一种模仿学习辅助的无速率编码度分布强化学习设计方法

本发明公开了一种模仿学习辅助的无速率编码度分布强化学习设计方法，包括步骤1：确定应用的具体性能需求；步骤2：构建基于A2C算法的智能体，并对网络参数进行随机初始化；步骤3：根据码长构造对应长度的理想孤子分布，作为专家策略；步骤4：使用专家策略与智能体策略之间的KL散度作为损失函数，对策略网络进行模仿学习预训练；步骤5：根据性能指标构建强化学习环境；步骤6：根据性能指标构建奖励函数，旨在时延约束下最小化开销指标；步骤7：获取训练数据，智能体选取编码策略并与环境交互，得到用以更新的数据；步骤8：智能体更新，将优势联合策略熵反向传播更新策略网络和价值网络参数，优化度分布策略。