“商宏志”申请（专利权）人搜索_中国专利权人_发明人_技术持有人_科研专家_钻瓜专利网

钻瓜专利网为您找到相关结果2个，建议您升级VIP下载更多相关专利

[发明专利]一种多智能体协同及对抗中的策略决策方法-CN202310178924.X在审
发明人：常永哲;商宏志;王学谦;梁斌 -专利权人：清华大学深圳国际研究生院
申请日： 2023-02-27 - 公布日： 2023-05-26 - 主分类号： G06N3/0475 文献下载
摘要：本发明公开了一种多智能体协同及对抗中的策略决策方法，包括如下步骤：S1、利用不同的强化学习策略训练单个智能体完成对单个智能体策略的分治，得到最适应单一场景的分治决策策略；S2、根据不同场景下每种决策算法的优劣，基于不同的强化学习策略的融合算法完成对单个智能体策略的融合，动态选择在实时变化的场景下最适应当前场景的在步骤S1的分治中得到的融合决策策略；S3、利用不同的强化学习策略将多智能体协作或对抗的任务智能分解，分配完成对多智能体协作或对抗的分治融合，得到多智能体协同或对抗的最优决策策略。本发明得到多智能体协同或对抗的最优决策策略，在多智能体协作或对抗中实现多类算法动态融合与多种模型柔性切换。
一种智能体协对抗中的策略决策方法

[发明专利]度量复杂任务决策情景下强化学习策略间差异度的方法-CN202310055986.1在审
发明人：常永哲;商宏志;王学谦;梁斌 -专利权人：清华大学深圳国际研究生院
申请日： 2023-01-17 - 公布日： 2023-04-25 - 主分类号： G06N3/092 文献下载
摘要：本发明公开了一种度量复杂任务决策情景下强化学习策略间差异度的方法，包括如下步骤：S1、通过中断训练周期或动态干扰与衰减，生成收敛至局部的次优子策略群；S2、采用策略生成轨迹的差异度对已生成的次优子策略群进行次优子策略群生成轨迹的差异度分析和筛选；S3、采用策略的分布概率度量PSM捕获每个次优子策略群的局部最优行为的差异和长期最优行为的差异，择取出集成多样性的次优子策略群。本发明能够保证子策略群的次优性与多样性，提升了基于集成思想的强化学习算法在复杂任务中的渐进性能。
度量复杂任务决策情景强化学习策略差异方法