基于强化学习的战时保障力量调度策略研究

• 作者: 曾斌 王睿 李厚朴 樊旭
• 来源期刊: 系统工程与电子技术
• 学科: 工学
• 关键词: 战时保障 强化学习 不确定性 优化调度
• 年，卷（期）: 2022,（1）
• 所属期刊栏目: 系统工程|Systems Engineering
• 页码范围: 199-208
• 页数: 10页
• 分类号: TP301
• 语种: 中文
• DOI: 10.12305/j.issn.1001-506X.2022.01.25

摘要

智能化后装保障调度是当前军事领域的研究热点之一,其中复杂多变的战场环境要求战时保障具有良好的自适应性.针对此问题,提出了基于马尔可夫决策过程的强化学习模型,能够主动学习最佳派遣策略,根据历史数据和当前态势预判后续变化.为了考虑不确定事件的影响,在模型求解算法中增加了基于概率统计模型的仿真流程;为了减少随机事件带来的计算复杂性,利用决策后状态变量重新设计了贝尔曼迭代方程;为了解决状态空间的维度灾问题,提出了基于基函数组合的近似函数.仿真实验表明,强化学习能力的引入能够显著提高战时保障调度性能.