一种最小化策略相似度的强化学习方法

本申请提出一种最小化策略相似度的强化学习方法，包括构建包含策略网络与评价网络的深度强化学习框架，其中策略网络基于输入状态生成多组动作的参数化的概率分布和各分布的状态偏移系数，在动作采样阶段引入候选集扩展与偏移系数加权机制，在动作空间中形成多样化的候选解；在损失函数中引入余弦相似度正则项，以保持不同动作候选之间的差异性；相较于常用的DDPG和TD3算法，在复杂高维任务环境下展现出更优的探索效率、策略泛化性能及任务迁移能力。即便是跟SAC算法比，本发明的多目标探索能力依然明显胜出。