基于互信息的智能博弈对抗分层强化学习研究

来源：计算机技术与发展杂志2022年第09期北京时间：

作者：魏竞毅;赖俊;陈希亮

摘要：智能博弈在当前人工智能的发展中是较为热点的一个问题, 同时, 随着人工智能的不断发展, 在作战指挥领域也逐渐得到了广泛的应用, 尤其以美国 DAPPA 为首, 利用人工智能来为指挥员的战场决策提供全方位的策略支持,如何利用人工智能模拟战场环境下进行战场对抗也是研究的一方面。? ? ? 当前, 智能体虽然能够通过获得奖励不断进行优化,在策略上通常是根据即时奖励选择当时收益最大的策略,现实战场环境中有些决策当时虽不会有即时收益,但之后是会对整体的战场形势有更好的推动作用,能够取得更有利的战果。 针对此问题,利用分层强化学习进行智能体的智能博弈训练,并应用于简单战场环境下来模拟虚拟指挥员,提出了一种基于互信息的智能博弈对抗的分层强化学习算法 MI-A3C。 MI -A3C 算法在模拟的战场环境中能够取得 86. 7% 的胜率,并能够完成主要任务,同时在实验中可以发现一些有利于长远收益的决策。

关键词：智能博弈;强化学习;互信息;分层;A3C 算法;分队指挥