用于虚拟自博弈智能体的重放经验池偏置更新方法及装置

摘要

本发明公开了一种用于虚拟自博弈智能体的重放经验池偏置更新方法及装置，建立一个对在不同时刻进入经验池的样本能够依照其进入时刻赋予权重并依照该权重进行采样的先入先出队列偏置重放经验池，并利用各智能体距离优化目标差距的博弈动态信息对偏置重放经验池中数据进行赋权。采用本发明实施例，动态地对新数据赋予较高权重，使得深度Q学习网络进行更有效地学习，弱化深度Q学习网络更新时的延迟和偏差带来的负面效益。