基于RBF神经网络的Q学习飞行器隐蔽接敌策略

• 作者: 于雷 寇英信 徐安 李战武
• 来源期刊: 系统工程与电子技术
• 学科: 工学
• 关键词: 强化学习 隐蔽接敌 马尔科夫决策过程 动态规划 空战决策
• 年，卷（期）: 2012,（1）
• 所属期刊栏目: 系统工程
• 页码范围: 97-101
• 分类号: TP242
• 字数: 5461字
• 语种: 中文
• DOI: 10.3969/j.issn.1001-506X.2012.01.18

摘要

基于马尔科夫决策过程框架研究了三维空间内隐蔽接敌策略的强化学习方法,定义了环境模型中的优势区域和暴露区域.针对高维状态空间策略学习所面临的维数灾问题,给出基于径向基神经网络(radial basis function neural network,RBFNN)的Q学习算法,说明了训练样本的分级采样方法,并针对不同情况下的接敌机动策略学习进行了仿真分析.仿真结果表明,借助于合理的分级采样方法,基于RBFNN的Q学习算法能有效生成隐蔽接敌策略.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	于雷	空军工程大学工程学院	127	848	15.0	21.0
2	徐安	空军工程大学工程学院	42	137	7.0	9.0
3	寇英信	空军工程大学工程学院	64	319	10.0	13.0
4	李战武	空军工程大学工程学院	56	166	7.0	8.0