申请/专利权人：中国科学院深圳先进技术研究院

申请日：2020-12-10

公开（公告）日：2024-03-19

公开（公告）号：CN112396501B

主分类号：G06Q30/0601

分类号：G06Q30/0601;G06Q50/40;G06N20/00

优先权：

专利状态码：有效-授权

法律状态：2024.03.19#授权;2021.03.12#实质审查的生效;2021.02.23#公开

摘要：本发明涉及互联网信息技术领域，特别涉及一种基于交互式强化学习的订单分派方法及系统；本发明在自主学习过程中引入人机交互，融合人类演示、干扰、评价的人机交互模式，从人类演示中学习，通过人类演示的真实数据，能够更好地模拟真实的订单分派场景；从人类干扰中学习，当自主学习过程中出现错误动作时，控制智能体的性能，避免出现错误结果；从人类评估中学习，通过人工评价自主学习结果，使学习过程向更好的订单分派策略方向偏移，加快学习过程，从而得到最优的订单分派策略。

主权项：1.一种基于交互式强化学习的订单分派方法，其特征在于，包括如下步骤：步骤S1、对订单分派任务建模进行模仿训练；步骤S2、在状态和动作的序列方面提供模仿人类行为的订单分派的演示实例，通过自主学习模仿人类演示的订单分派策略行为；步骤S3、在进入灾难性状态或人类不满意的错误状态中，通过自主学习模仿人类干预的行为；步骤S4、通过自主学习模仿人类的评价反馈的行为；步骤S5、进入纯强化学习阶段进行训练，从而得到最优的订单分派策略；在步骤S2内，当产生了人类演示数据时，从人类的演示中收集订单分派的演示记录，使用高斯回归训练该人类演示数据，从而训练出订单分派策略；在步骤S3内，经过从步骤S2训练出的订单分派策略执行订单分派任务，当产生人类干扰数据时，收集人类干扰订单分派的动作数据，按该动作数据改变执行订单分派的动作，从而训练出新的订单分派策略；步骤S4内，经过从步骤S3训练出的订单分派策略执行订单分派任务，当产生人类评价数据时，收集人类的评价数据，通过奖励信号评价订单分派任务的动作，从而训练出新的订单分派策略。

全文数据：

权利要求：

百度查询： 中国科学院深圳先进技术研究院 一种基于交互式强化学习的订单分派方法及系统

免责声明
1、本报告根据公开、合法渠道获得相关数据和信息，力求客观、公正，但并不保证数据的最终完整性和准确性。
2、报告中的分析和结论仅反映本公司于发布本报告当日的职业理解，仅供参考使用，不能作为本公司承担任何法律责任的依据或者凭证。

阅读全文 双屏查看 官方信息 专利公告 收藏专利 下载PDF 下载WORD