用于选择要由与环境交互的代理执行的动作的方法、系统和装置。一种方法包括维护将每个观测‑动作对映射到相应的返回的返回数据，每个观测‑动作对中的动作是由代理响应于观测‑动作对中的观测而执行的动作，并且由每个观测‑动作对映射到的相应返回是由代理执行观测‑动作对中的动作所产生的返回；接收当前观测；确定当前观测值是否与在返回数据中识别到的任何观测相匹配；以及响应于确定当前观测与在返回数据中识别到的第一观测相匹配，使用由返回数据中包括第一观测的观测‑动作对映射到的返回来选择要由代理执行的动作。
声明：
“用于强化学习代理的无模型控制” 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)
1129
编辑：管理员
来源：北方有色网
咨询细节
