离线强化学习中的双重轻微泛化方法、装置、设备及介质

本申请涉及离线强化学习技术领域，特别涉及一种离线强化学习中的双重轻微泛化方法、装置、设备及介质，其中，方法包括：基于轻微泛化策略，获取离线数据集邻近区域的目标动作；利用目标动作确定轻微泛化的最大值，并将轻微泛化的最大值与目标样本内最大值融合至贝尔曼目标中，以获得改进的贝尔曼目标；利用改进的贝尔曼目标调整离线强化学习中的值函数高估放大效应，以获得离线强化学习的双重轻微泛化结果。由此，解决了相关技术中无法利用神经网络的泛化能力，导致离线数据利用率低，降低了强化学习算法的性能的问题。