10.3969/j.issn.1673-3819.2022.01.014
基于改进DDPG的空战行为决策方法
针对空战中飞机如何根据实时态势进行快速智能决策问题,提出基于改进DDPG算法的空战行为决策框架(Air Combat Behavior Decision-making Framework on Improve DDPG,ACBDF_DDPG).框架中的主要改进如下:1.设计一种针对动态目标的嵌入式人工经验奖励机制,缓解深度强化学习算法在训练过程中,由于状态空间巨大且奖励稀疏导致的收敛困难问题;2.对框架中的Actor网络更新机制进行改进,解决Critic网络评估效果差时,更新Actor网络导致的模型训练不稳定问题;3.采用优先采样机制确保训练价值高的经验样本得到充分利用.最后基于MaCA平台搭建仿真实验环境,通过消融实验验证了所提出框架中改进机制的有效性和优越性.
深度强化学习;深度确定性策略梯度;空战行为决策;动态目标;嵌入式人工经验奖励机制
44
E911(军事技术基础科学)
2022-03-07(万方平台首次上网日期,不代表论文的发表时间)
共6页
97-102