一种用于强化学习探索训练的数据处理方法及装置

摘要

本发明公开了一种用于强化学习探索训练的数据处理方法及装置，该方法包括：获取模型参数信息和当前训练次数；模型参数信息包括第一权重参数、第二权重参数和最大训练轮次；判断当前训练次数是否等于最大轮训次数，得到第一次数判断结果；当第一次数判断结果为否时，对模型参数信息进行参数筛选处理，得到训练参数信息；利用预设的策略动作模型对训练参数信息和模型参数信息进行计算处理，得到策略动作信息；策略动作信息用于指示强化学习探索训练。可见，本发明有利于在训练前期减少探索随机概率，在训练后期提高随机探索概率，进而提高强化学习探索训练效率。