態(tài)變化量以及獎勵值更新所述強化學(xué)習(xí)模型的模型參數(shù)。通過實施本發(fā)明，能夠增加強化學(xué)習(xí)模型訓(xùn)練樣本量，提高強化學(xué)習(xí)效果，提高動態(tài)決策規(guī)劃結(jié)果的準確性。??