温馨提示：您尚未登录，请点 登陆 后下载，如果您还没有账户请点 注册 ，登陆完成后，请刷新本页查看技术详细信息。

本说明书实施例提供一种训练深度强化学习模型的方法和装置，其中深度强化学习模型用于根据策略，将环境的状态映射为动作。上述方法包括：获取历史样本，其包括由第一状态，第一动作，奖励分数和第二状态构成的序列；然后获取深度强化学习模型的当前策略针对上...
该专利属于阿里巴巴集团控股有限公司所有，仅供学习研究参考，未经过阿里巴巴集团控股有限公司授权不得商用。

详细技术文档下载地址

温馨提示：您尚未登录，请点 登陆 后下载，如果您还没有账户请点 注册 ，登陆完成后，请刷新本页查看技术详细信息。