本发明公开了一种基于PPO算法的强化学习智能体训练方法,包括仿真配置管理、训练环境配置、超参选择PPO算法、智能体训练、训练结果分析、模型生成。本发明的有益效果是:所搭建的平台可以解析环境的关键信息,提供自动模型生成功能,根据环境中各智能体状态空间和动作空间的特性、数据类型、以及仿真环境提供的“得分”,自动地选择系统内置的深度网络模型来表达策略模型和价值函数模型,支持离散、连续、图像、不定长列表等类型的输入数据,也支持离散和连续的动作类型。模型由平台自动生成,无需人为调整和设置。
声明:
“基于PPO算法的强化学习智能体训练方法” 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)