基于策略梯度的深度强化学习多任务资源分配方法

本发明公开了一种基于策略梯度的深度强化学习多任务资源分配方法，该方法基于策略梯度的深度强化学习对目标历史所处的环境与状态下的资源分配决策进行智能体训练与感知，其中的策略梯度算法是智能体根据当前策略直接和环境交互，通过采样得到的轨迹数据直接计算出策略参数的梯度，进而更新当前策略，使其向最大化策略期望回报的目标靠近；策略梯度算法中采用蒙特卡洛方法采样轨迹来估计动作价值，可得到无偏的梯度，使得其在新的环境与状态下依然能够动态调整资源分配的决策，达到收益最大化。