公开(公告)号：CN115392438B

公开(公告)日：2023-07-07

申请号：CN202211114004.3

申请日：2022-09-14

Applicant: 吉林建筑大学

Inventor： 王旭 ,  周诗佳 ,  张宇 ,  尤天舒 ,  徐勇 ,  富倩 ,  孙伟 ,  李力东 ,  杜丽英 ,  戴传祗

IPC: G06N3/04 ,  G06N3/08 ,  G06N20/00 ,  G06Q10/04

Abstract: 本申请提供一种基于多Agent环境的深度强化学习算法、设备和存储介质，涉及深度强化学习算法技术领域；通过步骤S101、利用Agent中的目标网络，基于初始状态信息和动作信息，确定时间差分；步骤S102、根据预设的遮盖率，对初始状态信息进行随机遮盖，得到目标状态信息，利用Agent中的预测网络，以及时间差分，确定误差值；步骤S103：基于误差值，以及自适应修改参数，对Agent中的预测网络和目标网络各自对应的加权值进行更新；步骤S104：重复步骤S102和步骤S103预设次数，确定目标加权值，从而确定目标深度强化学习模型。具有保证了样本学习效率，并通过自适应修改参数对深度强化学习模型中的Agent进行迭代更新，以提高收敛速度的效果。

公开(公告)号：CN115392438A

公开(公告)日：2022-11-25

申请号：CN202211114004.3

申请日：2022-09-14

Applicant: 吉林建筑大学

Inventor： 王旭 ,  周诗佳 ,  张宇 ,  尤天舒 ,  徐勇 ,  富倩 ,  孙伟 ,  李力东 ,  杜丽英 ,  戴传祗

IPC: G06N3/04 ,  G06N3/08 ,  G06N20/00 ,  G06Q10/04

Abstract: 本申请提供一种基于多Agent环境的深度强化学习算法、设备和存储介质，涉及深度强化学习算法技术领域；通过步骤S101、利用Agent中的目标网络，基于初始状态信息和动作信息，确定时间差分；步骤S102、根据预设的遮盖率，对初始状态信息进行随机遮盖，得到目标状态信息，利用Agent中的预测网络，以及时间差分，确定误差值；步骤S103：基于误差值，以及自适应修改参数，对Agent中的预测网络和目标网络各自对应的加权值进行更新；步骤S104：重复步骤S102和步骤S103预设次数，确定目标加权值，从而确定目标深度强化学习模型。具有保证了样本学习效率，并通过自适应修改参数对深度强化学习模型中的Agent进行迭代更新，以提高收敛速度的效果。