[发明专利]强化学习的迁移训练优化方法、装置、终端及存储介质

权利要求书

1.一种强化学习的迁移训练优化方法，其特征在于，所述强化学习的迁移训练优化方法，包括：

获取各预设环境的训练设备基于强化学习训练所得到的各训练模型；

对各所述训练模型进行联邦处理以生成联邦模型；

将所述联邦模型迁移适配至各所述预设环境，以供各所述预设环境的训练设备根据所述联邦模型优化强化学习训练。

2.如权利要求1所述的强化学习的迁移训练优化方法，其特征在于，所述将所述联邦模型迁移适配至各所述预设环境的步骤，包括：

读取各所述预设环境的环境参数；

按照所述环境参数对所述联邦模型进行调整以将所述联邦模型迁移适配至各所述预设环境。

3.如权利要求1所述的强化学习的迁移训练优化方法，其特征在于，各所述预设环境包括：各仿真环境和各现实环境，

所述获取各预设环境的训练设备基于强化学习训练所得到的各训练模型的步骤，包括：

按照预设周期获取各所述仿真环境的训练设备基于实时强化学习训练完成的各训练模型；

按照所述预设周期获取各所述现实环境的训练设备基于实时强化学习训练完成的各训练模型。

4.如权利要求3所述的强化学习的迁移训练优化方法，其特征在于，在所述按照预设周期获取各所述仿真环境的训练设备基于实时强化学习训练完成的各训练模型的步骤之前，还包括：

构建与各所述现实环境相对应的各所述仿真环境，并在各所述仿真环境中基于所述训练设备实时进行强化学习训练以得到所述训练模型。

5.如权利要求4所述的强化学习的迁移训练优化方法，其特征在于，所述构建与各所述现实环境相对应的各所述仿真环境的步骤，包括：

检测各所述现实环境所属的工业领域；

调用所述工业领域的模拟软件构建各所述仿真环境，其中构建出的所述仿真环境的个数大于等于所述现实环境的个数。

6.如权利要求1所述的强化学习的迁移训练优化方法，其特征在于，所述对各所述训练模型进行联邦处理以生成联邦模型的步骤，包括：

提取对各所述训练模型进行联邦处理的预设联邦学习规则，其中，所述联邦学习规则属于横向联邦学习技术；

按照所述预设联邦学习规则，将各所述训练模型融合为联邦模型。

7.如权利要求6所述的强化学习的迁移训练优化方法，其特征在于，所述将各所述训练模型融合为联邦模型的步骤，包括：

读取当前时刻获取到的各所述训练模型；

将获取到的各所述训练模型融合为各所述预设环境的训练设备进行强化学习训练的联邦模型。

8.一种强化学习的迁移训练优化装置，其特征在于，所述强化学习的迁移训练优化装置，包括：

获取模块，用于获取各预设环境的训练设备基于强化学习训练所得到的各训练模型；

联邦模块，用于对各所述训练模型进行联邦处理以生成联邦模型；

迁移训练模块，用于将所述联邦模型迁移适配至各所述预设环境，以供各所述预设环境所述训练设备根据所述联邦模型优化强化学习训练。

9.一种终端设备，其特征在于，所述终端设备包括：存储器、处理器及存储在所述存储器上并可在所述处理器上运行的强化学习的迁移训练优化程序，所述强化学习的迁移训练优化程序被所述处理器执行时实现如权利要求1至7中任一项所述的强化学习的迁移训练优化方法的步骤。

10.一种存储介质，其特征在于，所述存储介质上存储有计算机程序，所述计算机程序被处理器执行时实现如权利要求1至7中任一项所述的强化学习的迁移训练优化方法的步骤。