本发明实施例提供一种强化学习方法、装置、电子设备及存储介质，所述方法包括：确定智能体在执行完当前执行动作后的观测状态，作为下一观测状态；基于预先设定的观测状态与规则状态的映射关系，确定下一观测状态对应的下一规则状态；基于预先设定的智能体执行策略和下一规则状态，确定智能体的下一执行动作，并基于下一规则状态和下一执行动作确定下一行动效用值；基于下一行动效用值，更新智能体的当前行动效用值，直至满足预先设定的交互终止条件。本发明实施例提供的强化学习方法、装置、电子设备及存储介质，行动效用值的计算量大幅减少，缩减了计算维度，提升了强化学习效率。
声明：
“强化学习方法、装置、电子设备及存储介质” 该技术专利(论文)所有权利归属于技术(论文)所有人。仅供学习研究，如用于商业用途，请联系该技术所有人。
我是此专利(论文)的发明人(作者)
1193
编辑：管理员
来源：北方有色网
咨询细节
