一种在线多步启发式动态规划方法、介质及设备

本发明公开了一种在线多步启发式动态规划方法、介质及设备，属于非线性系统控制领域，包括：针对非线性仿射系统，开发了一种在线多步启发式动态规划方法。通过结合行动者批判网络和经验回放技术，提高了学习速度，并能够在不依赖可接受控制条件的前提下实现更高效的策略评估。为了增强学习过程中数据的多样性，提出了一种融入ER技术的执行评判神经网络结构，使得代理能够在更少的样本上进行有效探索，从而减少了对训练数据的依赖。最后，通过仿真结果验证了所提算法的优越性，实验表明，在相同条件下，ER‑MSHDP算法相比传统HDP算法具有更快的学习进程，且随着步长增大，学习时间呈指数级下降。