本发明公布了一种基于随机微分方程的连续性强化学习系统及方法,系统包括动作策略生成器APG、环境状态估计器ESE、值估计器VE,记忆存储模块MS和外部环境EE;具体步骤如下:初始化动作策略生成器APG、环境状态估计器ESE和值估计器VE;动作策略生成器APG计算输出动作值增量Δa
k;外部环境EE输出下一步动作值a
k+1、下一步环境状态值s
k+1以及当前步奖励值R
k,并存储至记忆存储模块MS中;环境状态估计器ESE更新环境状态参数集θ
p和预测未来环境状态估计值s′
k;VE优化器更新Q函数网络并预测未来奖励估计值R′
k;APG优化器更新动作值参数集θ
v。本方法基于随机微分方程作为基础模型,能实现动作控制的连续性且能控制训练过程方差,能够通过预测环境的变化来选择动作以实现更好的环境交互。
声明:
“基于随机微分方程的连续性强化学习系统及方法” 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)