[发明专利]一种路径规划方法、装置、电子设备及计算机可读介质

权利要求书

1.一种路径规划方法，其特征在于，包括：

步骤一：接收路径规划请求，获取对应的环境数据；

步骤二：调用决策模型，以基于所述环境数据，确定对应的职业能力状态区间，进而确定对应的能力值；

步骤三：确定所述对应的能力值对应的规划路径，进而将所述规划路径推送至所述环境数据对应的用户，并获取所述对应的用户执行所述规划路径的执行结果，以根据所述执行结果更新所述环境数据；

步骤四：获取更新后的环境数据的状态信息，以判断所述状态信息是否为稳定标识，若是，则将更新后的环境数据对应的能力值输出；若否，则基于更新后的环境数据循环执行步骤二至步骤四直至更新后的环境数据的状态信息为稳定标识。

2.根据权利要求1所述的方法，其特征在于，在所述调用决策模型之前，所述方法还包括：

获取历史路径规划环境数据，进而根据所述历史路径规划环境数据对应的用户的个数划分职业能力状态区间，进而构造马尔科夫决策过程五元组；

根据所述马尔科夫决策过程五元组，调用对应的职业能力状态集合，从所述对应的职业能力状态集合中选择一个初始职业能力状态，进而基于贪心策略在所述初始职业能力状态下，从所述马尔科夫决策过程五元组对应的资源中选择资源进行执行，以得到当前职业能力状态，获取对应的即时奖赏；

选择所述当前职业能力状态下最大的期望值，以基于所述最大的期望值更新期望值矩阵；

响应于确定所述期望值矩阵收敛，基于所述即时奖赏和所述期望值矩阵得到所述初始职业能力状态到目标职业能力状态的最佳路径；响应于确定所述期望值矩阵收敛且所述初始职业能力状态不是所述马尔科夫决策过程五元组对应的最后一个初始职业能力状态，重新选择一个初始职业能力状态并更新；响应于确定所述期望值矩阵收敛且所述初始职业能力状态是所述马尔科夫决策过程五元组对应的最后一个初始职业能力状态，停止重新获取初始职业能力状态；

基于各所述最佳路径生成决策模型。

3.根据权利要求1所述的方法，其特征在于，所述确定所述对应的能力值对应的规划路径，包括：

确定所述对应的能力值在所述决策模型中对应的当前职业能力状态到其他职业能力状态的即时奖赏；

从所述其他职业能力状态中确定目标职业能力状态；

根据所述当前职业能力状态、各所述即时奖赏和所述目标职业能力状态，确定从所述当前职业能力状态转移至所述目标职业能力状态的规划路径。

4.根据权利要求3所述的方法，其特征在于，所述确定从所述当前职业能力状态转移至所述目标职业能力状态的规划路径，包括：

基于贪心策略，确定路径，其中，所述路径基于所述当前职业能力状态转移至所述目标职业能力状态时对应的最大即时奖赏和最大期望值得到；

将所述路径确定为从所述当前职业能力状态转移至所述目标职业能力状态的规划路径。

5.根据权利要求1所述的方法，其特征在于，所述根据所述执行结果更新所述环境数据，包括：

根据所述执行结果确定当前能力值；

比较所述当前能力值和目标能力值，确定待提升能力值；

基于所述待提升能力值，更新所述环境数据中的代理人信息。

6.根据权利要求1所述的方法，其特征在于，所述基于所述环境数据，确定对应的职业能力状态区间，包括：

基于所述环境数据，确定对应的职业能力状态；

调用预设的职业能力状态区间库，以确定所述对应的职业能力状态所对应的职业能力状态区间。

7.根据权利要求1所述的方法，其特征在于，所述确定所述对应的能力值对应的规划路径，包括：

基于预设的能力值与规划路径的对应关系，确定所述能力值对应的当前职业能力状态到目标职业能力状态的规划路径。