申请/专利权人：国网智能电网研究院有限公司;国网辽宁省电力有限公司锦州供电公司;国网辽宁省电力有限公司;国家电网有限公司

申请日：2023-11-27

公开（公告）日：2024-04-02

公开（公告）号：CN117808117A

主分类号：G06N20/00

分类号：G06N20/00;G06N5/048;G06N5/046;G06N5/025

优先权：

专利状态码：在审-公开

法律状态：2024.04.02#公开

摘要：基于环境奖励模糊自适应的强化学习方法、装置及介质，该方法通过环境客观指标数值计算与趋势分析、环境客观指标关联的权重系数增量的模糊计算、环境客观指标关联的权重系数增量的二次处理和环境总体奖励合成，实现环境奖励模糊自适应，再结合状态、动作和智能体等其他强化学习必需要素，进而实现基于环境奖励模糊自适应的强化学习。本发明在确保环境奖励自适应调整方向与环境实际特性变化的相关性的同时，实现自动探索“最优奖励”，提升了强化学习的泛化性，进而深化和扩展了强化学习的应用价值和领域。

主权项：1.基于环境奖励模糊自适应的强化学习方法，其特征在于，包括：根据领域知识、强化学习目标和专家经验设置强化学习的基本参数；基本参数至少包括环境客观指标、环境客观指标关联的环境奖励、初始权重系数和环境总体奖励；根据环境客观指标的定义方法对智能体与环境在各个交互时间步下的环境客观指标进行定量计算，得到定量化的环境客观指标，并对所述定量化的环境客观指标进行趋势分析，得到趋势分析结果；以所述趋势分析结果作为模糊控制器的初始输入，经模糊控制器处理后，输出客观指标关联的权重系数增量；对所述环境客观指标关联的权重系数增量进行二次处理，得到环境客观指标关联的实际权重系数增量；基于当前预设数量时间步的各个客观指标关联的权重系数和当前各个实际权重系数增量计算下一个预设数量时间步的环境总体奖励的权重系数，进而确定环境总体奖励。

全文数据：

权利要求：

百度查询： 国网智能电网研究院有限公司;国网辽宁省电力有限公司锦州供电公司;国网辽宁省电力有限公司;国家电网有限公司 基于环境奖励模糊自适应的强化学习方法、装置及介质

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