[发明专利]基于Q-learning的最优策略获取方法及装置在审
| 申请号： | 202111114741.9 | 申请日： | 2021-09-23 |
| 公开（公告）号： | CN113887736A | 公开（公告）日： | 2022-01-04 |
| 发明（设计）人： | 秦乐;王中风;林军;宁展;瞿昊 | 申请（专利权）人： | 南京大学 |
| 主分类号： | G06N20/00 | 分类号： | G06N20/00 |
| 代理公司： | 北京弘权知识产权代理有限公司 11363 | 代理人： | 逯长明;许伟群 |
| 地址： | 210023 江苏*** | 国省代码： | 江苏;32 |
| 权利要求书： | 查看更多 | 说明书： | 查看更多 |
| 摘要： | 本申请提供基于Q‑learning的最优策略获取方法及装置。所述方法包括：从当前场景的起始状态开始，根据各个可执行动作所对应的当前Q值确定目标动作后，利用贝尔曼方程更新当前状态下每个可执行动作所对应的当前Q值，再控制智能体执行目标动作，以得到下一候选状态，直至到达终止状态或触碰到当前场景的边界，结束当前控制过程，获取当前控制过程所得的累加回报值，如此重复控制，最终将累加回报值最大的目标控制过程中智能体经过的所有候选状态，确定为从起始状态到终止状态的最优策略。整个过程通过并行更新当前状态下所有可执行动作的当前Q值，可以加快Q表的收敛速率，缩短训练时间，进而提高最优策略的获取效率。 | ||
| 搜索关键词： | 基于 learning 最优 策略 获取 方法 装置 | ||
【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南京大学，未经南京大学许可，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/202111114741.9/，转载请声明来源钻瓜专利网。
- 上一篇：一种信息推荐方法及装置
- 下一篇：一种数据存储方法、装置、终端设备及存储介质
