基于状态表示学习的深度强化学习方法及装置

摘要

本发明提供了一种基于状态表示学习的深度强化学习方法及装置，依据当前状态、近状态、以及远状态，计算相邻状态一致性损失函数值，并计算强化学习损失函数值，基于相邻状态一致性损失函数值和强化学习损失函数值，计算联合函数值，基于联合函数值对神经网络模型进行训练，得到新的神经网络模型，并在计数器的计数结果不小于第二阈值时，将当前的神经网络模型作为目标网络模型。可见，相邻状态一致性损失函数值用于指示近状态与当前状态之间的差异小于近状态与状态之间的差异，在强化学习损失函数值的基础上引入相邻状态一致性损失函数值，得到联合函数值，依据联合函数值对神经网络模型进行训练，从而提高神经网络模型的性能和学习效率。