[发明专利]一种强化学习家居布局优化方法和系统

权利要求书

1.一种强化学习家居布局优化方法，其特征在于，包括如下步骤：

第1步，获取家居的布局状态；

第2步，根据第1步中的布局状态计算出布局评分项的扣分值；

第3步，对第2步的各个布局评分项的扣分值进行编码后，采用强化学习的方法按照扣分值对不同布局状态进行优化，得到最优的布局；

所述的布局状态是指物品的空间位置布局状态；所述的布局状态所对应的物品包括：功能区域、墙体、门窗、硬装、软装、家具、家电；所述的物品是通过其中心点坐标以及物品的长宽高来表示其位置和大小；

评分项包括中心对齐偏差、边缘对齐偏差、重叠偏差、方向偏差或者距离偏差中的一种或几种；

所述的中心对齐偏差用于计算两个物品中心点的欧式距离；

所述的边缘对齐偏差用于计算两个物品边界处的欧式距离；

所述的重叠偏差用于计算两个物品的重叠面积；

所述的方向偏差用于计算两个物品正方向的偏差值；

第3步中布局评分项的扣分值采用multi-hot编码；所述的编码中，按照每个布局评分项进行编排，若当前位置的布局评分项处于扣分状态时，该位置为”1”，否则为”0”。

2.根据权利要求1所述的强化学习家居布局优化方法，其特征在于，强化学习中所用奖赏函数采用延迟奖赏函数；所述的奖赏函数是：

其中，Gt表示当前时刻的奖赏值，score表示评分系统所有扣分项评分值之和，T_表示获取的最优方案时刻，T表示结束状态时刻，参数α用于衡量当前时刻当前行为的有效性，参数λ用于衡量整体过程当前行为的有效性。

3.根据权利要求1所述的强化学习家居布局优化方法，其特征在于，强化学习过程中的行为采用如下函数：

action＝argmax(output)

其中，output表示神经网络的输出概率分布；action是待执行的行为，是指对布局评分项的优化移动。

4.一种强化学习家居布局优化系统，其特征在于，包括：

布局状态获取模块，用于获取家居的布局状态；

扣分值计算模块，用于根据布局状态计算出布局评分项的扣分值；

编码模块，用于对布局评分项的扣分值进行编码；

强化学习模块，用于采用强化学习的方法按照扣分值对不同布局状态进行优化，得到最优的布局；

所述的布局状态是指物品的空间位置布局状态；所述的布局状态所对应的物品包括：功能区域、墙体、门窗、硬装、软装、家具、家电；所述的布局状态获取模块通过物品中心点坐标以及物品的长宽高来表示物品位置和大小；所述的评分项包括中心对齐偏差、边缘对齐偏差、重叠偏差、方向偏差或者距离偏差中的一种或几种；

所述的中心对齐偏差用于计算两个物品中心点的欧式距离；

所述的边缘对齐偏差用于计算两个物品边界处的欧式距离；

所述的重叠偏差用于计算两个物品的重叠面积；

所述的方向偏差用于计算两个物品正方向的偏差值；

所述的编码模块采用multi-hot编码；

所述的编码模块按照每个布局评分项进行编排，若当前位置的布局评分项处于扣分状态时，该位置为”1”，否则为”0”。

5.根据权利要求4所述的强化学习家居布局优化系统，其特征在于，强化学习模块中所用奖赏函数采用延迟奖赏函数；所述的奖赏函数是：

其中，Gt表示当前时刻的奖赏值，score表示评分系统所有扣分项评分值之和，T_表示获取的最优方案时刻，T表示结束状态时刻，参数α用于衡量当前时刻当前行为的有效性，参数λ用于衡量整体过程当前行为的有效性；

强化学习模块中强化学习过程中的行为采用如下函数：

action＝argmax(output)

其中，output表示神经网络的输出概率分布；action是待执行的行为，是指对布局评分项的优化移动。

6.一种计算机可读取介质，其特征在于，其记载有可以运行权利要求1-3任一项所述的强化学习家居布局优化方法的程序。