[发明专利]用于目标控制的离线强化学习方法、装置和设备在审
| 申请号： | 202111256006.1 | 申请日： | 2021-10-27 |
| 公开（公告）号： | CN114186474A | 公开（公告）日： | 2022-03-15 |
| 发明（设计）人： | 詹仙园;徐浩然;李健雄 | 申请（专利权）人： | 清华大学 |
| 主分类号： | G06F30/27 | 分类号： | G06F30/27;G06N20/00;G06Q10/04;G06Q10/06;G06Q50/30;G06F111/04 |
| 代理公司： | 北京路浩知识产权代理有限公司 11002 | 代理人： | 耿向宇 |
| 地址： | 100084 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： | 本发明涉及深度学习技术领域，具体提供一种用于目标控制的离线强化学习方法、装置和设备。其中，用于目标控制的离线强化学习方法，包括：获取历史数据；基于历史数据，更新预设的行为策略模拟器，确定行为策略、和行为策略的奖励期望；基于历史数据、行为策略和策略优化目标函数，通过预设的智能体进行行为优化，得到优化策略；其中，策略优化目标函数为基于约束项和策略性能提升项构造的；约束项为基于最大似然估计的方法构造的；策略性能提升项为基于行为策略的奖励期望构造的。如此，基于最大似然估计法构造的约束项，约束了优化策略的最大化概率分布为行为策略，允许优化策略在高置信的状态下产生较大偏移，提高了优化策略的表现力。 | ||
| 搜索关键词： | 用于 目标 控制 离线 强化 学习方法 装置 设备 | ||
【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清华大学，未经清华大学许可，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/202111256006.1/，转载请声明来源钻瓜专利网。
