[发明专利]一种基于信息瓶颈的深度强化学习模型鲁棒性增强方法

摘要

本发明公开的一种基于信息瓶颈的深度强化学习模型鲁棒性增强方法，通过设定信息瓶颈对深度强化学习中的状态信息进行限制，通过一个编码器来编码转移元组中的状态信息，首先对环境中观察到状态进行编码，编码后输入到策略网络，根据策略网络的动作与环境进行互动，得到下一轮的状态，再将该状态进行编码，与环境不断交互，实现策略网络的训练。本发明公开的基于信息瓶颈的深度强化学习模型鲁棒性增强方法使得训练得到的策略在原始任务上依然有很好地表现，且能抵御对抗攻击的影响；采用退火的思想设置正则项中的比例系数，从而达到一个稳定训练的过程，使得训练得到的策略在正常任务中依旧有出色的性能。