[发明专利]基于动态示教数据和行为克隆的深度Q学习网络优化方法

摘要

本发明属于信息处理领域，具体涉及一种基于动态示教数据和行为克隆的深度Q学习网络优化方法，旨在为了解决历史示教数据覆盖状态‑动作空间有限和不完美示教数据会影响策略优化方向的问题。本发明包括：对初始行为克隆网络进行有监督的训练得到第一行为克隆网络；基于第二示教数据集，对具有相同网络结构的主网络、目标网络进行预训练，并进一步基于有专家损失的混合损失函数进行主网络的训练；若在训练回合中得到历史最优奖励值，对第二示教数据集进行更新；重复采用更新的第二示教数据集进行网络训练，直至达到结束条件。本发明方法在训练过程中不断加入高质量样本数据，提升示教数据集所代表策略的性能，连续对模型的性能提升产生正向作用。