一种基于Q学习的平均SAC深度强化学习方法和系统.pdfVIP

下载本文档

1
0
约1.55万字
约 13页
2023-05-19 发布于北京
举报
版权申诉

一种基于Q学习的平均SAC深度强化学习方法和系统.pdf

1、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。。
2、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。
3、文档侵权举报电话：400-050-0827(电话支持时间：9:00-18:30)。
4、该文档为VIP文档，如果想要下载，成为VIP会员后，下载免费。
5、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。
6、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。
7、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

本发明提供了一种基于Q学习的平均SAC深度强化学习方法和系统，属于深度强化学习技术领域，1)随机初始化所有参数信息；2)更新Critic网络参数，完成策略评估以进行软策略迭代，计算价值网络的状态值函数，利用软Q网络的Q学习来训练软Q函数，接着选择前K个先前学习的软Q值，用来计算平均软Q值；3)更新Critic网络参数，完成策略改进以进行学习优化；4)完成一回合智能体训练学习，迭代更新直至满足终止条件，完成深度强化学习。本发明针对图像游戏设计了一种基于Q学习的AveragedSoftActor

(19)国家知识产权局 (12)发明专利申请 (10)申请公布号 CN 114881228 A (43)申请公布日 2022.08.09 (21)申请号 202210683336.7 (22)申请日 2022.06.16 (66)本国优先权数据 202111034796.9