确定执行设备的动作选择方针

授权

摘要

本文公开了用于生成执行设备的动作选择方针以在环境中完成任务的方法、系统和装置，包括编码在计算机存储介质上的计算机程序。所述方法包括：在当前迭代中，基于执行设备的收益以及其他设备到达终点状态的到达概率，计算执行设备在终点状态下的反事实值(CFV)；计算执行设备在终点状态下的经基线校正的CFV；对于具有子状态的每个非终点状态，基于执行设备在子状态下的经基线校正的CFV的加权和，计算执行设备在非终点状态下的CFV；计算执行设备在非终点状态下的经基线校正的CFV和CFV基线；确定针对下一次迭代的非终点状态下的动作选择方针。

基本信息

专利标题：

确定执行设备的动作选择方针

专利标题（英）：

暂无

公开（公告）号：

CN112041875A

申请号：

CN201980028669.2

公开（公告）日：

2020-12-04

申请日：

2019-12-12

授权号：

CN112041875B

授权日：

2022-04-22

发明人：

李辉宋乐

申请人：

支付宝（杭州）信息技术有限公司

申请人地址：

浙江省杭州市西湖区西溪路556号8层B段801-11

代理机构：

北京博思佳知识产权代理有限公司

代理人：

周嗣勇

优先权：

CN201980028669.2

主分类号：

G06Q30/02

IPC分类号：

G06Q30/02