基于仿真实验的最优反应流形主动学习方法

本申请涉及智能网联汽车决策技术领域，特别是涉及一种基于仿真实验的最优反应流形主动学习方法。所述方法包括：构建初始训练数据集；将自车决策参数异构决策参数映射至低维连续潜空间并构建高斯过程代理模型；采用流形导向的采集函数计算候选样本对学习最优反应流形的贡献度；采用潜空间几何感知的空间填充设计生成候选样本集并筛选高价值子集；在潜空间中进行聚类分析得到批量序贯采样点；并行执行评估并更新训练数据集；重新训练模型；采用多维度自适应停止准则判断是否终止迭代。采用本方法能够提升智能网联汽车博弈决策优化精度。