本发明公开了一种智能体探索3D迷宫的批A3C强化学习方法,为了达到相对较短的训练时间和较小的内存损耗的目标,本发明使用基于批的强化学习方法训练神经网络。神经网络划分为两个部分,第一部分主要包含若干个卷积层和MLP,得到原始屏幕像素的低维度表示;第二部分是一个LSTM即长短时记忆模型。LSTM的输入是第一部分的MLP的输出,LSTM的最后一个时间步的细胞输出外接两个MLP,分别用来预测当前状态下动作a的概率分布以及当前状态下的状态值v的预测。结合高效强化学习算法与深度学习方法实现智能体自主探索3D迷宫,并且以相对较短的训练时间和较小的内存损耗使得智能体能够成功的探索3D迷宫环境。
声明:
“智能体探索3D迷宫的批A3C强化学习方法” 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)