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！

龙图腾网获悉南栖仙策(南京)高新技术有限公司申请的专利智能体策略网络训练方法、装置、电子设备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：CN117312815B 。

龙图腾网通过国家知识产权局官网在2026-04-03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：202311230353.6，技术领域涉及：G06F18/21；该发明授权智能体策略网络训练方法、装置、电子设备及存储介质是由刘天硕;刘旭辉;陈瑞峰;张智龙;韩璐瑶设计研发完成，并于2023-09-22向国家知识产权局提交的专利申请。

本智能体策略网络训练方法、装置、电子设备及存储介质在说明书摘要公布了：本发明公开了一种智能体策略网络训练方法、装置、电子设备及存储介质。该方法包括：确定第一训练样本的在线性得分；将当前第一训练样本分别输入至状态动作价值网络、状态价值网络以及策略网络中，确定第一实际输出、第二实际输出以及第三实际输出；根据第二实际输出、第一历史时刻的累计奖赏、在线性得分以及第一损失函数，确定第一损失值，并对状态动作价值网络进行参数修正；确定状态价值网络对应的第二损失值，并对状态价值网络进行参数修正；确定策略网络对应的第三损失值，并根据第三损失值对策略网络进行参数修正，得到目标策略网络。本技术方案，实现了提高策略网络训练效果和训练速度的效果，可以更加准确便捷地训练出目标策略网络。

本发明授权智能体策略网络训练方法、装置、电子设备及存储介质在权利要求书中公布了：1.一种智能体策略网络训练方法，其特征在于，包括： 针对从第一经验池中获取的每个第一训练样本，基于预先训练完成的在线性判别器对当前第一训练样本进行处理，得到与所述当前第一训练样本对应的在线性得分；其中，所述第一训练样本为多元组，所述多元组包括初始状态、第一历史时刻的状态、所述第一历史时刻的决策动作、下一历史时刻的状态、所述第一历史时刻的奖赏以及所述第一历史时刻的累计奖赏；其中，所述下一历史时刻是将第一历史时刻作为当前时刻时对应的下一时刻； 将所述当前第一训练样本分别输入至状态动作价值网络、状态价值网络以及策略网络中，得到与所述状态动作价值网络对应的第一实际输出、与所述状态价值网络对应的第二实际输出以及与所述策略网络对应的第三实际输出； 根据所述第二实际输出、所述第一历史时刻的累计奖赏、所述在线性得分以及所述状态动作价值网络对应的第一损失函数对所述第一实际输出和所述第一历史时刻的奖赏进行处理，得到第一损失值，并根据所述第一损失值对所述状态动作价值网络中的参数进行修正；以及， 根据所述状态价值网络对应的第二损失函数对所述第二实际输出和所述第一历史时刻的奖赏进行处理，得到第二损失值，并根据所述第二损失值对所述状态价值网络中的参数进行修正；以及， 根据所述策略网络对应的第三损失函数对所述第三实际输出和所述第一历史时刻的决策动作进行处理，得到第三损失值，并根据所述第三损失值对所述策略网络中的参数进行修正，直至达到所述策略网络对应的预设收敛条件时训练结束，得到目标策略网络； 其中，所述第三损失函数与所述状态动作价值网络对应的实际输出和所述状态价值网络对应的实际输出相关联；所述目标策略网络用于对智能体对应的当前时刻的状态进行判断，以得到当前时刻的目标决策动作； 所述智能体策略网络训练方法应用于机器人控制、游戏博弈、计算机视觉以及无人驾驶中至少一项场景中。

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南栖仙策(南京)高新技术有限公司，其通讯地址为：210000 江苏省南京市江宁区麒麟科技创新园天骄路100号江苏南京侨梦苑A栋703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。