基于优先经验回放的生成式SAC算法及其应用

来源：吉林大学学报·理学版杂志2025年第6期北京时间：

作者：张伟, 李玉俊, 谢雯雯, 许耘嘉, 孙庚

单位：1. 吉林大学 后勤处, 长春 130012； 2. 吉林大学 计算机科学与技术学院, 长春 130012

摘要：针对传统柔性演员-评论家算法在探索能力和复杂环境中状态表征不足的问题, 提出一种改进的柔性演员-评论家算法. 首先, 该算法通过引入优先经验回放机制, 利用时序差分误差对经验样本进行动态优先级评估, 从而提高关键经验的利用率, 进而提升学习效率; 其次, 该算法将生成式Transformer架构集成到演员网络中以增强对状态特征的动态捕捉能力, 从而显著提升其在复杂优化任务中的性能； 最后, 在高校后勤人员动态调度优化问题上进行应用实验. 实验结果表明, 与原始柔性演员评论家算法及经典深度Q网络算法相比, 改进的柔性演员-评论家算法在人力需求动态拟合方面误差更小, 从而有效验证了其在实际应用中的优势和实用性.

关键词：深度强化学习,柔性演员-评论家算法,优先经验回放,Transformer架构,后勤管理