基于强化学习的舰船目标跟踪有限理性博弈算法研究

来源：计算机工程与应用杂志2024年第20期北京时间：

作者：陈素霞, 徐清雯, 刘久富, 解晖, 刘向武

单位：1.河南轻工职业学院 计算机与艺术设计系，郑州 450008；2.南京航空航天大学 自动化学院，南京 211106

摘要：针对现实中的决策者并非总能完全理性分析问题的情况，提出有限理性下的追逃博弈算法。建立追逃博弈模型，先求解完全理性下博弈双方的鞍点策略。引入有限理性level-k模型，对追击者和躲避者思考策略的层次进行结构性假设，允许追逃双方具备不同的策略推理能力，并给出相应等级的值函数和策略，策略满足HJI方程。随着等级的增加，策略最终会趋于纳什均衡。由于HJI方程难以直接求解，基于强化学习的actor-critic算法进行求解，设计算法使追击者能够估算出躲避者的思维等级并采取合适的策略。以舰船为对象，将舰船运动简化为二维的数学模型，建立舰船追逃博弈模型，对其进行算法仿真验证。

关键词：追逃博弈,目标跟踪,强化学习,有限理性