一种利用策略梯度技术优化的支持区块链的物联网系统

摘要

本发明涉及强化学习技术、区块链技术和移动通信技术，提出了一种利用策略梯度技术优化的支持区块链的物联网系统，其特征在于包括智能体、支持区块链的物联网系统、经验池三个关键组成部分。其中，所述智能体用于从外部环境获取各节点的通信环境状态信息和区块链环境状态信息，并负责做出行为决策；智能体由Actor和Critic两个部分组成，Actor的神经网络用θμ表示，Critic的神经网络用θQ表示。支持区块链的物联网系统会向智能体提供当前时刻的环境状态信息，然后智能体将该状态信息输入给自身具有的神经网络。神经网络通过计算当前状态下执行不同动作的预期收益，进行行为决策，使得能够得到的回报最大化。