[发明专利]基于事后经验的信赖域策略优化方法、装置及相关设备在审
| 申请号： | 202010713458.7 | 申请日： | 2020-07-22 |
| 公开（公告）号： | CN112101563A | 公开（公告）日： | 2020-12-18 |
| 发明（设计）人： | 兰旭光;张翰博;柏思特;郑南宁 | 申请（专利权）人： | 西安交通大学 |
| 主分类号： | G06N20/00 | 分类号： | G06N20/00 |
| 代理公司： | 西安通大专利代理有限责任公司 61200 | 代理人： | 陈翠兰 |
| 地址： | 710049 *** | 国省代码： | 陕西;61 |
| 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事后经验的信赖域策略优化方法、装置及相关设备，方法包括：S100，将经验数据中已到达的目标点作为虚拟目标点，生成虚拟的事后经验数据；S200，基于事后目标滤波算法，完成对虚拟目标的过滤，获取所对应的训练数据；S300，基于虚拟经验数据，通过加权重要性采样修正虚拟经验数据与原始经验数据的分布偏差；S400，基于加权重要性采样修正虚拟经验数据与原始经验数据的分布偏差，以此估计策略间KL散度值；S500，通过KL散度修正策略梯度方向，并通过最大KL散度步长计算更新策略步长。该方法以使智能体能够基于少量的交互数据和简单设计的奖励函数，能够对环境和任务完成有效的探索过程，并对行为策略进行高效的学习和更新。 | ||
| 搜索关键词： | 基于 事后 经验 信赖 策略 优化 方法 装置 相关 设备 | ||
【主权项】：
暂无信息
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西安交通大学，未经西安交通大学许可，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/202010713458.7/，转载请声明来源钻瓜专利网。
