Actor-Critic框架下的多智能体决策方法及其在兵棋上的应用
来源:系统工程与电子技术杂志2021年第3期北京时间:
作者:李琛, 黄炎焱, 张永亮, 陈天德
单位:1. 南京理工大学自动化学院, 江苏 南京 210094;2. 陆军工程大学指挥控制工程学院, 江苏 南京 210007
摘要:将人工智能应用于兵棋推演的智能战术兵棋正逐年发展, 基于Actor-Critic框架的决策方法可以实现智能战术兵棋的战术行动动态决策。但若Critic网络只对单算子进行评价, 多算子之间的网络没有协同, 本方算子之间各自行动决策会不够智能。针对上述方法的不足, 提出了一种基于强化学习并结合规则的多智能体决策方法, 以提升兵棋推演的智能水平。侧重采用强化学习对多算子的行动决策进行决策分析, 并结合产生式规则对战术决策进行规划。构建基于Actor-Critic框架的多算子分布执行集中训练的行动决策模型, 对比每个算子互不交流的封闭式行动决策学习方法, 提出的分布执行集中训练方法更具优势且有效。
关键词:智能战术,兵棋推演,多智能体强化学习,Actor-Critic框架,分布执行集中训练
基金资助:国家自然科学基金(61374186);2018年装备预研领域基金(61403120205)
2021年3期其他文献查阅:
异常值和未知观测噪声鲁棒的卡尔曼滤波器
基于深度残差适配网络的通信辐射源个体识别
小波分解与Prophet框架融合的电离层VTEC预报模型
基于卡尔曼滤波的极限学习机在线盲均衡算法
新型旋转抛物面换能器阵列的设计
基于动态软聚类的航空电子部件LMKELM诊断模型
基于块稀疏矩阵恢复的MIMO雷达扩展目标高分辨成像算法
基于优化序列提取的相控阵雷达识别方法
机载阵列雷达风轮机回波信号建模与分析
旋转相控阵雷达变数据率目标跟踪算法
雷达小样本目标识别方法及应用分析
新的互补序列在雷达通信一体化中的应用
面向多类别分类问题的子抽样主动学习方法
基于图论与PageRank的要地反导己方目标重要性排序
设计变更下舰船批量订货梯次定价模型
基于时空关联网络的机场机位运行过程建模
高轨卫星平台在轨顽存技术体系
基于动态灰色主成分分析的多时刻威胁评估
基于无人机实时数据多波次任务规划模型分析
Actor-Critic框架下的多智能体决策方法及其在兵棋上的应用
合成部队多阶段作战任务成功概率仿真评估
电动舵机极限环机理分析和抑制措施
三维自适应有限时间超螺旋滑模制导律
修正钟差的脉冲星方位误差估计算法
基于图Laplacian的多机编队目标跟踪方法
面向编队卫星的空间系绳在轨服务
无环境信息下多尺度网格细胞群空间表征模型
大规模MIMO系统中分布式压缩感知LMMSE信道估计
基于遗传算法的混叠式非正交多址接入方法
基于模型检测的TLS协议实现库安全性分析
基于SCMA和卷积编码的联合检测译码算法
去蜂窝大规模MIMO系统功率控制算法