一种基于多重目标神经网络的强化学习值函数更新方法

摘要

本发明提出一种基于多重目标神经网络的强化学习值函数更新方法，包括步骤：(1)构建并初始化强化学习智能体，其主要包括1个在线神经网络和K个目标神经网络；(2)智能体与环境进行交互；(3)每隔一定训练次数，将在线神经网络的参数按照编号顺序复制到相应的目标神经网络；(4)将多重目标神经网络输出中小于阈值的值函数进行平均，得到新的值函数估计更新目标；(5)利用基于多重目标网络的更新目标来更新在线神经网络参数；(6)判断是否达到预定的训练总次数，是则退出训练，否则继续训练。上述基于多重目标神经网络的强化学习值函数更新方法，能够有效去除值函数估计过程中的过估计误差，从而得到具有更好表现的策略。