基于PPO算法的集群多目标火力规划方法

来源：系统工程与电子技术杂志2024年第11期北京时间：

作者：秦湖程, 黄炎焱, 陈天德, 张寒

单位：南京理工大学自动化学院, 江苏 南京 210094

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。仿真结果表明, 智能体能够实现高动态态势下多目标火力规划, 其计算效率相对于其他算法具有更明显的优势。

关键词：多目标火力规划,近端策略优化算法,长短期记忆网络,序贯决策

基金资助：中船创新基金(KJB2023012)