一种基于生成对抗网络的专家辅助智能体训练方法

本发明涉及一种基于生成对抗网络的专家辅助智能体训练方法，收集专家经验并进行预处理，构建用于学习专家经验分布并对专家经验进行扩充的生成对抗网络模型，引入正则化技术，对所述生成对抗网络进行训练，使用训练后的生成对抗网络对预处理后的专家经验进行扩充；改进模仿学习网络，对扩充后的专家经验进行处理；对策略进行评估和优化。本发明通过生成对抗式网络对专家经验进行扩充，显著增加可用于模仿学习的数据量，提高模仿学习的效率和准确性，通过扩充专家经验降低模型在训练过程中出现过拟合的风险，减少过拟合情况的发生；生成对抗式网络生成的样本可能包含原始专家经验数据中未涵盖的新情况或策略，有效提升策略的鲁棒性和泛化性。