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！

龙图腾网获悉上海期智研究院申请的专利基于强化学习的数据处理方法、电子设备和可读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：CN116776097B 。

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：202310658042.3，技术领域涉及：G06F18/20；该发明授权基于强化学习的数据处理方法、电子设备和可读介质是由王光举;傅炜;梅知雨设计研发完成，并于2023-06-05向国家知识产权局提交的专利申请。

本基于强化学习的数据处理方法、电子设备和可读介质在说明书摘要公布了：本公开的实施例公开了基于强化学习的数据处理方法、电子设备和可读介质。其应用于强化学习系统包括的执行节点、策略节点和训练节点，该方法的一具体实施方式包括：通过执行节点进行环境模拟，得到观察结果；通过训练节点，根据训练样本和待训练模型进行策略更新，其中，训练样本由执行节点通过样本传输流传输至训练节点；策略节点根据观察结果和更新后策略信息进行策略推理，其中，在非内联推理模式下，执行节点和策略节点之间通过推断传输流对观察结果和待执行动作进行数据传输；执行节点执行待执行动作，以生成更新后观测结果。该实施方式实现了对大规模计算机硬件资源的有效调度、满足了针对复杂的强化学习任务的训练需求、提高了训练速度。

本发明授权基于强化学习的数据处理方法、电子设备和可读介质在权利要求书中公布了：1.一种基于强化学习的数据处理方法，其应用于强化学习系统包括的执行节点、策略节点和训练节点，其中，所述执行节点、所述策略节点和所述训练节点均可独立调度，且设置在具有异构计算机硬件资源的多台机器上，所述方法包括： 通过所述执行节点进行环境模拟，得到观察结果，包括： 对于环境实例环中的每个环境实例，响应于确定所述策略节点在根据目标环境实例对应的观察结果进行策略推理，通过所述执行节点对所述环境实例进行环境模拟，其中，所述环境实例环包括的至少一个环境实例中的环境实例依次被所述执行节点调用，所述目标环境实例是在所述环境实例环中的、所述环境实例之前的环境实例； 通过所述训练节点，根据训练样本和待训练模型进行策略更新，以生成更新后策略信息，其中，所述训练样本由所述执行节点通过样本传输流传输至所述训练节点； 所述策略节点通过中央处理器或图形处理器，根据所述观察结果和所述更新后策略信息，采用前向传播的方式进行策略推理，以生成待执行动作，其中，在非内联推理模式下，所述执行节点和所述策略节点之间通过推断传输流对观察结果和待执行动作进行数据传输； 所述执行节点执行所述待执行动作，以生成更新后观测结果； 所述策略节点通过中央处理器或图形处理器，根据所述观察结果和所述更新后策略信息，采用前向传播的方式进行策略推理，以生成待执行动作，包括： 响应于所述策略节点未分配图形处理器或网络带宽值小于网络带宽阈值，开启内联推理模式，以及执行以下处理步骤： 在本地启动策略节点； 响应于启动成功，通过中央处理器，根据所述观察结果和所述更新后策略信息，采用前向传播的方式进行策略推理，以生成所述待执行动作，其中，在所述内联推理模式下，所述执行节点和所述策略节点之间通过内存对观察结果和待执行动作进行数据传输。

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上海期智研究院，其通讯地址为：200232 上海市徐汇区云锦路701号40-41层；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。