一种基于最优解的智能体残障设备投放方法

摘要

本发明涉及一种基于最优解的智能体残障设备投放方法，包括计算得到智能体选择的动作和Q值并进行初始化操作；进行总回合中的一个片段操作，将当前状态初始化为S0，在概率为ε时选择最大Q值对应的动作，否则选择一个随机动作，并执行该动作获得奖励后进入下一个状态；将当前状态、执行的动作、奖励和下一个状态作为一个四元组集合存入经验池，并更新sum‑tree的父节点；判断当前Q值与最优值之间的误差是否在阈值范围内，得到最终智能体选择的动作和Q值。本发明的优点在于：奖励进行分解，每一个智能体的奖励不仅包含自己的奖励，还包括所有智能体共同的奖励，提升了智能体之间的协作性，对智能体学习起到促进作用同时能满足优化目标。