文献类型：期刊文章

作　　者：丁振林[1,2] 刘冠龙[3] 谢艺[4] 刘钦[2] 吴建设[1]

DING Zhen-lin;LIU Guan-long;XIE Yi;LIU Qin;WU Jian-she(School of Artificial Intelligence,Xidian University,Xi’an 710071,China;The 20th Research Institute of the China Electronics Technology Group Cooperation AI Laboratory,Xi’an 710068,China;Jilin University College of Communication Engineering,Changchun 130012,China;Unit 32102,Laiyang 265205,China)

机构地区：[1]西安电子科技大学人工智能学院,陕西西安710071 [2]中国电子科技集团公司第二十研究所人工智能实验室,陕西西安710068 [3]吉林大学通信工程学院,吉林长春130012 [4]32102部队,山东莱阳265205

出　　处：《电子设计工程》

基　　金：陕西省自然科学基础研究计划面上项目(2018JM6095)。

年　　份：2020

卷　　号：28

期　　号：13

起止页码：54-60

语　　种：中文

收录情况：RCCSE、ZGKJHX、普通刊

摘　　要：针对传统的目标分配算法未考虑作战过程的实时变化情况,只按分配时刻的作战态势对多目标进行分配,导致火力单元分配过多或过少的问题。本文提出一种基于强化学习与深度神经网络的动态目标分配算法,根据不同想定剧情中的敌我目标状态,采用强化学习方式完成多步动态推演,利用专家经验和评估算法对分配数据进行评判,根据最优回报确立确定分配方案,通过利用训练好的深度神经网络为态势中的敌方目标分配我方武器进行的仿真实验结果可看出,与传统算法相比,本文算法在显著提升拦截成功率同时节省了分配时间。

关 键 词：强化学习  神经网络 目标分配  火力拦截  

分 类 号：TN959.21]