用状态相似性进行经验回放采样的无人平台决策学习方法

摘要

本发明公开了一种用状态相似性进行经验回放采样的无人平台决策学习方法，输入为从经验回放池中采样得到的历史样本数据，之后计算每个历史样本数据与无人平台的决策神经网络模型的当前策略的状态相似度与动作相似度，基于状态和动作相似度来判定赋予历史样本数据不同的训练权重，根据历史样本数据的训练权重不同更新无人平台的决策神经网络模型。通过限制使用与当前策略差异较大的数据的更新幅度，来缓解利用深度强化学习更新无人平台策略时经验回放池中数据分布与当前策略对应数据分布不一致的问题，能够更好的利用经验回放池中历史数据，提高训练数据利用率和稳定性，使得无人平台能够学得更好更稳定的策略。