置信域策略优化模型的训练方法、装置、计算机设备、可读存储介质和程序产品

本申请涉及一种置信域策略优化模型的训练方法、装置、计算机设备、计算机可读存储介质和计算机程序产品。所述方法包括：建立汽车系统模型；构建待训练的置信域策略优化模型，所述待训练的置信域策略优化模型包括策略网络和评价网络；基于所述汽车系统模型和所述策略网络，获取标准工况训练集；基于所述标准工况训练集对所述策略网络和所述评价网络进行训练，得到训练完成的置信域策略优化模型，所述训练完成的置信域策略优化模型用于对汽车进行能量管理。提升了整车性能。