一种基于强化学习的区块链预言机节点选择方法

本发明涉及强化学习技术领域，提供一种基于强化学习的区块链预言机节点选择方法。该方法通过建立了贝叶斯成本依赖声誉值模型，使用强化学习Actor‑Critic算法进行决策；服务用户发起区块链交易或智能合约调用节点选择合约，节点选择合约调用AC合约对所有预言机节点声誉值和成本值初始化为状态空间集；AC合约调用Actor网络根据策略选择最佳预言机节点；决策结果返回预言机节点群执行后将结果集返回并将奖励值输入Critic网络中评估策略价值，由Critic网络评估动作分来指导Actor网络并更新状态空间集，以选择最优策略。