一种基于偏好传递性的人在回路强化学习数据增强方法

本发明公开了一种基于偏好传递性的人在回路强化学习数据增强方法，其特点是该方法具体包括：每轮人类标注时从强化学习智能体动作序列库中采样动作序列；根据人类对动作序列对的偏好标注构建人类偏好依赖图；将人类偏好依赖图中的动作序列的均等偏好关系转换为动作序列对的偏序偏好关系等步骤。本发明与现有技术相比可以将人类反馈当中的均等偏好数据转化为偏序偏好数据，较好的解决了先前方法无法根据均等偏好数据优化的问题，同时利用人类偏好依赖图挖掘跨轮次间人类反馈结果之间的联系，能够加快算法的收敛速度，方法具有高度的通用性和模块化特点。