基于对手动作预测的智能体策略获取方法及相关装置

摘要

本申请提供一种基于对手动作预测的智能体策略获取方法及相关装置，从智能体所处的环境中获取环境状态，并提取环境状态的特征，得到环境状态特征；将环境状态特征输入预先构建的对手动作预测网络，得到对手策略特征；提取环境状态特征的隐层特征，得到Q值隐层特征；融合Q值隐层特征和对手策略特征，得到融合特征；将融合特征输入预先构建的竞争网络，得到Q值函数；获取智能体的备选动作，根据Q值函数，得到备选动作对应于环境状态的Q值，将Q值最大的备选动作作为智能体的执行动作。本申请能够有效预测对手动作，加快学习收敛速度，可以应对多种类型的对手。