电讯技术

作者：熊蓉玲,段春怡,冉华明,杨萌,冯旸赫

单位：(中国西南电子技术研究所，成都 610036;西南交通大学 数学学院，成都 611756;国防科技大学 系统工程学院，长沙 410003)

关键词：智能决策；深度强化学习；近端策略优化；动作掩膜；

针对传统深度强化学习算法难以快速解决长时序复杂任务的问题，提出了一种引入历史信息和人类知识的深度强化学习方法，对经典近端策略优化（Proximal Policy Optimization，PPO）强化学习算法进行改进，在状态空间引入历史状态以反映环境的时序变化特征，在策略模型中基于人类认知增加无效动作掩膜，禁止智能体进行无效探索，提高探索效率，从而提升模型的训练性能。仿真结果表明，所提方法能够有效解决长时序复杂任务的智能决策问题，相比传统的深度强化学习算法可显著提高模型收敛效果。

来源：2023年第1期

《电讯技术》期刊编辑部

查看电讯技术杂志2023年第1期