基于強化學習的智能體路徑規(guī)劃方法、電子設備及介質

基本信息

申請?zhí)?/td> CN202210106163.2 申請日 -
公開（公告）號 CN114493013A 公開（公告）日 2022-05-13
申請公布號 CN114493013A 申請公布日 2022-05-13
分類號 G06Q10/04（2012.01）I;G06N3/04（2006.01）I;G06N3/08（2006.01）I;G06N20/00（2019.01）I 分類 計算；推算；計數(shù);
發(fā)明人 禹祎凡;付衛(wèi)婷 申請（專利權）人 浙江同善人工智能技術有限公司
代理機構 上?？剖⒅R產權代理有限公司 代理人 -
地址 314113浙江省嘉興市嘉善縣大云鎮(zhèn)創(chuàng)業(yè)路555號E1幢
法律狀態(tài) -

摘要

摘要 本發(fā)明涉及一種基于強化學習的智能體路徑規(guī)劃方法、電子設備及介質，方法包括：根據(jù)智能體采集的狀態(tài)信息，通過訓練好的目標網(wǎng)絡獲取智能體從當前位置到目標位置之間的動作；目標網(wǎng)絡的訓練過程包括：構建當前網(wǎng)絡，目標網(wǎng)絡和當前網(wǎng)絡均為深度Q值網(wǎng)絡，迭代執(zhí)行目標網(wǎng)絡更新步驟，該步驟包括：獲取智能體采集的狀態(tài)信息，進行數(shù)據(jù)預處理后存儲至記憶庫，根據(jù)優(yōu)先經(jīng)驗回放機制在記憶庫中選擇訓練樣本；選擇訓練樣本和動作，根據(jù)動作更改環(huán)境信息，獲取下一狀態(tài)的環(huán)境信息，根據(jù)TD?error訓練當前網(wǎng)絡，根據(jù)軟更新機制更新目標網(wǎng)絡，更新樣本的選中概率。與現(xiàn)有技術相比，本發(fā)明實現(xiàn)難度低，計算效率高，緩解了局部最優(yōu)問題。