[发明专利]用于借助于强化学习来训练控制策略的设备和方法在审
| 申请号： | 202111333359.7 | 申请日： | 2021-11-11 |
| 公开（公告）号： | CN114536319A | 公开（公告）日： | 2022-05-27 |
| 发明（设计）人： | D·斯捷潘诺娃;J·厄施;N·穆斯里乌;T·艾特尔;F·M·里希特 | 申请（专利权）人： | 罗伯特·博世有限公司 |
| 主分类号： | B25J9/16 | 分类号： | B25J9/16;B25J13/00;G06N3/02;G06N3/08 |
| 代理公司： | 中国专利代理(香港)有限公司 72001 | 代理人： | 孙云汉;刘春元 |
| 地址： | 德国斯*** | 国省代码： | 暂无信息 |
| 权利要求书： | 查看更多 | 说明书： | 查看更多 |
| 摘要： | 描述了借助于强化学习来训练控制策略的方法，其具有：执行多次强化学习训练遍历，在每次遍历中，针对代理的状态序列的每个状态从控制遍历的初始状态开始选择所要执行的行动，针对至少有些状态，通过指定计划范围来选择行动，该计划范围指定了状态数目；通过将回答集编程求解器应用于回答集编程程序，确定具有指定的状态数目的从相应状态出发可到达的状态的多个序列，该回答集编程程序对行动与通过这些行动所到达的后续状态之间的关系进行建模；选择在这些序列中提供最大回报的序列，其中由所确定的序列提供的回报是在到达该序列的状态时所获得的奖励的总和；并选择可用来从相应状态出发到达所选序列的第一状态的行动，作为针对相应状态的行动。 | ||
| 搜索关键词： | 用于 借助于 强化 学习 训练 控制 策略 设备 方法 | ||
【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罗伯特·博世有限公司，未经罗伯特·博世有限公司许可，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/202111333359.7/，转载请声明来源钻瓜专利网。
- 上一篇：用于确定电储能器的状态变量的方法和装置
- 下一篇：水泥厂的减碳方法
