[发明专利]用于稀疏奖励环境的强化学习方法、装置、设备及介质有效
| 申请号： | 202110466716.0 | 申请日： | 2021-04-28 |
| 公开（公告）号： | CN113077052B | 公开（公告）日： | 2023-10-24 |
| 发明（设计）人： | 吴天博;王健宗 | 申请（专利权）人： | 平安科技（深圳）有限公司 |
| 主分类号： | G06N3/092 | 分类号： | G06N3/092;G06F18/22 |
| 代理公司： | 北京辰权知识产权代理有限公司 11619 | 代理人： | 李小朋 |
| 地址： | 518048 广东省深圳市福田区福*** | 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： | 本发明公开了一种用于稀疏奖励环境的强化学习方法、装置、设备及介质，所述方法包括：将动作分别与多个当前环境状态进行交互，得到多个下一时刻的环境状态；计算所述下一时刻的环境状态的相似度，得到相似度矩阵；根据所述相似度矩阵判断当前环境状态是否会受到随机噪声的影响；若当前环境状态会受到随机噪声的影响，则通过预设的环境熟悉度模型计算内在奖励值；根据与环境交互产生的经验数据以及计算出来的内在奖励值进行策略的学习。根据本公开实施例提供的强化学习方法，能够在外部奖励比较稀疏或者不存在的情况下快速有效地学习策略。 | ||
| 搜索关键词： | 用于 稀疏 奖励 环境 强化 学习方法 装置 设备 介质 | ||
【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平安科技（深圳）有限公司，未经平安科技（深圳）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/202110466716.0/，转载请声明来源钻瓜专利网。
