深度强化学习算法在智能军事决策中的应用

• 全文链接
• 请求原文

作   者：

况立群;  李思远;  冯利;  韩燮;  徐清宇; 

作者机构：

北方自动控制技术研究所仿真装备部;  中北大学大数据学院; 

关键词：

智能军事决策;  深度强化学习;  多智能体;  深度Q网络;  深度确定策略梯度; 

期刊名称：

计算机工程与应用

i s s n：

1002-8331

年卷期：

2021 年 020 期

页   码：

271-278

摘   要：

深度强化学习算法能够很好地实现离散化的决策行为,但是难以运用于高度复杂且行为连续的现代战场环境,同时多智能体环境下算法难以收敛。针对这些问题,提出了一种改进的深度确定策略梯度（DDPG）算法,该算法引入了基于优先级的经验重放技术和单训练模式,以提高算法收敛速度;同时算法中还设计了一种混合双噪声的探索策略,从而实现复杂且连续的军事决策控制行为。采用Unity开发了基于改进DDPG算法的智能军事决策仿真平台,搭建了蓝军步兵进攻红军军事基地的仿真环境,模拟多智能体的作战训练。实验结果显示,该算法能够驱动多作战智能体完成战术机动,实现绕过障碍物抵达优势区域进行射击等战术行为,算法拥有更快的收敛速度和更好的稳定性,可得到更高的回合奖励,达到了提高智能军事决策效率的目的。