公开(公告)号：CN116432030A

公开(公告)日：2023-07-14

申请号：CN202310378455.6

申请日：2023-04-10

Applicant: 哈尔滨工程大学

Inventor： 贾璐毓 ,  徐军政 ,  丁拯坤 ,  刘佳奇 ,  蔡成涛 ,  王兴梅

IPC: G06F18/214 ,  G06N3/0442 ,  G06N3/0499 ,  G06N3/08

Abstract: 本发明为了生成更好的空战多意图策略，提出一种基于深度强化学习的空战多意图策略自主生成方法。包括如下步骤：(1)针对空战意图构建基于深度强化学习的空战博弈框架；(2)提出时序近端策略优化(Temporal Proximal Policy Optimization,T‑PPO)算法，充分利用历史数据中有用信息生成策略；(3)提出基本‑对抗进阶式训练法进行意图策略生成模型训练，提供意图引导和增加训练的多样性；(4)大范围内选择初始状态，基于空战博弈框架生成空战数据，利用T‑PPO算法进行基本‑对抗进阶式训练更新模型，完成基于深度强化学习的空战意图策略自主生成。本发明提出的基于深度强化学习的空战多意图策略自主生成方法，能提升生成策略的胜率和效率并提高网络训练的速度，具有一定的有效性。