一种深度强化学习网络设置合理性的判别方法

摘要

本发明涉及一种深度强化学习中深度网络设置合理性的判别方法，包括如下步骤：步骤1:根据工程需要建立深度强化学习智能体；步骤2:根据经验分别设置智能体中深度网络设置是否合理的先验概率，再根据大偏差定理计算使网络设置合理性的误判概率最小化的边界值m0；步骤3:智能体开始与环境进行交互并且获得奖励；步骤4:统计长度为n的观察窗口内负奖励出现的次数m；步骤5:判断m≥m0是否成立，若是，则导致负奖励出现的因素被视为智能体中深度网络的层和节点的设置不合适，停止智能体与环境的交互，并且重新设置网络参数；若否，则负奖励出现的原因被认为是训练过程未完成，智能体与环境的交互继续进行；步骤6:开启下一时间段的判断，直至完成智能体中深度网络的设置和训练。