[发明专利]训练深度强化学习模型的方法及装置在审
| 申请号： | 201810893034.6 | 申请日： | 2018-08-07 |
| 公开（公告）号： | CN109255443A | 公开（公告）日： | 2019-01-22 |
| 发明（设计）人： | 何建杉 | 申请（专利权）人： | 阿里巴巴集团控股有限公司 |
| 主分类号： | G06N20/00 | 分类号： | G06N20/00;G06K9/62 |
| 代理公司： | 北京亿腾知识产权代理事务所 11309 | 代理人： | 陈霁;周良玉 |
| 地址： | 英属开曼群岛大开*** | 国省代码： | 开曼群岛;KY |
| 权利要求书： | 查看更多 | 说明书： | 查看更多 |
| 摘要： | 本说明书实施例提供一种训练深度强化学习模型的方法和装置，其中深度强化学习模型用于根据策略，将环境的状态映射为动作。上述方法包括：获取历史样本，其包括由第一状态，第一动作，奖励分数和第二状态构成的序列；然后获取深度强化学习模型的当前策略针对上述第一状态确定出的第二动作。接着，比较第二动作与第一动作是否相同。在两者相同的情况下，将上述历史样本确定为同策略样本，用于采用同策略算法训练所述深度强化学习模型。 | ||
| 搜索关键词： | 强化学习 历史样本 方法和装置 策略算法 状态确定 映射 样本 奖励 | ||
【主权项】：
1.一种训练深度强化学习模型的方法，所述深度强化学习模型用于根据策略，将环境的状态映射为动作，所述方法包括：获取历史样本，所述历史样本包括由第一状态，第一动作，奖励分数和第二状态构成的序列，其中所述第二状态是在环境处于第一状态的情况下，施加所述第一动作后，所述环境迁移到的状态；获取所述深度强化学习模型的当前策略针对所述第一状态确定出的第二动作；判断所述第二动作与所述第一动作是否相等，在两者相等的情况下，将所述历史样本确定为同策略样本，用于采用同策略算法训练所述深度强化学习模型。
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阿里巴巴集团控股有限公司，未经阿里巴巴集团控股有限公司许可，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/201810893034.6/，转载请声明来源钻瓜专利网。
