[发明专利]一种深度强化学习网络设置合理性的判别方法

权利要求书

1.一种深度强化学习中深度网络设置合理性的判别方法，其特征在于，在深度强化学习方法中深度网络收敛之前对参数设置的合理性进行预判，包括如下步骤：

步骤1：根据工程需要建立深度强化学习智能体，设定长度为n的观察窗口，定义该观察窗口内负奖励出现的次数为m，将其初始化为0；

步骤2：用事件A表示深度网络训练未完成，事件B表示深度网络设置不合理，根据经验分别设置深度网络设置是否合理的先验概率P(A)和P(B)，再根据大偏差定理计算使深度网络设置合理性的误判概率最小化的边界值m₀；

步骤3：深度强化学习的智能体开始与环境进行交互并且获得奖励，每当奖励为负时m加1；所述奖励是深度强化学习中环境对智能体所采取动作的反馈，奖励为正表示智能体采取的动作符合任务目标；奖励为负表示智能体采取的动作不符合任务目标，在扫地机器人中，奖励为负意味着扫地机器人发生碰撞；

步骤4：获得长度为n的观察窗口内负奖励出现的次数m；

步骤5：判断m≥m₀是否成立，若是，则导致负奖励出现的因素被视为深度强化学习中网络的层和节点的设置不合适，停止智能体与环境的交互，并且重新设置网络参数；若否，则负奖励出现的原因被认为是训练过程未完成，智能体与环境的交互继续进行；

步骤6：开启下一时间段的判断，直至观察窗口内的奖励变成正值，即完成深度网络的设置和训练。

2.根据权利要求1所述的深度强化学习网络设置合理性的判别方法，其特征在于，所述步骤2中，计算使误判概率最小化的边界值m₀具体如下：

其中P_mis表示总误判概率，P(A)和P(B)表示深度网络设置是否合理的先验概率，n为观察窗口长度，和是错误分类概率的收敛速度函数；表示高阶无穷小量。