申请/专利权人：西安石油大学

申请日：2023-12-20

公开（公告）日：2024-03-29

公开（公告）号：CN117787383A

主分类号：G06N3/084

分类号：G06N3/084;G06N3/092

优先权：

专利状态码：在审-公开

法律状态：2024.03.29#公开

摘要：一种基于TD误差优先采样和Adam自适应学习率的SA‑TD3算法，主要解决TD3算法中从经验池抽取的样本都以等概率随机采样，忽略不同样本具有不同重要性的信息，造成训练速度慢、训练过程不稳定的缺点以及参数更新时梯度下降法在迭代求最优解的过程中，在极值点附近算法的收敛速度极大地减缓，导致最终的参数优化变慢等问题。本发明的实现过程为：设计TD3算法的网络训练模型，使用原始TD3算法训练三个经典的连续控制任务，观察其奖励值随着训练回合增加的情况；根据步骤S1搭建的TD3算法网络训练模型，设计基于TD误差的优先采样模块；设计基于Adam优化算法的自适应学习率调整模块，不断迭代寻优，得到待优化目标超参数的优质解；融合优先采样和Adam优化，使用改进后的算法对OpenAIGym中的控制任务进行训练记录训练回合数及每回合获得的奖励值，作为算法改进效果的指标；本发明有效提高了算法训练收敛速度和稳定性。

主权项：1.一种基于TD误差的优先采样和Adam自适应学习率的SA-TD3算法，其特征在于，使用TD3算法训练OpenAIGym里的连续控制任务时，从经验池中采用基于TD误差的优先采样，按照优先级进行采样，同时在参数更新时采用Adam优化算法并为学习率添加修正因子，通过梯度值衰减逐次更新学习率的大小，实现优化器学习率自适应调节的要求，进而提高算法的收敛性能和稳定性，这些措施有效地改进了TD3算法中的一些缺陷，提高了算法的收敛性能和稳定性，本方法包括如下步骤：S1、设计TD3算法的网络训练模型，使用原始TD3算法和DDPG算法训练三个经典的连续控制任务，观察其奖励值随着训练回合增加的情况；S2、根据步骤S1搭建的TD3算法网络训练模型，设计基于TD误差的优先采样模块，进行模型训练；S3、在TD3算法的网络模型上设计基于Adam优化算法的自适应学习率调整模块，不断迭代寻优，得到待优化目标超参数的优质解；S4、使用改进后的算法对OpenAIGym中的控制任务进行训练记录训练回合数及每回合获得的奖励值，作为算法改进效果的指标。

全文数据：

权利要求：

百度查询： 西安石油大学 一种基于TD误差优先采样和Adam自适应学习率的SA-TD3算法

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