简介： 本发明提供一种基于好奇心机制的Rainbow智能体训练方法，涉及深度强化学习技术领域。该方法首先将Rainbow智能体训练的时间差分法TD的一步自举换成多步自举，并构造Rainbow智能体训练的目标函数；再定义Rainbow智能体训练的多步损失函数，将通过多步自举得到的损失与双Q网络结合，并使用目标函数评估智能体不同价值下的动作；然后改变Rainbow智能体训练时的优先体验重放顺序；将DuelingDQN与分布式网络结合作为Rainbow智能体网络，对Rainbow智能体的网络体系结构进行调整；最后设计好奇心模块，在Rainbow智能体训练中添加好奇心机制，计算好奇心模块中前向动力学模型预测误差，并将其作为智能体训练的内在奖励，使智能体不断去探索新的状态。