用于选择要由与环境交互的代理执行的动作的方法、系统和装置。一种方法包括维护将每个观测‑动作对映射到相应的返回的返回数据,每个观测‑动作对中的动作是由代理响应于观测‑动作对中的观测而执行的动作,并且由每个观测‑动作对映射到的相应返回是由代理执行观测‑动作对中的动作所产生的返回;接收当前观测;确定当前观测值是否与在返回数据中识别到的任何观测相匹配;以及响应于确定当前观测与在返回数据中识别到的第一观测相匹配,使用由返回数据中包括第一观测的观测‑动作对映射到的返回来选择要由代理执行的动作。
声明:
“用于强化学习代理的无模型控制” 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)