基于课程强化学习的无人机反坦克策略训练模型

摘要：

智能化时代,陆战场的争夺从平面制陆向立体制陆拓展,无人机反坦克作战在未来智能化战争制陆权的争夺中起着至关重要的作用.针对深度强化学习方法在复杂问题求解中面临的决策空间爆炸、奖励稀疏等问题,提出了一种基于 VDN 的动态多智能体课程学习方法.该方法在多智能体深度强化学习的训练过程中加入课程学习方法,结合Stein变分梯度下降算法改善课程学习的学习过程,解决了强化学习在复杂任务中初始训练效果差、训练时间长和收敛难的问题,并在多智能体粒子环境和无人机反坦克作战场景中分别构建了课程学习模型,实现了模型与训练先验知识从易到难的迁移.实验结果表明,通过课程学习DyMA-CL机制对强化学习训练过程进行改善,强化学习智能体在进行困难任务学习时能够获得更好的初始训练效果和更快的模型收敛速度,从而得到更好的最终效果.

关键词：深度强化学习、课程学习、Stein变分梯度下降、无人机、反坦克

所属期刊栏目：50

分类号：TP181(自动化基础理论)

在线出版日期：2023-10-13（万方平台首次上网日期，不代表论文的发表时间）

页数：共9页

页码：214-222