申请/专利权人：中国矿业大学

申请日：2024-01-15

公开（公告）日：2024-04-12

公开（公告）号：CN117875451A

主分类号：G06N20/00

分类号：G06N20/00;G06F18/214;G06N3/045;G06N3/084

优先权：

专利状态码：在审-实质审查的生效

法律状态：2024.04.30#实质审查的生效;2024.04.12#公开

摘要：本发明公开了一种基于同策略正则化策略评估的离线强化学习方法，首先根据同策略强化学习的需求，采样状态‑动作‑奖励‑状态‑动作形式，即SARSA‑style的经验转换数据作为训练样本；然后在同策略正则化策略评估过程中，利用SARSA‑style自举的同策略动作构建保守的近似同策略Q函数和同‑异策略动作惩罚项，来共同正则化异策略Q学习形式，即QL‑style的最优Q函数；最后在策略提升的配合下，不断地从上述稳定估计的学习最优Q函数提取高性能任务解决策略。本发明在不访问各类估计行为策略和行为Q函数的情况下，能够稳定且自然地将同策略的保守性引入到学习Q函数，并将学习Q函数可控地限制在其真实值附近。

主权项：1.一种基于同策略正则化策略评估的离线强化学习方法，其特征在于，首先根据同策略强化学习的需求，采样状态-动作-奖励-状态-动作形式，即SARSA-style的经验转换数据作为训练样本；然后在同策略正则化策略评估过程中，利用同策略动作构建保守的近似同策略Q函数和同-异策略动作惩罚项，来共同正则化异策略Q学习形式的最优Q函数；最后在策略提升的配合下，不断地从所述学习的最优Q函数提取鲁棒的策略，直至学习到满足现实需求的高性能任务解决策略。

全文数据：

权利要求：

百度查询： 中国矿业大学 一种基于同策略正则化策略评估的离线强化学习方法

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