本發明涉及一種基于Q學習模型的結果推送方法和系統,包括以下步驟:將狀態st、推送結果at,下一狀態st+1和獎勵值rt+1組成一個數據組,并將其存儲至經驗池D中;從經驗池D中提取若干數據組,計算網絡參數下的全梯度均值,此時的網絡參數為錨點網絡參數;隨機提取上一步驟中的數據組,并計算其在當前網絡參數下和錨點網絡參數下的目標Q值和梯度值,將梯度值和全梯度均值帶入方差縮減公式實現梯度更新;重復上述步驟直至訓練結束,獲得最終的Q學習模型,將待測狀態輸入最終的Q學習模型獲得最佳推送結果。其通過將方差縮減技術引入到隨機梯度下降的Q學習模型中,提高了強化學習的訓練過程的穩定性。
聲明:
“基于Q學習模型的結果推送方法和系統” 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)