[发明专利]基于多智能体强化学习的目标探测与分配方法及装置

权利要求书

1.一种基于多智能体强化学习的目标探测与分配方法，其特征在于，包括：

构建作战行为模型和强化学习训练环境；

采用强化学习训练环境对所述作战行为模型进行训练至模型收敛，获取人工智能行为模型；

采用作战仿真引擎对所述人工智能行为模型进行训练，输出优化模型。

2.根据权利要求1所述的方法，其特征在于，构建强化学习训练环境，包括：

采用MADDPG算法将作战仿真引擎与强化学习训练环境进行映射。

3.根据权利要求2所述的方法，其特征在于，所述采用MADDPG算法将作战仿真引擎与强化学习训练环境进行映射，包括：

将所述作战仿真引擎中的作战行为模型映射为所述强化学习训练环境中的多个智能体，所述智能体作为训练的对象；

将所述作战仿真引擎中的感知模型映射为所述强化学习训练环境中的感知代理模块，用于获取当前战场态势；

将所述作战仿真引擎中的决策模型映射为所述强化学习训练环境中的决策代理模块，用于根据当前战场态势选择要执行的行动；

将所述作战仿真引擎中的行动模型映射为所述强化学习训练环境中的行动代理模块，用于执行选择的行动；

将所述作战仿真引擎中的记忆模型映射为所述强化学习训练环境中的记忆代理模块，用于存储战场态势。

4.根据权利要求3所述的方法，其特征在于，所述采用强化学习训练环境对所述作战行为模型进行训练至模型收敛，获取人工智能行为模型，包括：

初始化智能体；

所述感知代理模块获取环境信息，确定当前战场态势并存储至记忆代理模块；

所述决策代理模块根据所述当前战场态势选择要执行的行动；

所述行动代理模块执行选择的行动；

所述强化学习训练环境根据行动的结果将战场环境反馈至所述智能体进行优化；

判断所述智能体是否收敛，并在所述智能体收敛后输出人工智能行为模型。

5.根据权利要求4所述的方法，其特征在于，所述采用作战仿真引擎对所述人工智能行为模型进行训练，输出优化模型，包括：

初始化人工智能行为模型；

所述感知模型获取环境信息，确定当前战场态势并存储至记忆模型；

所述决策模型根据所述当前战场态势选择要执行的行动；

所述行动模型执行选择的行动；

所述作战方针引擎根据行动的结果将战场环境反馈至所述人工智能行为模型进行优化；

判断所述人工智能行为模型是否收敛，并在所述智能体收敛后输出优化模型。

6.根据权利要求4或5所述的方法，其特征在于，在判断是否收敛之前，还包括：

判断是否到达预设的训练结束时间；

如果到达训练结束时间则结束并退出，否则继续训练。

7.根据权利要求1所述的方法，其特征在于，

所述强化学习训练环境利用MADDPG算法分布式运行集中式训练所述作战行为模型。

8.根据权利要求3所述的方法，其特征在于，

所述智能体为3个。

9.根据权利要求1所述的方法，其特征在于，

所述作战行为模型采用多智能体人工神经网络。

10.一种基于多智能体强化学习的目标探测与分配装置，其特征在于，包括：

构建模块，用于构建作战行为模型和强化学习训练环境；

获取模块，用于采用强化学习训练环境对所述作战行为模型进行训练至模型收敛，获取人工智能行为模型；

输出模块，用于采用作战仿真引擎对所述人工智能行为模型进行训练，输出优化模型。