本發明公開了一種基于適合度軌跡的神經網絡強化學習方法及系統。該神經網絡強化學習方法包括:初始化神經網絡權值,強化學習參數及適合度軌跡;獲取當前環境狀態和立即回報值;計算強化學習的Q值函數;獲取適合度軌跡和更新神經網絡權值;檢測新的環境狀態和立即回報值;新的環境狀態和立即回報值滿足結束條件,強化學習結束,不滿足結束條件,返回重新檢測獲取當前環境狀態和立即回報值。其優點在于:解決了強化學習面對連續狀態空間的函數逼近問題,同時引進的適合度軌跡,對經歷過的狀態動作正確的訪問路徑的有效保存,提高神經網絡的泛化性能,最后加快算法的收斂速度。
聲明:
“基于適合度軌跡的神經網絡強化學習方法及系統” 該技術專利(論文)所有權利歸屬于技術(論文)所有人。僅供學習研究,如用于商業用途,請聯系該技術所有人。
我是此專利(論文)的發明人(作者)