认知行为模型加速的深度Q网络强化学习方法及设备

摘要

本公开提供一种认知行为模型加速的深度Q网络强化学习方法及设备，利用认知行为模型从环境中获取状态信息并根据状态信息得到认知行为知识，并发送至启发策略网络；利用深度强化学习模型从环境中获取状态信息；利用启发策略网络根据状态信息和认知行为知识得到启发策略值，并发送至深度Q网络；利用深度Q网络根据状态信息和启发策略值得到动作并执行；利用深度强化学习模型从环境中获取回报，并对启发策略网络和深度Q网络进行迭代更新；循环执行上述操作，响应于确定深度Q网络收敛，结束强化学习。本公开通过认知行为模型和启发策略网络加速了深度Q网络的收敛，有效缓解了状态空间巨大和奖励回报稀疏对学习效率的影响。