一种基于动作分块的离线到在线强化学习方法

本发明公开了一种基于动作分块的离线到在线强化学习方法，属于强化学习技术领域。本发明采用滑动重叠窗口对离线轨迹时序分块重组，构建分块邻接关系表；离线阶段训练流匹配行为策略与分块Q网络，引入重叠分块价值平滑约束，采用基于分布熵的双分支动态门控融合架构，完成隐式KL与显式2‑Wasserstein双约束预训练；在线阶段采用分块规划结合单步残差校正的半开环模式交互，基于混合数据实现全网络端到端联合微调。本发明可消除离策略偏差，提升价值连续性与约束适配性，兼顾执行效率与鲁棒性，适配长时域稀疏奖励决策场景。