【技术实现步骤摘要】
本专利技术属于强化学习商业智能决策应用，尤其涉及一种多层、多数据类型动作空间的商业智能决策分析方法。
技术介绍
1、在当今复杂多变的社会环境中，强化学习被广泛应用于各种应用场景，成为实现动态决策规划的一种高效方式。强化学习主体在特定环境中的行动，以达到最大化累积奖励的目标，作为一种基于智能体与环境交互的学习范式，已经在诸多领域展现出巨大的潜力，并在智能系统领域也取得了显著的进展，这主要归功于计算能力的提高和深度学习技术的广泛应用。
2、然而，在商业智能决策中应用强化学习进行模型训练时，通常需要大量的状态数据来训练模型，以便模型能够准确地学习环境的特性。实际上，用于模型训练的真实状态数据通常来源于执行固定决策的真实场景。这些数据用于描述状态的信息相对有限，导致了强化学习模型训练样本的不足。因此，模型的训练效果受到限制，动态决策规划的结果可能不够准确。同时，目前训练强化学习模型的动作空间相对单一，而实际场景中是复杂多变，这也导致模型的鲁棒性不足。
技术实现思路
1、本专利技术针对商...
【技术保护点】
1.一种多层、多数据类型动作空间的商业智能决策分析方法，其特征在于，包括如下步骤：
2.根据权利要求1所述的一种多层、多数据类型动作空间的商业智能决策分析方法，其特征在于，所述S1步骤的具体操作方法为：
3.根据权利要求1所述的一种多层、多数据类型动作空间的商业智能决策分析方法，其特征在于，所述S2步骤的具体操作为：
4.根据权利要求1所述的一种多层、多数据类型动作空间的商业智能决策分析方法，其特征在于，所述S3步骤的具体操作为：
5.根据权利要求1所述的一种多层、多数据类型动作空间的商业智能决策分析方法，其特征在于，所...
【技术特征摘要】
1.一种多层、多数据类型动作空间的商业智能决策分析方法，其特征在于，包括如下步骤：
2.根据权利要求1所述的一种多层、多数据类型动作空间的商业智能决策分析方法，其特征在于，所述s1步骤的具体操作方法为：
3.根据权利要求1所述的一种多层、多数据类型动作空间的商业智能决策分析方...
【专利技术属性】
技术研发人员：董文轩，刘永红，李晓芹，李光辉，
申请(专利权)人：山东蟠龙信息科技有限公司，
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。