基于深度强化学习中Actor-Critic框架的策略选择方法

摘要

本发明公开了一种基于深度强化学习中Actor‑Critic框架的策略选择方法，该方法通过在Actor中同时保持多个策略，在强化学习训练过程中使用Critic中的动作状态价值函数估计策略的价值期望，根据期望实时地选择或集成其中的优势策略进行输出或更新，其目的在于提升训练速度，并使得在训练中生成有效的局部策略。因此，本发明对于使用Actor‑Critic框架的基于策略梯度的强化学习算法有着提升采样效率，增加参数搜索空间等的技术效果。