一种基于epsilon-greedy的深度强化学习动态e...
公开
摘要
本发明公开了一种基于epsilon‑greedy的深度强化学习动态epsilon的方法。涉及探索与利用困境领域，步骤：对多臂老虎机的数据进行预处理；根据即时奖励rt+1和平均奖励R平均之差判断是否进行epsilon的更新；利用Dueling DQN算法构建深度强化学习框架；根据行为值函数的TD‑error判断此时是进行探索或利用并更新epsilon的值；将经验池中TD误差导入Dueling DQN强化学习框架，进行训练更新网络。本发明推进了探索与利用的困境问题研究；对何时进行探索及利用进行了合理的设计；本发明的最终结果是实现epsilon的动态更新，可实现epsilon的动态更新问题，为动态epsilon的发展提供有效的理论基础。
基本信息
专利标题 ：
一种基于epsilon-greedy的深度强化学习动态epsilon的方法
专利标题（英）：
暂无
公开（公告）号 ：
CN114595818A
申请号 ：
CN202210316971.1
公开（公告）日 ：
2022-06-07
申请日 ：
2022-03-29
授权号 ：
暂无
授权日 ：
暂无
发明人 ：
孔燕曹俊豪
申请人 ：
南京信息工程大学
申请人地址 ：
江苏省南京市江北新区宁六路219号
代理机构 ：
南京苏高专利商标事务所(普通合伙)
代理人 ：
曹坤
优先权 ：
CN202210316971.1
主分类号 ：
G06N3/08
IPC分类号 ：
G06N3/08 G06N20/00 G07F17/34
IPC结构图谱
G
G部——物理
G06
计算；推算或计数
G06N
基于特定计算模型的计算机系统
G06N3/00
基于生物学模型的计算机系统
G06N3/02
采用神经网络模型
G06N3/08
学习方法
法律状态
2022-06-07 ：
公开
注：本法律状态信息仅供参考，即时准确的法律状态信息须到国家知识产权局办理专利登记簿副本。
文件下载
暂无PDF文件可下载
