深度强化学习及其在军事领域中的应用综述
来源:系统工程与电子技术杂志2024年第4期北京时间:
作者:张梦钰, 豆亚杰, 陈子夷, 姜江, 杨克巍, 葛冰峰
单位:国防科技大学系统工程学院, 湖南 长沙 410003
摘要:随着大数据、云计算、物联网等一系列新兴技术的大量涌现, 人工智能技术不断取得突破性进展。深度强化学习(deep reinforcement learning, DRL)技术作为人工智能的最新成果之一, 正被逐渐引入军事领域中, 促使军事领域走向信息化和智能化。在未来战争作战模式及军队发展建设中, 网络化、信息化、智能化和无人化形成重要特征, 已经成为不可逆转的趋势。因此, 在回顾了DRL基本原理和主要算法的基础上, 对当前DRL在武器装备、网络安全、无人机(unmanned aerial vehicle, UAV)编队、智能决策与博弈等方面的应用现状进行了系统的梳理与总结。最后, 针对实际推进DRL技术在军事领域应用落地所面临的一系列问题和挑战, 提供了未来进一步研究的思路。
关键词:深度强化学习,军事应用,智能决策,发展趋势
基金资助:国家自然科学基金(71901214);国家自然科学基金(71971213);湖南省科技创新计划(2020RC4046)
2024年4期其他文献查阅:
空中目标动态HRRP特征可重构模拟方法
综合孔径微波辐射成像技术发展现状与趋势
基于FrFT-Keystone运动补偿的OFDM声纳高速微弱目标相参积累检测算法
基于HRNet的高分辨率遥感影像道路提取方法
基于CenterNet的多教师联合知识蒸馏
地形遮蔽下的电磁波绕射效应对机载电子战影响
双基地宽带成像雷达时间及调频率同步方法
基于锚框自适应和多尺度增强的SAR舰船检测
基于联合GLMB滤波器的可分辨群目标跟踪
基于RMDLPP的雷达空中目标分类
基于波束补偿的成像增强算法研究
天波超视距雷达非均匀采样信号频谱重构
基于MDCFT与水平集的高海情弹载雷达成像检测方法
基于安全性建模的民机ILS信号设计
基于改进灰狼算法的舰载机弹药保障调度优化
基于Multi-Agent的无人机集群体系自主作战系统设计
基于自适应超螺旋观测器的空间机械臂鲁棒故障诊断
深度强化学习及其在军事领域中的应用综述
基于灰色关联协同效应权重配置的费用预测模型
面向韧性的指挥信息系统节点重要性度量方法
基于改进D-S证据理论的相控阵雷达作战效能评估
基于IPSO的舰载机出动离场规划研究
基于连续路网环境的实体化主体路径规划算法
天文/惯性组合系统中重力扰动补偿方法
改进双向快速搜索随机树的无人艇路径规划
带有神经网络干扰观测器的视线角约束制导
地形跟随中航迹跟踪模型预测控制方案设计
基于贝叶斯神经网络的船用惯导定位修正方法
基于动态估计反馈的灰色理论航迹关联算法
可旋转翼式弹道修正组件滚转控制技术研究
基于EM-VB的分布式接收运动目标直接符号检测方法
STAR-RIS辅助多载波通信感知一体化系统的资源优化
RaptorQ喷泉码编译码算法分析及优化
IWSNs防移动干扰节点的两层协作Stackelberg博弈
基于多特征融合的MIMO-OFDM系统单-混信号调制识别算法