[发明专利]一种基于目的地运动预测的飞行器引导迁移学习训练算法

权利要求书

1.一种基于目的地运动预测的飞行器引导迁移学习训练算法，其特征在于，包括以下步骤：

（1）设置飞行器的运动学和动力学模型，以固定目的地的飞行器引导环境为训练环境，使用强化学习方法训练基线智能体B，当前状态包括飞行器姿态和目的地姿态信息，当前状态下飞行器动作是对飞行器的引导指令；

（2）依据目的地运动特性，设置目的地的移动模型，构建目的地运动的飞行器引导训练环境，设置训练中的智能体选择因子p及该因子更新的方法，初始化引导智能体A，智能体A的输入输出与智能体B相同，开始智能体A的训练；

（3）以片段（episode）为单位，使用引导智能体A执行一个片段，对于片段内每个时间步长t，记录当前状态、当前状态下飞行器动作、奖励函数、下一时刻状态四个数据，按照四元组方式存储；

（4）生成[0,1]范围内的随机数，包含随机数小于智能体选择因子、随机数大于等于智能体选择因子两种情况，对于随机数小于智能体选择因子的情况，使用智能体B更新四元组，对于随机数大于等于智能体选择因子的情况不更新四元组；

（5）使用强化学习方法进行训练，更新智能体选择因子p。

2.根据权利要求1所述的基于目的地运动预测的飞行器引导迁移学习训练算法，其特征在于，步骤（4）中，对于更新四元组的情况，按照如下步骤进行更新：

从起始步长t=0开始，到终止步长t=T为止进行循环，对于循环中的每一个步长t=N，将t=0到t=N中的每一个四元组中中目的地姿态信息替换成t=N时刻四元组中的目的地姿态信息，形成新的，记为；

从t=0开始到t=N截止，使用基线智能体B，以替换后的状态信息为输入，产生新的四元组，在该阶段任意时刻飞行器成功到达目的地，结束四元组更新过程；

从起始步长t=0开始，到片段终止步长t=T结束，没有任何一次替换使得飞行器成功到达目的地，记录最后一次执行的四元组；将，中飞行器姿态信息及，，替换原有四元组中,中飞行器姿态信息及，，对于在线训练强化学习方法，直接按照保存的新四元组训练，对于离线训练强化学习方法，将新四元组存入经验池中；

对于不更新四元组的情况，对于在线训练强化学习方法，直接按照保存的四元组训练，对于离线训练强化学习方法，将四元组存入经验池中。

3.根据权利要求1所述的基于目的地运动预测的飞行器引导迁移学习训练算法，其特征在于，步骤（5）中，按照如下公式更新智能体选择因子p：，K为衰减因子，取值范围[0,1]，当智能体选择因子小于0时，停止更新，并使该因子等于0。