【技术实现步骤摘要】
本公开涉及人工智能领域，特别是涉及一种强化学习决策系统及决策方法。
技术介绍
1、目前大部分的仿真仍然是通过规则进行，少部分科研机构将仿真结合人工智能技术，通过强化学习训练智能体使得决策具备智能，实现“智能化”的应用。然而上述方法存在很多问题，使得试验与真实需求相差甚远。
2、由于强化学习基于马尔科夫决策过程，因此当前仿真状态环境应是稳态的，然而实际场景极其复杂，不同单元的决策互相影响，对于任何一个决策单元，其状态空间都是非稳态的。强化学习过程中某一时刻的动作是长期决策最优目标下不断“试错”给出的当前最优决策，具备奖励延迟性，对算力要求高，而在实际场景下某一时刻的决策信息量非常大，决策多且呈现包含关系、并列关系、因果关系，如果通过一般强化学习方式计算会出现状态空间、动作空间的维数灾难，无法收敛，得不到结果。由于强化学习通过“试错”探索路径，其产生的各种决策交织在多层级、多智能体的动作空间之内，原本已经是“黑盒”的强化学习决策结论更加无法解释动作意图。且针对某一场景训练一个智能体的使用方式，使得该智能体被限定在训练场景中使用，...
【技术保护点】
1.一种强化学习决策系统，包括：决策模块和分布式强化学习框架；
2.根据权利要求1所述的决策系统，其中，所述决策模块还包括：
3.根据权利要求2所述的决策系统，其中，所述协议模块具体包括：专家规则组件和场景约束组件；
4.根据权利要求2所述的决策系统，所述决策模块还包括：
5.根据权利要求1所述的决策系统，还包括：环境模拟器；
6.根据权利要求5所述的决策系统，还包括：
7.一种利用强化学习决策系统进行决策的方法，其中，所述强化学习决策系统为权利要求1至6中任一项所述的强化学习决策系统，该方法包括
8....
【技术特征摘要】
1.一种强化学习决策系统，包括：决策模块和分布式强化学习框架；
2.根据权利要求1所述的决策系统，其中，所述决策模块还包括：
3.根据权利要求2所述的决策系统，其中，所述协议模块具体包括：专家规则组件和场景约束组件；
4.根据权利要求2所述的决策系统，所述决策模块还包括：
5.根据权利要求1所述的决策系统，还包括：环境模拟器；
6.根据权利要求5...
【专利技术属性】
技术研发人员：李京，
申请(专利权)人：北京旗顺科技有限公司，
类型：发明
国别省市：
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。