一种基于生成式智能的强化学习策略表征方法及系统

本发明公开了一种基于生成式智能的强化学习策略表征方法及系统，随机初始化智能体的策略网络和价值网络Wθ，并随机初始化对应的目标网络Wθ′和策略网络使用扩散模型进行建模；从预先准备的数据集D中采样小样本数据；根据小样本数据中轨迹的状态，通过策略网络采样并计算一个动作a；基于动作a计算Q值；根据计算的Q值更新价值网络Qθ，每更新价值网络QθC次后，更新策略网络并将价值网络Qθ的参数同步到目标网络Qθ′，直至模型收敛或到达固定轮次。本发明能够显著提升学习效率，并大幅增强了智能体的泛化能力和适应性，通过精准近似复杂数据分布，实现了更广泛应用场景中的优异性能。