有哪些信誉好的足球投注网站- 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
查看更多
本发明实施例公开了一种强化学习方法、装置、电子设备和存储介质。该强化学习方法包括：确定智能体交互环境的当前阶段，并判断当前阶段是否变更；若变更，则根据当前阶段从预先设置的分段回报函数集合中确定目标回报函数，将当前回报函数切换为目标回报函数；将当前获取到的样本按照目标回报函数进行更新，得到更新后的样本，并基于更新后的样本和目标回报函数进行阶段变更后的训练。本发明实施例基于环境所处的阶段，将回报函数分阶段地提供给智能体，使得智能体在每个阶段都能基于本阶段可见的回报函数进行训练和收敛，通过难度递进的方
(19)中华人民共和国国家知识产权局 (12)发明专利申请 (10)申请公布号 CN 112418435 A (43)申请公布日 2021.02.26 (21)申请号 202011278721.0 (22)申请日 2020.11.16 (71)申请人 软通动力信息技术（集团）股份有限
文档评论（0）