一种基于奖励反馈的行动类模型优化方法

本发明涉及优化方法技术领域，尤其涉及一种基于奖励反馈的行动类模型优化方法，其步骤如下：SI：构建多层次奖励函数；S2：开始与初始化；S3：观察当前web环境状态；S4：行动执行；S5：环境反馈；S6：构建Reward模型奖励信号处理模块；S7：奖励信号处理；S8：架构行动评价网络；S9：行动评价；S10：策略更新；S11：判断是否完成任务或达到终止条件；本发明建立了一种更全面的行动反馈机制，不仅考虑最终奖励，还充分利用中间行动的效果，对智能体的行动进行更细致的评估和反馈，引导智能体更合理地探索和利用环境，其行动反馈机制鼓励智能体尝试更多可能有助于实现目标的行动，同时避免无效或有害的行动，进而使得智能体在web环境中的探索更加高效。