基于OpenAI Gym和策略空间泛化的强化学习方法

本发明提供一种基于OpenAI Gym和策略空间泛化的强化学习方法，包括以下步骤：步骤S1，初始化环境和模型参数；步骤S2，构建以策略作为价值函数额外输入的策略拓展价值函数；步骤S3，采用策略恢复方法或对比学习方法实现自监督策略表征学习；步骤S4，采用蒙特卡洛方法或时间差分方法进行策略拓展价值函数学习，更新策略；步骤S5，基于策略拓展价值函数与强化学习算法，在OpenAI Gym平台上进行策略寻优；步骤S6，对强化学习算法收敛时所获得的策略进行评估。本发明能够有效地提高价值函数在策略空间的泛化性，提高了强化学习方法的学习效率及其稳定性，以更好地满足实际应用中强化学习的高效率和高可靠性需求。