[发明专利]非完全信息环境下的博弈决策方法、系统和智能体

权利要求书

1.一种非完全信息环境下的博弈决策方法，其特征在于，所述博弈决策方法包括：

根据环境的当前已知状态对所述环境的当前未知状态进行推理得到未知推理状态；

根据所述未知推理状态进行探索，得到与所述当前未知状态对应的未知实际状态，根据所述未知实际状态和历史已知状态得到决策用状态；

根据所述未知推理状态、决策用状态、当前已知状态和上一时刻所述环境的反馈做出决策；

其中，所述环境为非完全信息环境。

2.根据权利要求1所述的方法，其特征在于，所述根据环境的当前已知状态对所述环境的当前未知状态进行推理得到未知推理状态之前，还包括：

判断所述当前已知状态与之前已知状态是否一致，若一致，则将与所述之前已知状态对应的未知实际状态作为与所述当前已知状态对应的未知推理状态。

3.根据权利要求1所述的方法，其特征在于，所述根据所述未知实际状态和历史已知状态得到决策用状态，具体包括：

基于循环神经网络架构，对得到的未知实际状态和历史已知状态进行处理，得到决策用状态。

4.根据权利要求1所述的方法，其特征在于，所述根据所述未知推理状态、决策用状态、当前已知状态和上一时刻所述环境的反馈做出决策，具体包括：

基于深度神经网络架构，对所述未知推理状态、决策用状态、当前已知状态和上一时刻所述环境的反馈进行处理，做出决策。

5.一种非完全信息环境下的博弈决策系统，其特征在于，所述博弈决策系统包括：

未知状态推理模块，用于根据环境的当前已知状态对所述环境的当前未知状态进行推理得到未知推理状态，所述环境为非完全信息环境；

状态探索模块，用于根据所述未知推理状态进行探索，得到与所述当前未知状态对应的未知实际状态，根据所述未知实际状态和历史已知状态得到决策用状态；

决策模块，用于根据所述未知推理状态、决策用状态、当前已知状态和上一时刻所述环境的反馈做出决策。

6.根据权利要求5所述的博弈决策系统，其特征在于，所述未知推理模块具体根据历史观测到的已知信息的统计分布推断当前状态下未知信息的潜在分布。

7.根据权利要求5所述的博弈决策系统，其特征在于，所述状态探索模块具体用于：

基于循环神经网络架构，对得到的未知实际状态和历史已知状态进行处理，得到决策用状态。

8.根据权利要求5所述的博弈决策系统，其特征在于，所述决策模块具体用于基于深度神经网络架构，对所述未知推理状态、决策用状态、当前已知状态和上一时刻所述环境的反馈进行处理，做出决策。

9.一种智能体，其特征在于，所述智能体包括权利要求5～8中任一项所述的博弈决策系统。