一种核密度估计驱动的扩散强化学习方法及系统、智能体

本发明涉及人工智能技术应用于智能体技术领域，具体而言，涉及一种核密度估计驱动的扩散强化学习方法及系统、智能体，本发明通过将核密度估计与扩散模型相结合的方式实现强化学习，在技术原理和应用效果上具有显著优势。在基础技术层面，本发明解决了现有扩散策略缺乏解析表达式的技术问题。通过采用Beta核密度估计，实现了对策略分布的准确估计，使策略优化过程具备可解析性，并提供了理论上的收敛性保证。通过改进的反向过程设计，显著减少了所需的扩散步骤，大幅降低了动作生成的决策时间，提高了系统的实时响应能力，提高智能体在实际应用中的工作效率和反应时间。