基于内外部选择状态空间的离线强化学习序列建模方法

本发明属于强化学习技术领域，具体涉及基于内外部选择状态空间的离线强化学习序列建模方法。为解决模型学习存在不准确性的问题，以及在序列建模过程中存在Transforemer计算复杂和成本高的问题，本发明依据轨迹序列元素间的Markov属性构建元素依赖表示，使用内部Mamba模块对元素依赖表示建模，捕获轨迹中的短期因果关系，并且结合状态空间模型和离线强化学习，在外部Mamba模块中利用线性复杂度的Mamba对离线强化学习轨迹序列进行建模，捕获元素间的长期时间关系。