基于深度强化学习的巡飞弹突防控制决策

摘要：

巡飞弹突防控制决策(LMPCD)问题是"多域战"作战概念背景下的重要研究方向.针对该问题,建立基于马尔可夫决策过程的LMPCD模型.拟合LMPCD函数与飞行状态-动作值函数,构建基于演员-评论家方法的LMPCD框架,给出基于深度确定性策略梯度算法的深度强化学习模型求解方法,生成巡飞弹突防控制最优决策网络.通过1000次巡飞弹突防仿真测试,结果表明,巡飞弹执行任务成功率为82.1％,平均决策时间为1.48 ms,验证了LMPCD模型及其求解过程的有效性.

关键词：巡飞弹、深度强化学习、马尔可夫决策过程、突防、控制决策

所属期刊栏目：42

分类号：E911(军事技术基础科学)

资助基金：军队科研项目;军队科研项目

在线出版日期：2021-07-01（万方平台首次上网日期，不代表论文的发表时间）

页数：共10页

页码：1101-1110