一种基于多目标复合奖励与混合动作空间的强化学习大宗商品交易策略生成方法

本发明公开了一种基于多目标复合奖励与混合动作空间的强化学习大宗商品交易策略生成方法，包括构建状态空间，构建混合动作空间，包括连续动作空间与离散动作空间；构建多目标风险调整复合奖励函数，构建动态折扣因子机制，将库存持有成本与涨跌幅预测趋势嵌入动态折扣因子的调整；构建SAC+PPO混合策略网络架构，SAC输出连续动作，PPO输出离散动作，联合采样执行；对混合策略网络进行离线训练与在线微调，生成大宗商品交易策略。本发明能够处理混合动作空间、奖励函数贴合业务场景、折扣因子动态自适应、且能利用预测置信度信息的强化学习交易策略生成方法，适用于以销定采模式下的进口大宗商品采购与库存管理决策。