[发明专利]在线学习方法

摘要

本发明提供了一种在线学习方法，包括：计算第一动作的第一评价指标；计算第二动作的第二评价指标；当第一评价指标大于第二评价指标时，将场景状态信息和第一动作作为第一缓存数据进行存储；当第一评价指标小于第二评价指标时，将场景状态信息和第一动作、以及第二动作作为第二缓存数据进行存储；第一缓存数据和第二缓存数据构成缓存数据；当缓存数据的数据量大于预设阈值时，从缓存数据中获取采样数据；当采样数据来源于第一缓存数据时，利用强化学习算法对第一系统进行训练；当采样数据来源于第二缓存数据时，利用监督式强化学习算法对第一系统进行训练，提升了决策系统的决策能力和鲁棒性。

主权项

1.一种在线学习方法，其特征在于，所述方法包括：第一系统根据获取的场景状态信息，生成第一动作，并计算第一动作的第一评价指标；第二系统根据获取的场景状态信息，生成第二动作，并计算第二动作的第二评价指标；比较所述第一评价指标和所述第二评价指标，当所述第一评价指标大于所述第二评价指标时，将所述场景状态信息和所述第一动作作为第一缓存数据进行存储；当所述第一评价指标小于所述第二评价指标时，将所述场景状态信息和所述第一动作、以及所述第二动作作为第二缓存数据进行存储；所述第一缓存数据和所述第二缓存数据构成缓存数据；当所述缓存数据的数据量大于预设阈值时，从所述缓存数据中获取采样数据；判断所述采样数据的来源，当所述采样数据来源于第一缓存数据时，利用强化学习算法对所述第一系统进行训练；当所述采样数据来源于第二缓存数据时，利用监督式强化学习算法对所述第一系统进行训练。