基于强化学习的多模态康复决策动态调整方法、装置、设备以及介质

本发明公开了基于强化学习的多模态康复决策动态调整方法、装置、设备以及介质，包括：根据第一目标的生理信息、情感主观反馈信息以及环境信息，得到第一目标的当前状态；基于贪心策略，从预设治疗方案知识库中，确定当前状态对应的动作，预设治疗方案知识库中包括了若干康复治疗方案；根据第一目标的当前状态以及对应的动作，确定当前状态对应的奖励；基于Q‑learning算法并根据当前状态对应的奖励，对Q值进行更新，并确定当前状态对应的动作的预期效果。本发明属于策略优化领域。本发明利用贪心策略从预设治疗方案知识库中选择治疗动作，并反馈计算奖励以更新Q值，从而逐步收敛到最佳治疗路径。