[发明专利]基于强化学习的楼栋摆放方法、装置、存储介质及计算机设备

权利要求书

1.一种基于强化学习的楼栋摆放方法，其特征在于，所述方法包括：

获取地块的当前地块信息，并获取当前待摆放楼栋的楼栋信息；

采用楼栋摆放模型，确定与所述当前地块信息、所述楼栋信息对应的摆放方式；所述楼栋摆放模型是预先采用强化学习方法训练得到的；

采用所述对应的摆放方式，将所述当前待摆放楼栋摆放至所述地块中。

2.如权利要求1所述的基于强化学习的楼栋摆放方法，其特征在于，所述将所述当前待摆放楼栋摆放至所述地块中后，还包括：

确定摆放所述当前待摆放楼栋后的地块的第一地块信息；

采用所述第一地块信息对所述当前地块信息进行更新。

3.如权利要求2所述的基于强化学习的楼栋摆放方法，其特征在于，所述将所述当前待摆放楼栋摆放至所述地块中后，还包括：

采用新的待摆放楼栋的新楼栋信息更新所述当前待摆放楼栋的楼栋信息。

4.如权利要求1-3任一项所述的基于强化学习的楼栋摆放方法，其特征在于，所述楼栋摆放模型已学习得到样本地块信息、样本楼栋信息，以及对应的样本摆放方式之间的对应关系，所述楼栋摆放模型是采用多个样本地块信息、多个样本楼栋信息，以及与各所述样本地块信息、各所述样本楼栋信息所对应的样本摆放方式，对初始的楼栋摆放模型采用强化学习方法训练得到的。

5.如权利要求4所述的基于强化学习的楼栋摆放方法，其特征在于，所述摆放方式包括：基准楼栋，所述基准楼栋对应的可摆放位置信息，以及与所述基准楼栋对应的摆放角度，所述采用所述对应的摆放方式，将所述当前待摆放楼栋摆放至所述地块中，包括：

基于所述对应的摆放角度，将所述当前待摆放楼栋摆放至所述地块中；其中，所述摆放后的当前待摆放楼栋，与所述基准楼栋之间的相对角度满足所述摆放角度，且所述摆放后的当前待摆放楼栋摆放在所述可摆放位置信息所指示的可摆放位置边界上。

6.如权利要求5所述的基于强化学习的楼栋摆放方法，其特征在于，还包括：

在对初始的楼栋摆放模型采用强化学习方法训练时，根据样本地块中当前已摆放样本楼栋的影响范围信息，确定可摆放位置信息；

根据所述可摆放位置信息，从所述当前已摆放样本楼栋确定样本基准楼栋；

根据所述样本基准楼栋的样本楼栋信息、所述样本基准楼栋对应的可摆放位置信息，结合预标注的摆放角度对所述初始的楼栋摆放模型进行迭代训练，直至训练得到的楼栋摆放模型的评分值满足分数阈值，则所述初始的楼栋摆放模型训练完毕。

7.一种基于强化学习的楼栋摆放装置，其特征在于，所述装置包括：

获取模块，用于获取地块的当前地块信息，并获取当前待摆放楼栋的楼栋信息；

第一确定模块，用于采用楼栋摆放模型，确定与所述当前地块信息、所述楼栋信息对应的摆放方式；所述楼栋摆放模型是预先采用强化学习方法训练得到的；

摆放模块，用于采用所述对应的摆放方式，将所述当前待摆放楼栋摆放至所述地块中。

8.如权利要求7所述的基于强化学习的楼栋摆放装置，其特征在于，所述装置，还包括：

第二确定模块，用于确定摆放所述当前待摆放楼栋后的地块的第一地块信息；

第一更新模块，用于采用所述第一地块信息对所述当前地块信息进行更新。

9.如权利要求8所述的基于强化学习的楼栋摆放装置，其特征在于，所述装置，还包括：

第二更新模块，用于采用新的待摆放楼栋的新楼栋信息更新所述当前待摆放楼栋的楼栋信息。

10.如权利要求7-9任一项所述的基于强化学习的楼栋摆放装置，其特征在于，所述楼栋摆放模型已学习得到样本地块信息、样本楼栋信息，以及对应的样本摆放方式之间的对应关系，所述楼栋摆放模型是采用多个样本地块信息、多个样本楼栋信息，以及与各所述样本地块信息、各所述样本楼栋信息所对应的样本摆放方式，对初始的楼栋摆放模型采用强化学习方法训练得到的。