CN119539038A 基于双层嵌套进化强化学习的智能决策方法及系统 (北京邮电大学)_第1页
CN119539038A 基于双层嵌套进化强化学习的智能决策方法及系统 (北京邮电大学)_第2页
CN119539038A 基于双层嵌套进化强化学习的智能决策方法及系统 (北京邮电大学)_第3页
CN119539038A 基于双层嵌套进化强化学习的智能决策方法及系统 (北京邮电大学)_第4页
CN119539038A 基于双层嵌套进化强化学习的智能决策方法及系统 (北京邮电大学)_第5页
已阅读5页,还剩28页未读, 继续免费阅读

下载本文档

版权说明:本文档由用户提供并上传,收益归属内容提供方,若内容存在侵权,请进行举报或认领

文档简介

基于双层嵌套进化强化学习的智能决策方本公开提供了一种基于双层嵌套进化强化进化学习算法初始化目标任务场景对应的任务个种群个体均设置有第一配置网络和第一动作第一配置网络和第一动作网络确定目标任务场适应度将多个种群个体划分为精英个体和非精层嵌套进化强化学习的智能决策方法及系统可2基于进化学习算法初始化目标任务场景对应的任务配置种群;基于所述精英个体对应的第一配置网络和第一动作网络确定目标任务场景的决策结基于每个种群个体对应的适应度将多个种群个体划分为精英基于精英个体和强化学习算法更新所述任务配置种基于所述精英个体的第一配置网络和随机初始化的第二动作网络对所述强化学习网络进行训练,基于训练完成的第二动作网络和所述精基于精英个体的所述第一配置网络和随机初始化的第二动作网络构建强化学习网络,包将第一精英个体的所述第一配置网络确定为所述强化学习基于所述第二配置网络和随机初始化的第二动作网络基于训练完成的第二动作网络和所述精英个体的第一配置网络更新所述任务配置种群中随机选取第二精英个体,将第二精英个体的第一配置网将训练完成的第二动作网络确定为所述非精英个将任务配置种群中的每一个种群个体放入rollout函数和inference函3分别基于算法库中的多种强化学习算法对所述强化种群构建模块,用于基于进化学习算法初始化目标任述任务配置种群包括多个种群个体,每个种群个体均设置有第一配置网络和第一动作网种群优化模块,用于多次执行种群优化操作,直至所述任务结果输出模块,用于基于所述精英个体对应的第一配基于每个种群个体对应的适应度将多个种群个体划分为精英基于精英个体和强化学习算法更新所述任务配置种基于所述精英个体的所述第一配置网络和随机初始化的第二动作网络构建强化学习对所述强化学习网络进行训练,基于训练完成的第二动作网络和所述精将第一精英个体的所述第一配置网络确定为所述强化学习基于所述第二配置网络和随机初始化的第二动作网络4[0004]本公开的目的在于提供一种基于双层嵌套进化强化学习基于所述精英个体对应的第一配置网络和第一动作网络确定目标任务场景的决基于精英个体和强化学习算法更新所述任务配置种种群构建模块,用于基于进化学习算法初始化目标任务场景对应的任务配置种5基于每个种群个体对应的适应度将多个种群个体划分为精英基于精英个体和强化学习算法更新所述任务配置种现上述的基于双层嵌套进化强化学习的智能决策方[0009]本公开实施例提供的基于双层嵌套进化强化学习的智能决策方法及系统的有益在本公开实施例中,首先基于进化学习在一个较大的搜索空间中进行全局搜索,[0012]图1为本公开一实施例提供的基于双层嵌套进化强化学习的智能决策方法的流程图2为本公开一实施例提供的基于双层嵌套进化强化学习的智能决策方法的原理图7为本公开一实施例提供的基于双层嵌套进化强化学习的智能决策系统的结构6分配频谱资源和路由决策,以最大化通信资源利用率;在外卖/网约车任务分配调度场景[0017]针对特定的目标任务场景,可以