基于深度强化学习的巡飞弹突防控制决策

• 作者: 高昂 董志明 叶红兵 宋敬华 郭齐胜
• 来源期刊: 兵工学报
• 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
• 年，卷（期）: 2021,（5）
• 页码范围: 1101-1110
• 页数: 10页
• 分类号: E911
• 语种: 中文
• DOI: 10.3969/j.issn.1000-1093.2021.05.023

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.