《系统工程与电子技术杂志》发表论文赏析

基于非对称不可观测状态的强化学习技术

来源:系统工程与电子技术杂志2023年第6期北京时间:

作者:李欣致, 董胜波, 崔向阳

单位:1. 北京遥感设备研究所, 北京 100854;2. 传播内容认知国家重点实验室, 北京 100733

摘要:真实动态博弈场景下对抗双方存在信息不对等、工作机理和规则不相同等特征, 但现有的强化学习算法通过假设状态可观测或部分可观测来采用近似模型拟合。因此, 在难以准确获取或者无法获取对方状态信息时, 假设条件难以成立, 导致现有强化学习模型无法直接适用。针对这个问题, 提出一种基于非对称不可观测强化学习新框架, 在该框架下, 智能体仅根据价值反馈即可实现在线学习。为验证可行性和通用性, 将3种典型强化学习算法移植到该算法框架, 搭建了博弈对抗模型, 进行对比验证。结果表明, 3种算法都可成功应用于不可观测状态的动态博弈环境, 且收敛速度大幅提高, 证明了该框架的可行性和通用性。

关键词:强化学习,动态博弈,非对称不可观测状态

2023年6期其他文献查阅:

薄涂覆目标散射中心的精确建模

传输通道相位失真对非恒包络信号质量的影响分析

基于图像天空区域分割的去雾算法

融合域自适应和弱监督策略的遥感影像建筑物提取算法

基于改进Actor-Critic算法的多传感器交叉提示技术

非均匀子带划分的宽带数字阵通道均衡算法

基于角域特征PSO的海面目标HRRP识别方法

基于时频交叉乘积的调频连续波SAR干扰方法研究

基于状态解耦的两坐标外源雷达3D目标跟踪

基于二相码的PD雷达解模糊及遮挡方法

机载宽带雷达的数据重组空时自适应处理方法

雷达波形通用调制引擎设计

基于SDIF门限失效的雷达射频隐身信号设计原理

基于深度强化学习算法的无人机智能规避决策

可达区域内最佳着陆场的筛选方法

基于气象因素的机场进离港延误预测

基于杀伤网贡献率的动态体系节点重要度评估

基于眼动指标和熵权-TOPSIS空战控制能力评估

基于非对称不可观测状态的强化学习技术

基于累积前景理论和学识评级的PL-VIKOR群决策

从激光测距到量子纠缠光子对测距

基于简化模型的天线罩寄生回路稳定性分析

分布式卫星集群博弈任务均衡分配方法

里程计辅助的车载SINS行进间对准方法

基于卡尔曼滤波算法展开的飞行目标轨迹预测

基于船舶水动力的六自由度a&ω运动参数发生器

基于几何约束孪生卷积网络的相机6DOF定位研究

基于时间敏感软件定义网络的工业互联网时延优化方案

面向物联网无人机通信的短突发CPM信号盲均衡算法

多天线中继系统中基于无线携能通信的物理层安全传输方案

基于信道状态判决的随机接入协议退避算法

基于元学习的时变信道估计方法

基于最大信息熵的长寿命产品可靠度置信区间Bootstrap估计方法

基于半参数退化模型的长寿命产品可靠性评估

考虑维修任务分配的装备选择性维修决策优化

填文献完整题目 获取完整文献

填写需求
联系方式
注:学术顾问会在1小时内联系您,请留意!