[发明专利]用于智能体连续空间行动规划的方法、装置及存储介质

摘要

本发明涉及一种用于智能体连续空间行动规划的方法、装置及存储介质，方法包括步骤：S1、将智能体连续空间行动过程中的状态观测量组成向量构成状态St，将智能体连续空间行动过程中的驱动控制量组成向量构成行动at；S2、构建并训练神经网络模型，每隔一段时间根据与环境交互的数据训练及更新神经网络模型；S3、基于神经网络模型进行KR‑PV‑UCT模拟，包括选择过程、扩展过程、评估过程和反向传播过程；S4、选择当前根节点下最优的行动与环境进行交互，智能体达到下一状态，重复S3～S4。与现有技术相比，本发明将KR‑UCT与神经网络融合运用到高维连续行动空间，在保证效果的前提下减少控制的延迟，实现智能体连续空间行动的高效规划。