基于评论家和双经验池的深度确定性策略梯度学习方法

摘要

本发明提出的用于智能无人系统的基于评论家和双经验池的深度确定性策略梯度强化学习方法及设备，属于人工智能应用技术领域，主要包括：确定所述智能无人系统的智能体的观测空间和动作空间大小，构建行动者actor模块与评论家critic模块；创建所述critic模块中的多个评论家子模块；创建双经验池的环形数组数据结构；进行所述actor模块与critic模块的参数梯度更新与训练过程，在达到了最大的迭代次数或者满足终止条件后训练过程结束。本发明能够提供一种更高稳定性和更高性能的强化学习方法，使得智能体的性能表现得到有效提升。