支持物联网与智慧城市服务的半监督深度强化学习

智能服务是智慧城市与物联网（IoT）生态系统的重要元素，其中服务背后的智能通过传感数据获取并改进。提供大量训练数据并非总是可行；因此，我们需要考虑也能纳入未标记数据的替代方式。近年来，深度强化学习（DRL）在若干应用领域中取得了巨大成功。它适用于物联网和智慧城市场景，其中自动生成的数据可由用户反馈部分标记以用于训练。在本文中，我们提出一种半监督深度强化学习模型，该模型契合智慧城市应用，因其同时消耗有标记与未标记数据以提升学习智能体的性能与准确性。该模型利用变分自编码器（VAE）作为推广最优策略的推理引擎。据我们所知，所提模型是将深度强化学习扩展到半监督范式的首次研究。作为智慧城市应用的案例研究，我们聚焦于智能建筑，并将所提模型应用于基于 BLE 信号强度的室内定位问题。室内定位是智慧城市服务的主要组成部分，因为人们在室内环境中度过大量时间。我们的模型学习最优动作策略，可接近目标位置估计，相较于有监督 DRL 模型，到目标的距离改善了 23%，且获得的奖励至少多 67%。