基于多个历史最佳Q网络的深度强化学习方法及设备

摘要

本发明提出了用于包括智能体的智能机器人交互系统的基于多个历史最佳Q网络的深度强化学习方法和设备，所述方法包括：定义智能体的属性和规则，明确智能体的状态空间和动作空间,构建或调用智能体运动环境；基于交互评价得分的高低，从所有历史上的Q网络当中选出最佳的多个Q网络；使用最大化的操作去联合这多个历史最佳Q网络与当前Q网络，去指导智能体选择动作的策略，并训练学习模型的参数，根据智能体所处的环境，自主地进行下一步的决策行动。本发明可以根据实际需求构建合理的运动环境，通过利用训练过程中产生的最佳Q网络，来更好地指导智能体进行决策，达到智能策略优化的目的，对我国机器人、无人系统的发展具有积极作用。