本发明公开了一种基于深度强化学习的分层决策方法，先初始化决策对象的战术决策层智能体和意图识别层智能体，意图识别智能体采用深度循环Q网络根据输入的意图识别观测信息，生成意图识别层行为，根据意图识别层行为选择战术决策层智能体；战术决策层智能体采用深度确定性策略梯度算法，根据战术决策观测信息计算战术决策层智能体的行为。本发明战术决策层和意图识别层在训练时是相互独立的，在决策时是相互联系的，避免了同时训练难以收敛的问题，能够加快训练时的算法收敛速度，进而提升智能体整体决策能力。
声明：
“基于深度强化学习的分层决策方法” 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)
910
编辑：管理员
来源：北方有色网
咨询细节
