一种基于数字孪生的对抗环境强化学习模型训练方法及系统

本发明涉及机器学习技术领域，尤其是一种基于数字孪生的对抗环境强化学习模型训练方法及系统。包括：基于现有对抗环境数据构建数字孪生模型，并生成多种虚拟对抗环境及目标行为变体数据；设计强化学习决策模型架构，定义多维状态空间，构建动作‑奖励函数并初始化网络参数；利用现有数据对强化学习模型进行预训练形成基础模型；将数字孪生生成的多种虚拟环境与目标数据输入决策模型进行迭代训练，采用策略梯度算法优化网络参数；将迭代后的模型与基础模型在原始对抗环境数据上进行测试，若新模型决策性能提升则继续迭代直至达标，否则，反向修正数字孪生模型参数后继续迭代。解决了对抗环境中强化学习模型数据匮乏和过拟合问题。