买专利卖专利找龙图腾，真高效！ 查专利查商标用IPTOP,全免费！专利年费监控用IP管家,真方便！

龙图腾网获悉众悦兴智能科技(上海)有限公司申请的专利一种基于边际归一化流策略的深度强化学习方法及存储介质获国家发明授权专利权，本发明授权专利权由国家知识产权局授予，授权公告号为：CN115860047B 。

龙图腾网通过国家知识产权局官网在2025-11-18发布的发明授权授权公告中获悉：该发明授权的专利申请号/专利号为：202211651374.0，技术领域涉及：G06N3/04；该发明授权一种基于边际归一化流策略的深度强化学习方法及存储介质是由魏荣;朱震设计研发完成，并于2022-12-21向国家知识产权局提交的专利申请。

本一种基于边际归一化流策略的深度强化学习方法及存储介质在说明书摘要公布了：一种基于边际归一化流策略的深度强化学习方法及存储介质，其中方法包括如下步骤，构建策略网络及决定网络，所述策略网络包括若干仿真耦合层，所述仿真耦合层包括和，均采用全连接神经网络结构，所述策略网络用于接收环境参数输入，并产生控制输出，所述决定网络为全连接神经网络结构，所述决定网络用于预测策略网络的控制输出的极大值。通过设计决定网络，能够预测策略网络的输出函数，从而获得超越局部最优值的策略，并决定何种动作参数可以被应用于智能体，达到更好地控制智能体行动策略的技术效果。

本发明授权一种基于边际归一化流策略的深度强化学习方法及存储介质在权利要求书中公布了：1.基于边际归一化流策略的深度强化学习方法，应用于模拟人工智能智能体在给定参数条件下的决策过程，所述智能体是用于环境探索的机器人，其特征在于，包括如下步骤， 构建策略网络及决定网络，所述策略网络包括若干仿真耦合层，所述仿真耦合层包括sm和tm，所述策略网络用于接收智能体获取的环境参数输入，并产生控制输出，所述决定网络为全连接神经网络结构，所述决定网络用于预测策略网络的控制输出的极大值，从而获得超越局部最优质的决策，决定策略网络的输出是否要被应用于智能体； 包括如下步骤，随机初始化Q价值网络、策略网络和决定网络的参数，；所述Q价值网络采用双Q结构，采用全连接神经网络结构，所述策略网络采用提出的边际归一化流策略网络，sm和tm分别采用全连接神经网络结构；决定网络用来预测策略分布的极大值； 初始化目标Q价值网络和目标策略网络，目标Q价值网络的初始化参数与Q价值网络的初始化参数相同，目标策略网络的初始化参数与策略网络的初始化参数相同，算法采用目标价值网络和目标策略网络方法训练； 初始化回放缓存池； 通过策略网络指导智能体不断地与环境进行交互，通过采样隐变量，产生动作值，环境返回奖励值和下一个状态，存储这样一个元组到回放缓存池里，即； 通过最小化贝尔曼残差误差损失函数来更新Q价值网络参数， 通过最小化KL-散度期望损失函数来更新策略网络参数， 所述动作值由策略网络生成，如下所示： ， 通过最小化决定网络损失函数来更新决定网络的参数， 利用决定网络来预测对应动作分布极大值的隐变量值。

如需购买、转让、实施、许可或投资类似专利技术，可联系本专利的申请人或专利权人众悦兴智能科技(上海)有限公司，其通讯地址为：200241 上海市闵行区紫星路588号2幢3楼330室；或者联系龙图腾网官方客服，联系龙图腾网可拨打电话0551-65771310或微信搜索“龙图腾网”。

以上内容由龙图腾AI智能生成。