运用进化学习算法来构[0018]以辅助作战场景为例,第一配置网络的输出用于确定作基于精英个体和强化学习算法更新任务配置种7基于精英个体的第一配置网络和随机初始化的第二动作网络网络和一个动作网络,分别对应种群个体当中的两个网络,除此之外还可以配置一个是相对较优的,因此可以基于精英个体中的第一配置网络构建强化学习网络actor_[0031]把构建好的强化学习网络actor_critic放置到目标任务场景对应的环境中进行8[0033]由上可以得出,本实施例结合精英个体与强化学习网络基于第二配置网络和随机初始化的第二动作网络第一精英个体的第一配置网络确定为强化学习网络中的第二配置网络引入到强化学习过续的动作决策探索等都将基于这个良好的配学习网络中的第二配置网络,使得强化学习可以更聚焦地去寻找与之适配的更优动作决将训练完成的第二动作网络确定为非精英个其第一配置网络融合了精英个体和原非精英个体配置网络的特点,且带有新的变化元素,9挖掘出一些创新性的任务配置方式,避免种群在进化过程中陷入同质化和固定的思维模针对目标任务场景的新输入环境数据进行预测或判断。它利用种群个体所蕴含的策略知出色,适用于机器人控制、自动驾驶等涉及连续动作决策的场景;优势演员_评论家算法通过选择算法库中的多种强化学习算法对强化学习网络进行训练,可以充分发挥不同算法到更优的动作决策策略。对强化学习网络执行inference函数和roll基于训练数据和目标任务场景的环境数据,多次执行Train函数,直到训练完rl和对应的Critic_net_rl网络、以及的动作决策,指示每一个士兵在环境状态下所执行的动作。将种群中的每一个个体放入[0060]对应于上文实施例的基于双层嵌套进化强化学习的智能决策方法,图7为本公开一实施例提供的基于双层嵌套进化强化学习的智能决策系统的结构框图。为了便于说明,基于精英个体和强化学习算法更新任务配置种基于精英个体的第一配置网络和随机初始化的第二动作网络基于第二配置网络和随机初始化的第二动作网络将训练完成的第二动作网络确定为非精英个[0069]应当理解,在本公开实施例中,所称处理器301可以是中央处理单元(Central[0071]该存储器304可以包括只读存储器和随机存取存储器,并向处理器301提供指令执行本公开实施例提供的基于双层嵌套进化强化学习的智能决策方法的第一实施例和第设备上配备的插接式硬盘,智能存储卡(SmartMediaCard,SMC安全数字(Secure互之间的耦合或直接耦合或通信连接可以是通过一些接口或单元的间接耦合或通信连接,本技术领域的技术人员在本公开揭露的技术范围内,可轻易想到各种等效的修改或替换,

温馨提示

  • 1. 本站所有资源如无特殊说明,都需要本地电脑安装OFFICE2007和PDF阅读器。图纸软件为CAD,CAXA,PROE,UG,SolidWorks等.压缩文件请下载最新的WinRAR软件解压。
  • 2. 本站的文档不包含任何第三方提供的附件图纸等,如果需要附件,请联系上传者。文件的所有权益归上传用户所有。
  • 3. 本站RAR压缩包中若带图纸,网页内容里面会有图纸预览,若没有图纸预览就没有图纸。
  • 4. 未经权益所有人同意不得将文件中的内容挪作商业或盈利用途。
  • 5. 人人文库网仅提供信息存储空间,仅对用户上传内容的表现方式做保护处理,对用户上传分享的文档内容本身不做任何修改或编辑,并不能对任何下载内容负责。
  • 6. 下载文件中如有侵权或不适当内容,请与我们联系,我们立即纠正。
  • 7. 本站不保证下载资源的准确性、安全性和完整性, 同时也不承担用户因使用这些下载资源对自己和他人造成任何形式的伤害或损失。

评论

0/150

提交评论