基于PPO算法的集群多目标火力规划方法
打开文本图片集
摘要： 针对高动态战场态势下防御作战场景中的多目标火力规划问题，提出一种基于近端策略优化算法的火力规划方法，以最大化作战效能为目标，从弹药消耗、作战效果、作战成本及作战时间4个方面设计强化学习奖励函数。考虑历史决策序列对当前规划的影响，以长短期记忆网络（long short-term memory， LSTM）为核心，基于Actor-Critic框架设计神经网络，使用近端策略优化算法训练网络，利用训练好的强化学习智能体进行序贯决策，根据多个决策阶段的态势实时生成一系列连贯火力规划方案。（剩余20466字）