一种基于最大置信度上界的交替深度Q网络方法

摘要

本发明公开了一种基于最大置信度上界的交替深度Q网络方法，包括：初始化多个各自独立的深度Q网络，公共历史经验回放池，网络选择次数；初始化环境状态；根据Q‑UCB策略选择Q网络；选择并执行动作，获得新环境状态和奖励；将信息存储进公共历史经验回放池中；更新网络选择次数；从公共历史经验回放池中独立随机采样更新深度Q网络；重复步骤直到网络收敛。本发明基于神经网络自身初始化的探索性能结合最大置信度上界策略进行交替探索，使用多个Q网络进行协作决策，提升了探索效率，解决了强化学习任务中样本效率与算法效率低下的问题，提升了Q网络的性能。