本发明公开了一种基于无观测状态下的网络型强化学习方法,包括:初始化DQN算法网络模型的网络模型参数、输入参数;依据网络模型参数、输入参数采用估计网络,确定初始策略;根据当前时刻与初始策略交互的环境反馈出的价值评估值,确定当前假设状态;依据价值评估值及当前假设状态,确定当前时刻对应的最优策略;根据价值评估值、当前时刻对应的最优策略,优化DQN算法网络模型。本发明还公开了一种基于无观测状态下的网络型强化学习系统。该基于无观测状态下的网络型强化学习方法及系统的目的是解决在真实动态博弈场景下对抗双方存在信息不对等情况下,无法获取对方状态信息时,现有强化学习模型难以在该场景下直接应用的问题。
声明:
“基于无观测状态下的网络型强化学习方法及系统” 该技术专利(论文)所有权利归属于技术(论文)所有人。仅供学习研究,如用于商业用途,请联系该技术所有人。
我是此专利(论文)的发明人(作者)