本發明公開了一種智能體探索3D迷宮的批A3C強化學習方法,為了達到相對較短的訓練時間和較小的內存損耗的目標,本發明使用基于批的強化學習方法訓練神經網絡。神經網絡劃分為兩個部分,第一部分主要包含若干個卷積層和MLP,得到原始屏幕像素的低維度表示;第二部分是一個LSTM即長短時記憶模型。LSTM的輸入是第一部分的MLP的輸出,LSTM的最后一個時間步的細胞輸出外接兩個MLP,分別用來預測當前狀態下動作a的概率分布以及當前狀態下的狀態值v的預測。結合高效強化學習算法與深度學習方法實現智能體自主探索3D迷宮,并且以相對較短的訓練時間和較小的內存損耗使得智能體能夠成功的探索3D迷宮環境。
聲明:
“智能體探索3D迷宮的批A3C強化學習方法” 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)