[发明专利]用于模拟复杂的强化学习环境的系统和方法

摘要

公开了一种用于模拟向多个实体分配资源的计算系统。所述计算系统可以被配置为将描述模拟实体的偏好和/或需求的实体简档输入到强化学习代理模型中，并且接收作为强化学习代理模型的输出的分配输出，所述分配输出描述用于所述模拟实体的资源分配。所述计算系统可以基于所述分配输出描述的资源分配来选择一个或多个资源，并提供资源给实体模型，所述实体模型被配置为模拟描述模拟实体的响应的模拟响应输出。所述计算系统可以接收作为实体模型的输出的模拟响应输出，并基于所述模拟响应输出更新描述至少一个资源的资源简档和/或实体简档。

主权项

1.一种用于模拟向多个实体分配资源的计算系统，所述计算系统包括：一个或多个处理器；强化学习代理模型，被配置为接收描述模拟实体的偏好或要求中的至少一个的实体简档，并且响应于接收到所述实体简档，输出描述对所述多个实体的所述模拟实体的资源分配的分配输出；实体模型，被配置为接收描述至少一个资源的数据，并且响应于接收描述所述至少一个资源的数据，模拟描述所述模拟实体对描述所述至少一个资源的数据的响应的模拟响应输出；一个或多个共同存储指令的非暂时性计算机可读介质，当由一个或多个处理器运行时，所述指令使所述计算系统执行操作，所述操作包括：将所述实体简档输入到所述强化学习代理模型；接收作为所述强化学习代理模型的输出的分配输出，所述分配输出描述了对所述模拟实体的资源分配；基于由所述分配输出描述的资源分配，选择要提供给所述实体模型的所述至少一个资源；向所述实体模型提供所述至少一个资源；接收作为所述实体模型的输出的模拟响应输出，所述模拟响应输出描述所述模拟实体对所述至少一个资源的响应；以及基于所述模拟响应输出，更新描述所述至少一个资源的资源简档或实体简档中的至少一个。