[发明专利]基于最大熵逆强化学习的无服务器计算资源配置方法

权利要求书

1.一种基于最大熵逆强化学习的无服务器计算资源配置方法，其特征在于，该方法包括：

智能体随机产生一个预设策略；

将预设策略采样得到的数据与专家数据采样得到的数据对比，学习奖励函数；

利用所学的奖励函数进行强化学习，得到强化后的自身策略；

判断自身策略的差距，当自身策略的差距小于阈值时则停止对比。

2.根据权利要求1所述的基于最大熵逆强化学习的无服务器计算资源配置方法，其特征在于，在所述智能体随机产生一个预设策略之前，该方法还包括：

用户调用预设函数，并给预设函数配置资源。

3.根据权利要求2所述的基于最大熵逆强化学习的无服务器计算资源配置方法，其特征在于，所述将预设策略采样得到的数据与专家数据采样得到的数据对比，学习奖励函数，包括：

将将预设策略采样得到的数据与配置资源后得到的数据对比并计算收益；

根据收益建立奖励函数。

4.根据权利要求3所述的基于最大熵逆强化学习的无服务器计算资源配置方法，其特征在于，所述当自身策略的小于阈值时则停止对比之后，该方法还包括：

当自身策略的差距大于阈值时则重新将预设策略采样得到的数据与专家数据采样得到的数据对比。

5.一种基于最大熵逆强化学习的无服务器计算资源配置装置，其特征在于，该装置包括：

产生单元，用于智能体随机产生一个预设策略；

对比单元，用于将预设策略采样得到的数据与专家数据采样得到的数据对比，学习奖励函数；

强化单元，用于利用所学的奖励函数进行强化学习，得到强化后的自身策略；

判断单元，用于判断自身策略的差距，当自身策略的差距小于阈值时则停止对比。

6.根据权利要求5所述的基于最大熵逆强化学习的无服务器计算资源配置装置，其特征在于，在所述智能体随机产生一个预设策略之前，该装置还包括：

用户调用预设函数，并给预设函数配置资源。

7.根据权利要求6所述的基于最大熵逆强化学习的无服务器计算资源配置装置，其特征在于，所述将预设策略采样得到的数据与专家数据采样得到的数据对比，学习奖励函数，包括：

将将预设策略采样得到的数据与配置资源后得到的数据对比并计算收益；

根据收益建立奖励函数。

8.根据权利要求7所述的基于最大熵逆强化学习的无服务器计算资源配置装置，其特征在于，所述当自身策略的小于阈值时则停止对比之后，该装置还包括：

当自身策略的差距大于阈值时则重新将预设策略采样得到的数据与专家数据采样得到的数据对比。

9.一种计算机设备，包括存储器、处理器以及存储在存储器上并可在处理器上运行的计算机程序，其特征在于，所述处理器执行所述程序时实现如权利要求1－4中任一所述的方法。

10.一种计算机可读存储介质，其上存储有计算机程序，所述计算机程序用于：

所述计算机程序被处理器执行时实现如权利要求1－4中任一所述的方法。