文献类型：期刊文章

作　　者：朱建文[1] 赵长见[2] 李小平[1] 包为民[1,3]

ZHU Jianwen;ZHAO Changjian;LI Xiaoping;BAO Weimin(School of Aerospace Science and Technology, Xidian University, Xi'an 710126, Shaanxi, China;China Academy of Launch Vehicle Technology, Beijing 100076, China;China Aerospace Science and Technology Corporation, Beijing 100048, China)

机构地区：[1]西安电子科技大学空间科学与技术学院,陕西西安710126 [2]中国运载火箭技术研究院,北京100076 [3]中国航天科技集团有限公司,北京100048

出　　处：《兵工学报》

基　　金：国家自然科学基金项目(61703409);中国博士后科学基金项目(2019M66364)。

年　　份：2021

卷　　号：42

期　　号：9

起止页码：2040-2048

语　　种：中文

收录情况：BDHX、BDHX2020、CAS、CSCD、CSCD2021_2022、EI、IC、JST、RCCSE、SCOPUS、ZGKJHX、核心刊

摘　　要：为提升高动态协同攻击条件下的攻防效能,研究基于强化学习的集群多目标智能分配与决策方法。建立综合攻击性能评估准则,包括基于相对运动信息的攻击优势度评估以及基于目标固有信息的威胁度评估。综合攻击性能、突防概率以及攻击消耗,设计攻防效费比性能指标。构建基于强化学习的多目标决策架构,设计以分配向量为基本元素的动作空间,以及基于量化性能指标的状态空间,利用Q-Learning方法对协同攻击方案,包括导弹选取以及分配形式进行智能决策。仿真结果表明,强化学习能够实现攻防效能最优的多目标在线决策,其计算效率相对于粒子群优化算法具有更明显的优势。

关 键 词：目标分配  协同攻击  攻防效能  智能决策  强化学习  

分 类 号：TJ761.14]