[发明专利]基于并行架构的内在奖励强化学习方法在审
| 申请号： | 202111598134.4 | 申请日： | 2021-12-24 |
| 公开（公告）号： | CN114266360A | 公开（公告）日： | 2022-04-01 |
| 发明（设计）人： | 杨思明;曹江;高原;郭洋;王平;王景;王晓楠 | 申请（专利权）人： | 中国人民解放军军事科学院战争研究院 |
| 主分类号： | G06N20/00 | 分类号： | G06N20/00;G06N3/04;G06N3/08 |
| 代理公司： | 上海洞见未来专利代理有限公司 31467 | 代理人： | 苗绘 |
| 地址： | 100091 北*** | 国省代码： | 北京;11 |
| 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并行架构的内在奖励强化学习方法，包含如下步骤：执行模块与模拟环境交互，获取一整幕经验数据并存入缓存组件；同步学习模块的最近更新的策略；取出定量的经验数据进行评估，获得奖励值；对经验数据的状态价值函数进行估计，获得内部状态价值函数与外部状态价值函数；处理内部状态价值函数与外部状态价值函数，获得总状态价值函数并改写成近似状态价值函数；外部的智能体对预测网络的参数进行优化，并更新策略网络的当前策略，获得新策略；执行模块更新新策略。本发明解决了现有技术中价值函数估计不准、收敛到局部最优策略的缺陷，避免了优化结果出现偏差的问题，具有更高的单位时隙吞吐率、更好的性能和更快的学习速度。 | ||
| 搜索关键词： | 基于 并行 架构 内在 奖励 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中国人民解放军军事科学院战争研究院，未经中国人民解放军军事科学院战争研究院许可，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/202111598134.4/，转载请声明来源钻瓜专利网。
