原创力文档- 1、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。。
- 2、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。
- 3、文档侵权举报电话：400-050-0827(电话支持时间：9:00-18:30)。
- 4、该文档为VIP文档，如果想要下载，成为VIP会员后，下载免费。
- 5、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。
- 6、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。
- 7、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
本公开提供了一种基于OAR模型与强化学习的辅助决策方法和装置，涉及强化学习技术领域，旨在准确预测出代理的动作概率分布。所述方法包括：获取每个代理观测到的各个目标的属性集合；对每个代理观测到的各个目标的属性集合进行图推理计算，得到每个代理的属性集合矩阵；获取关系邻接矩阵；将每个代理的属性集合矩阵和关系邻接矩阵进行推理计算，得到融合了全图信息的目标属性矩阵；从环境背景中提取背景特征，将背景特征附加到目标属性矩阵，得到每个代理在每一时刻观测到的OAR全局特征；利用循环神经网络对OAR全局特征进行处理，
(19)国家知识产权局
(12)发明专利申请
(10)申请公布号CN117474077A
(43)申请公布日2024.01.30
(21)申请号202311824731.3
(22)申请日2023.12.28
(71)申请人清华大学
地址100084
文档评论（0）