基于强化学习和模仿学习的智能补货决策方法及存储介质.pdfVIP

下载本文档

10
0
约2.1万字
约 19页
2023-05-16 发布于四川
举报
版权申诉

基于强化学习和模仿学习的智能补货决策方法及存储介质.pdf

1、本文档共19页，其中可免费阅读18页，需付费10金币后方可阅读剩余内容。
2、本文档内容版权归属内容提供方，所产生的收益全部归内容提供方所有。如果您对本文有版权争议，可选择认领，认领后既往收益都归您。
3、本文档由用户上传，本站不保证质量和数量令人满意，可能有诸多瑕疵，付费之前，请仔细先通过免费阅读内容等途径辨别内容交易风险。如存在严重挂羊头卖狗肉之情形，可联系本站下载客服投诉处理。
4、文档侵权举报电话：400-050-0827(电话支持时间：9:00-18:30)。
5、该文档为VIP文档，如果想要下载，成为VIP会员后，下载免费。
6、成为VIP后，下载本文档将扣除1次下载权益。下载后，不支持退款、换文档。如有疑问请联系我们。
7、成为VIP后，您将拥有八大权益，权益包括：VIP文档下载权益、阅读免打扰、文档格式转换、高级专利检索、专属身份标志、高级客服、多端互通、版权登记。
8、VIP文档为合作方或网友上传，每下载1次，网站将根据用户上传文档的质量评分、类型等，对文档贡献者给予高额补贴、流量扶持。如果你也想贡献VIP文档。上传文档

本发明为基于强化学习和模仿学习的智能补货决策方法及存储介质，包括MDP设计模块，模仿学习建模模块以及智能决策模块；模仿学习建模模块包括行为克隆模块以及对抗式模仿学习模块；智能决策模块包括基础策略以及探索策略。本发明结合行为克隆和对抗式模仿学习两种方式，通过行为克隆应对简单业务场景，使智能体的补货决策能力达到专家平均水平，通过对抗式模仿学习构建对抗奖励函数应对复杂业务场景，超越专家决策水平。本发明有效解决现有补货系统对输入数据依赖度较高，模型稳定性低、泛化能力弱的问题，并避免了黑盒预测，拥有更好的

(19)国家知识产权局 (12)发明专利申请 (10)申请公布号 CN 114781724 A (43)申请公布日 2022.07.22 (21)申请号 202210428733.X (22)申请日 2022.04.22 (71)申请人杭州观远数据有限公司地址 310