基于深度強(qiáng)化學(xué)習(xí)的艦船導(dǎo)彈目標(biāo)分配方法

摘要： 針對(duì)對(duì)抗環(huán)境下的海上艦船防空反導(dǎo)導(dǎo)彈目標(biāo)分配問題,本文提出了一種融合注意力機(jī)制的深度強(qiáng)化學(xué)習(xí)算法.首先,構(gòu)建了艦船多類型導(dǎo)彈目標(biāo)分配模型,并結(jié)合目標(biāo)多波次攔截特點(diǎn)將問題建模為馬爾可夫決策過程.接著,基于編碼器–解碼器框架搭建強(qiáng)化學(xué)習(xí)策略網(wǎng)絡(luò),融合多頭注意力機(jī)制對(duì)目標(biāo)進(jìn)行編碼,并在解碼中結(jié)合整體目標(biāo)和單個(gè)目標(biāo)編碼信息實(shí)現(xiàn)艦船可靠的導(dǎo)彈目標(biāo)分配.最后,對(duì)導(dǎo)彈目標(biāo)分配收益、分配時(shí)效以...