基于多动作并行异步深度确定性策略梯度的选矿运行指标决策方法

摘要：

为了解决深度确定性策略梯度算法探索能力不足的问题,提出一种多动作并行异步深度确定性策略梯度(MPADDPG)算法,并用于选矿运行指标强化学习决策.该算法使用多个actor网络,进行不同的初始化和训练,不同程度地提升了探索能力,同时通过扩展具有确定性策略梯度结构的评论家体系,揭示了探索与利用之间的关系.该算法使用多个DDPG代替单一DDPG,可以减轻一个DDPG性能不佳的影响,提高学习稳定性;同时通过使用并行异步结构,提高数据利用效率,加快了网络收敛速度;最后,actor通过影响critic的更新而得到更好的策略梯度.通过选矿过程运行指标决策的实验结果验证了所提出算法的有效性.

关键词：选矿、运行指标、决策、多动作、并行异步、深度确定性策略梯度

所属期刊栏目：37

分类号：TP18(自动化基础理论)

资助基金：国家重点研发计划;辽宁省科技项目

在线出版日期：2022-07-19（万方平台首次上网日期，不代表论文的发表时间）

页数：共8页

页码：1989-1996