多目标强化学习策略生成技术及设备
2025-02-16 12:17
No.1340658343387340800
技术概要
PDF全文
本文档介绍了一种多目标强化学习策略生成技术及其相关设备。该技术旨在通过接收多目标策略优化请求,并依据请求中的状态动态调整策略,以实现优化目标。
背景技术
在多目标强化学习领域,传统研究侧重于通过预定义的奖励函数来引导策略优化。然而,由于多维优化目标本身的内在复杂性,以及某些优化维度的状态具有不确定性或难以测量,传统方法在处理复杂现实世界目标时存在挑战。例如,机器狗在学习后空翻动作时,难以设计准确的奖励函数来引导机器狗的学习过程;数据中心机房的冷却需要同时考虑IT设备过热风险和能源效率,而IT设备的内部芯片温度往往难以直接测量,导致无法准确度量优化目标即内部芯片温度的值。为了克服多维优化目标的内在复杂性导致的限制,现有技术利用人类反馈指导强化学习智能体的行为,改善了单目标优化性能及灵活性,从而避免了不确定的目标值、复杂的奖励工程的问题。 然而在多目标强化学习建模方面,针对多维优化目标本身的内在复杂性,现有技术并不足以解决多目标强化学习场景下的策略生成问题,因此,亟需一种基于多目标强化学习的策略生成方法,实现多目标强化学习场景下,针对多维优化目标本身的内在复杂性构建灵活性更高的奖励模型,避免对预定义奖励函数的依赖,提高基于多目标强化学习的策略生成精度。
实现思路
阅读余下40%
技术概要为部分技术内容,查看PDF获取完整资料
该技术已申请专利,如用于商业用途,请联系技术所有人!
技术研发人员:
牟倪  栾垚  贾庆山
技术所属: 清华大学
相关技术
FPGA实现硬件逻辑实时仿真的方法及装置 FPGA实现硬件逻辑实时仿真的方法及装置
基于API和数据库的动态标定方法 基于API和数据库的动态标定方法
一种虚拟机的沙箱引擎更新方法、装置、设备和介质 一种虚拟机的沙箱引擎更新方法、装置、设备和介质
频域响应仿真与测量数据处理方法及装置 频域响应仿真与测量数据处理方法及装置
服务数据节点迁移方法、装置、电子设备及存储介质 服务数据节点迁移方法、装置、电子设备及存储介质
配送控制方法、装置、服务器、智能柜及机器人 配送控制方法、装置、服务器、智能柜及机器人
适用于硬件电路的高精度压缩方法、装置及电子设备 适用于硬件电路的高精度压缩方法、装置及电子设备
融合多源信息的打击目标智能识别方法和系统 融合多源信息的打击目标智能识别方法和系统
水利对象关联关系建立方法 水利对象关联关系建立方法
问题解答方法、装置、介质和电子设备 问题解答方法、装置、介质和电子设备
技术分类
电信、广播电视和卫星传输服务 电信、广播电视和卫星传输服务
互联网软件服务 互联网软件服务
集成电路设计 集成电路设计
信息集成数字服务 信息集成数字服务
电气机械制造 电气机械制造
计算机、通信、电子设备制造 计算机、通信、电子设备制造
医药制造、生物基材料 医药制造、生物基材料
石油煤矿化学用品加工 石油煤矿化学用品加工
化学原料制品加工 化学原料制品加工
非金属矿物加工 非金属矿物加工
金属制品加工 金属制品加工
专用设备制造 专用设备制造
通用设备制造 通用设备制造
通用零部件制造 通用零部件制造
汽车制造业 汽车制造业
铁路、船舶、航天设备制造 铁路、船舶、航天设备制造
电力、热力生产和供应 电力、热力生产和供应
燃气生产和供应 燃气生产和供应
水生产和供应 水生产和供应
房屋建筑、土木工程 房屋建筑、土木工程
交通运输、仓储和邮政 交通运输、仓储和邮政
农、林、牧、渔业 农、林、牧、渔业
采矿业 采矿业
农副、食品加工 农副、食品加工
烟草、酒水加工 烟草、酒水加工
纺织皮具居家制品 纺织皮具居家制品
文教体娱加工 文教体娱加工
苏ICP备18062519号-5 © 2018-2025 【123技术园】 版权所有,并保留所有权利