[发明专利]一种基于概率密度估计的逆强化学习方法在审
| 申请号： | 202110183966.3 | 申请日： | 2021-02-10 |
| 公开（公告）号： | CN112990477A | 公开（公告）日： | 2021-06-18 |
| 发明（设计）人： | 刘阳;袁博 | 申请（专利权）人： | 清华大学深圳国际研究生院 |
| 主分类号： | G06N20/00 | 分类号： | G06N20/00;G06N3/04;G06N3/08 |
| 代理公司： | 深圳新创友知识产权代理有限公司 44223 | 代理人： | 王震宇 |
| 地址： | 518055 广东省深圳市*** | 国省代码： | 广东;44 |
| 权利要求书： | 查看更多 | 说明书： | 查看更多 |
| 摘要： | 一种基于概率密度估计的逆强化学习方法，包括：初始化策略模型；获取专家示范；利用专家示范估计专家的状态分布概率密度；利用专家示范估计专家状态动作联合分布概率密度；利用策略与环境交互，收集策略状态样本；利用状态样本估计策略状态分布概率密度；利用专家状态分布概率密度以及专家状态动作联合分布概率密度还原奖励函数；利用PPO方法优化策略；重复上述步骤到模型收敛；保留模型参数，输出策略模型。该方法可以整合到各类现有的逆强化学习框架中，大大提高各类逆强化学习算法的效率；同时，可以显著降低各类逆强化学习框架的计算复杂度，提高逆强化学习框架的样本利用率，以及加快逆强化学习框架的收敛速度。 | ||
| 搜索关键词： | 一种 基于 概率 密度 估计 强化 学习方法 | ||
【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清华大学深圳国际研究生院，未经清华大学深圳国际研究生院许可，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/202110183966.3/，转载请声明来源钻瓜专利网。
