清华大学;毫末智行科技有限公司詹仙园获国家专利权
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！
龙图腾网获悉清华大学;毫末智行科技有限公司申请的专利基于迭代式策略约束的智能体强化学习方法和装置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：CN116681142B 。
龙图腾网通过国家知识产权局官网在2026-04-28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：202310554313.0，技术领域涉及：G06N20/00；该发明授权基于迭代式策略约束的智能体强化学习方法和装置是由詹仙园;李健雄;顾维灏;艾锐设计研发完成，并于2023-05-16向国家知识产权局提交的专利申请。
本基于迭代式策略约束的智能体强化学习方法和装置在说明书摘要公布了：本发明提供一种基于迭代式策略约束的智能体强化学习方法和装置，包括：基于智能体在任一应用场景的状态，对智能体进行策略离线学习；以离线学习得到的优化策略为初始策略，构造迭代式策略约束项；在最大化奖励在线强化学习的基础上引入迭代式策略约束项，以生成智能体的优化目标；基于优化目标，对智能体进行策略在线强化学习。本发明通过迭代式地更新策略约束，既可以避免离线到在线强化学习早期在线微调阶段的策略性能下降，还可以在训练后期减弱策略约束，以获得最优策略。
本发明授权基于迭代式策略约束的智能体强化学习方法和装置在权利要求书中公布了：1.一种基于迭代式策略约束的智能体强化学习方法，其特征在于，所述方法包括： 基于智能体在任一应用场景的状态，对所述智能体进行策略离线学习； 以离线学习得到的优化策略为初始策略，构造迭代式策略约束项；其中，所述迭代式策略约束项，用于将每一轮迭代的优化策略约束在上一轮迭代的优化策略的置信域内； 在最大化奖励在线强化学习的基础上引入所述迭代式策略约束项，以生成所述智能体的优化目标； 基于所述优化目标，对所述智能体进行策略在线强化学习； 所述迭代式策略约束项为； 其中，且为整数，表示已知状态的情况下决策动作，为条件下智能体第轮迭代的候选策略，为条件下智能体第轮迭代的优化策略，为条件下离线学习得到的优化策略，为保守因子，为-散度所对应的正则化函数。
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清华大学;毫末智行科技有限公司，其通讯地址为：100084 北京市海淀区双清路30号清华大学清华园北京100084-82信箱；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。
免责声明
1、本报告根据公开、合法渠道获得相关数据和信息，力求客观、公正，但并不保证数据的最终完整性和准确性。
2、报告中的分析和结论仅反映本公司于发布本报告当日的职业理解，仅供参考使用，不能作为本公司承担任何法律责任的依据或者凭证。
1、本报告根据公开、合法渠道获得相关数据和信息，力求客观、公正，但并不保证数据的最终完整性和准确性。
2、报告中的分析和结论仅反映本公司于发布本报告当日的职业理解，仅供参考使用，不能作为本公司承担任何法律责任的依据或者凭证。
开放平台
担保交易
惠及多方
会员特惠
专属平台
适合多方
数据共享
功能齐全
皖公网安备 34010402703815号
请提出您的宝贵建议，有机会获取IP积分或其他奖励