本發明公開了一種基于事后回顧和漸進式擴展的持續強化學習非完全信息博弈方法及裝置,包括下述步驟:獲取非完全博弈環境,確定任務目標;構建第一神經網絡和基于未來值預測的強化學習方法;構建事后經驗回顧池;對第一神經網絡進行訓練,直至第一神經網絡收斂;構建漸進式神經網絡,實現網絡模型的漸進式擴展;選擇下一個任務作為任務目標,利用基于未來值預測的強化學習方法持續訓練,直至所有的任務都訓練完成。本發明通過使用非完全信息博弈場景中豐富的智能體狀態變化作為監督信號,解決該環境下的獎勵稀疏問題,同時引入持續學習框架漸進式神經網絡對未來值預測網絡結構進行動態擴展,解決了在該環境下的多任務場景中的災難性遺忘的問題。
聲明:
“基于事后回顧和漸進式擴展的持續強化學習非完全信息博弈方法及裝置” 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)