[发明专利]基于适合度轨迹的神经网络强化学习方法及系统在审
| 申请号： | 201710899730.3 | 申请日： | 2017-09-28 |
| 公开（公告）号： | CN109583582A | 公开（公告）日： | 2019-04-05 |
| 发明（设计）人： | 王婷婷 | 申请（专利权）人： | 中国石油化工股份有限公司;中国石油化工股份有限公司石油物探技术研究院 |
| 主分类号： | G06N3/08 | 分类号： | G06N3/08 |
| 代理公司： | 北京思创毕升专利事务所 11218 | 代理人： | 孙向民;廉莉莉 |
| 地址： | 100728 北*** | 国省代码： | 北京;11 |
| 权利要求书： | 查看更多 | 说明书： | 查看更多 |
| 摘要： | 本发明公开了一种基于适合度轨迹的神经网络强化学习方法及系统。该神经网络强化学习方法包括：初始化神经网络权值，强化学习参数及适合度轨迹；获取当前环境状态和立即回报值；计算强化学习的Q值函数；获取适合度轨迹和更新神经网络权值；检测新的环境状态和立即回报值；新的环境状态和立即回报值满足结束条件，强化学习结束，不满足结束条件，返回重新检测获取当前环境状态和立即回报值。其优点在于：解决了强化学习面对连续状态空间的函数逼近问题，同时引进的适合度轨迹，对经历过的状态动作正确的访问路径的有效保存，提高神经网络的泛化性能，最后加快算法的收敛速度。 | ||
| 搜索关键词： | 强化学习 神经网络 适合度 环境状态 回报 结束条件 连续状态空间 泛化性能 访问路径 函数逼近 状态动作 初始化 检测 算法 收敛 保存 返回 更新 | ||
【主权项】：
1.一种基于适合度轨迹的神经网络强化学习方法，其特征在于，所述神经网络强化学习方法包括：初始化神经网络权值，强化学习参数及适合度轨迹；检测获取当前环境状态和立即回报值；计算强化学习的Q值函数；基于所述Q值函数，获取所述适合度轨迹和更新所述神经网络权值；检测新的环境状态和立即回报值；所述新的环境状态和立即回报值满足结束条件，强化学习结束，不满足结束条件，返回重新检测获取所述当前环境状态和立即回报值。
下载完整专利技术内容需要扣除积分，VIP会员可以免费下载。
该专利技术资料仅供研究查看技术是否侵权等信息，商用须获得专利权人授权。该专利全部权利属于中国石油化工股份有限公司;中国石油化工股份有限公司石油物探技术研究院，未经中国石油化工股份有限公司;中国石油化工股份有限公司石油物探技术研究院许可，擅自商用是侵权行为。如果您想购买此专利、获得商业授权和技术合作，请联系【客服】
本文链接：http://www.vipzhuanli.com/patent/201710899730.3/，转载请声明来源钻瓜专利网。
