[发明专利]一种基于扩散模型的强化学习DIPO构建方法

摘要

本发明提供了一种基于扩散模型的强化学习DIPO方法，包括：步骤S1，获取以智能体为作用对象的强化学习算法的初始算法框架，使得智能体基于初始算法框架，通过智能体自身的预设策略与环境进行交互持续获取经验，并根据获取的经验生成经验池；步骤S2，提取出初始算法框架中当前状态下智能体做出的动作，并将动作沿着Q函数增加的方向做梯度上升得到对应的新动作；步骤S3，将新动作替换掉经验池中的动作，并采用扩散模型拟合得到新动作的分布，以构建得到DIPO算法框架。有益效果是本发明能够利用扩散模型强大的拟合能力，同时解决扩散模型无法进行策略提升的问题，使得智能体在每次更新后，其策略都能表现得比更新前更好。