原创力文档- 1、本文档共20页，其中可免费阅读19页，需付费10金币后方可阅读剩余内容。
- 2、本文档内容版权归属内容提供方，所产生的收益全部归内容提供方所有。如果您对本文有版权争议，可选择认领，认领后既往收益都归您。
- 3、本文档由用户上传，本站不保证质量和数量令人满意，可能有诸多瑕疵，付费之前，请仔细先通过免费阅读内容等途径辨别内容交易风险。如存在严重挂羊头卖狗肉之情形，可联系本站下载客服投诉处理。
- 4、文档侵权举报电话：400-050-0827(电话支持时间：9:00-18:30)。
- 5、该文档为VIP文档，如果想要下载，成为VIP会员后，下载免费。
- 6、成为VIP后，下载本文档将扣除1次下载权益。下载后，不支持退款、换文档。如有疑问请联系我们。
- 7、成为VIP后，您将拥有八大权益，权益包括：VIP文档下载权益、阅读免打扰、文档格式转换、高级专利检索、专属身份标志、高级客服、多端互通、版权登记。
- 8、VIP文档为合作方或网友上传，每下载1次， 网站将根据用户上传文档的质量评分、类型等，对文档贡献者给予高额补贴、流量扶持。如果你也想贡献VIP文档。上传文档
查看更多
本发明实施例公开了一种强化学习方法、装置、电子设备和存储介质。该强化学习方法包括：确定智能体交互环境的当前阶段，并判断当前阶段是否变更；若变更，则根据当前阶段从预先设置的分段回报函数集合中确定目标回报函数，将当前回报函数切换为目标回报函数；将当前获取到的样本按照目标回报函数进行更新，得到更新后的样本，并基于更新后的样本和目标回报函数进行阶段变更后的训练。本发明实施例基于环境所处的阶段，将回报函数分阶段地提供给智能体，使得智能体在每个阶段都能基于本阶段可见的回报函数进行训练和收敛，通过难度递进的方
(19)中华人民共和国国家知识产权局
(12)发明专利申请
(10)申请公布号 CN 112418435 A
(43)申请公布日 2021.02.26
(21)申请号 202011278721.0
(22)申请日 2020.11.16
(71)申请人 软通动力信息技术（集团）股份有限
您可能关注的文档
- 一种垃圾焚烧炉料斗内垃圾体积实时测算装置及方法.pdf
- 一种可再生且降解包装薄膜的制备方法.pdf
- 一种赤芝水提物蛋白成分及其分析与鉴定方法.pdf
- 一种用于水果罐头的抽样检测辅助装置.pdf
- 一种支架轴承自动组装设备.pdf
- API测试方法及装置、设备、计算机可读存储介质.pdf
- 一种汽车地毯隔音垫及其成型方法.pdf
- 一种电缆架设用理线装置.pdf
- 一种应急电源的铅酸蓄电池巡检采集模块.pdf
- 一种集成式电杆广播系统.pdf
- 2024年企业人力资源管理师之二级人力资源管理师模拟考试试卷A卷含答案完整版720780578.pdf
- 2024年检验类之临床医学检验技术(师)全真模拟考试试卷B卷含答案优质 完整版720844645.pdf
- 2024年四川省成都市第七中学初中学校中考一模物理试题(解析版).pdf
- 2024年二级建造师之二建水利水电实务过关检测试卷B卷附答案 .pdf
- 2024年教师资格之中学思想品德学科知识与教学能力综合检测试卷A卷含完整版720848701.pdf
- 2024年教师信息技术2.0教研组研修计划(优秀模板6篇)(6) .pdf
- 2024年教师资格之幼儿综合素质通关提分题库及完整答案 .pdf
- 2024年心理咨询师之心理咨询师基础知识通关提分题库及完整答案完整版720794806.pdf
- 2024年消防设施操作员之消防设备初级技能题库附答案(典型题).pdf
- 2024年小学信息技术工作计划样本(三篇) .pdf
文档评论（0）