用于虚拟化环境中的自学习代理的预训练系统

摘要

提供一种用于基于生成式对抗网络（GAN）的强化学习的预训练设备和方法。GAN包括生成器和判别器。所述方法包括：从真实环境接收训练数据，其中所述训练数据包括对应于第一状态‑奖励对和第一状态‑动作对的数据切片；使用所述训练数据来训练所述GAN；训练关系网络以在强化学习上下文中提取所述第一状态‑动作对与所述第一状态‑奖励对的潜在关系；促使通过训练数据训练的所述生成器生成第一合成数据；在所述关系网络中处理所述第一合成数据的一部分以生成结果数据切片；将所述第一合成数据的所述第二状态‑动作对部分与来自所述关系网络的所述第二状态‑奖励对合并以生成第二合成数据，从而更新用于与所述真实环境的交互的策略。