基于强化学习的传染病模型参数辨识方法及系统

本发明提供一种基于强化学习的传染病模型参数辨识方法及系统，属于模型参数辨识技术领域，获取需要进行拟合预测的地域的传染病过往数据；根据传染病的传播特性构建合适的拟合模型，确定模型参数辨识问题目标函数；根据构建的拟合模型，进行参数辨识优化。本发明采用Circle混沌映射生成初始种群，其特性可覆盖更广泛的参数空间，相比传统初始化方法具有更强的遍历性与非周期性，有效提升初始种群多样性，降低算法过早收敛的风险；提出一种融合灰狼算法(GWO)、星鸦优化算法(NOA)与强化学习(RL)的新型优化算法，结合GWO的层级捕猎策略与RL的动态学习机制，加强算法自主调整搜索策略的智能性，从而提高算法的搜索性能。