一种基于Ray的分布式强化学习方法及装置

摘要

本申请属于强化学习技术领域，具体涉及一种基于Ray的分布式强化学习方法及装置。该方法包括步骤S1、接收设置在各采样节点的远端采样函数发送来的训练数据，并存储于缓冲池；步骤S2、定期轮询缓冲池的训练数据，待训练数据之和满足数量要求之后，通知并等待所有采样节点结束采样；步骤S3、获取模型参数，并基于所述训练数据对模型进行训练，返回训练后的模型参数；步骤S4、清空所述缓冲池的数据，重复进行采样及训练的强化学习过程。本申请有效的提升强化学习算法的训练效果并降低了训练时间。