技术编号:37665226
提示:您尚未登录,请点 登 陆 后下载,如果您还没有账户请点 注 册 ,登陆完成后,请刷新本页查看技术详细信息。本发明涉及离线强化学习,特别涉及一种基于同策略正则化策略评估的离线强化学习方法。背景技术、强化学习在玩游戏、机器人控制、物流运输、非线性动态系统控制等拥有高保真模拟器的序列决策领域取得了巨大的成功。但在许多现实世界的隐私/安全敏感场景中,与环境在线试错交互成本昂贵且危险,这在很大程度上限制了强化学习在模拟器之外的应用。相对地,数据驱动的离线强化学习旨在仅从固定静态数据集学习高性能的任务解决策略,删除了与环境进一步交互获得纠正反馈的设定。这种学习范式使得离线强化学习在没有模拟器的情况下,就可以扩...
注意:该技术已申请专利,请尊重研发人员的辛勤研发付出,在未取得专利权人授权前,仅供技术研究参考不得用于商业用途。
该专利适合技术人员进行技术研发参考以及查看自身技术是否侵权,增加技术思路,做技术知识储备,不适合论文引用。
请注意,此类技术没有源代码,用于学习研究技术思路。