基于深度强化学习的时间协同制导方法及仿真

摘要：

　　在讨论强化学习和深度强化学习基本原理的基础上,将协同工作的多枚导弹作为多智能体。分析了一种典型的时间协同制导算法CPPN,并将其中的主要设计参数作为智能体作用于环境的动作,构造了反映终端脱靶量及协同时间的奖励函数。基于深度强化学习算法MADDPG,建立了一种智能学习的时间协同制导算法。针对静止目标和机动目标,进行了大量仿真实验。结果表明,本文方法是合理、有效的,为研究深度强化学习时间协同制导问题探索了一条可行的技术路径。

关键词： 深度强化学习 多智能体 时间协同 制导方法

作者: 蔡远利 闫明明 刘佳琪

作者单位: 西安交通大学自动化学院,陕西西安,中国,710049 北京长征飞行器研究所,北京,中国,100076

会议类型: 国内会议

会议名称: 第22届中国系统仿真技术及其应用学术年会(CCSSTA2021)

会议地点: 合肥

会议语种:中文

页码: 361-365

在线出版日期: 2021-07-01（万方平台首次上网日期，不代表论文的发表时间）