一種動態強化學習決策訓練系統,包括強化學習模型、訓練環境模塊、強化學習模型與訓練環境模塊之間的數據接口;訓練環境模塊由環境執行引擎模塊、觀測構建模塊、回報計算模塊三個功能模塊構成;環境執行引擎模塊,用于維護一個底層狀態數據結構,輸出包含所有狀態信息的底層狀態數據;觀測構建模塊,用于負責將底層狀態數據轉換為適應不同算法需求的狀態信息形式,在訓練過程中訓練環境模塊通過回調或動態加載機制調用對應觀測構建模塊將底層狀態數據重構生成狀態信息;回報計算模塊,用于針對多種回報生成條件設置回報檢查點,訓練環境模塊執行步長中計算檢查點回報值并輸出;強化學習模型與訓練環境模塊之間的數據接口包括:狀態信息發送接口、動作接收接口、回報發送接口;極大增強算法普適性,降低接口設計難度,同時減小環境對算法形態的限制。
聲明:
“動態強化學習決策訓練系統” 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)