申请/专利权人：北京航空航天大学

申请日：2023-01-18

公开（公告）日：2023-04-14

公开（公告）号：CN115964898A

主分类号：G06F30/20

分类号：G06F30/20

优先权：

专利状态码：在审-实质审查的生效

法律状态：2023.05.02#实质审查的生效;2023.04.14#公开

摘要：本发明公开了一种面向兵力博弈对抗的BC‑QMIX离在线多智能体行为决策建模方法，包括：构建BC‑QMIX行为决策模型，包括上层的混合状态‑动作价值网络以及底层的子智能体网络，子智能体网络包括动作价值网络和行为克隆网络；设计动作选择策略，通过行为克隆网络限制训练过程中智能体的动作选择，只考虑实际出现在样本数据集中的动作，而不是考虑动作空间中所有可能的动作；进行离线和在线训练：基于已有兵力博弈对抗领域知识采集仿真样本数据集的离线预训练；在线环境下更新样本数据集，进行在线的优化训练；将训练好的BC‑QMIX行为决策模型部署在多智能体仿真环境，完成实时自主决策。该方法能够加速行为决策模型网络训练和收敛，缓解标准QMIX模型离线训练的外推误差。

主权项：1.一种面向兵力博弈对抗的BC-QMIX离在线多智能体行为决策建模方法，其特征在于，包括以下步骤：步骤一，针对兵力博弈对抗场景，构建BC-QMIX行为决策模型，包括上层的混合状态-动作价值网络以及底层的子智能体网络，每个子智能体网络包括动作价值网络和行为克隆网络；步骤二，针对BC-QMIX行为决策模型，设计动作选择策略，通过行为克隆网络限制训练过程中智能体的动作选择，只考虑实际出现在样本数据集中的动作，而不是考虑动作空间中所有可能的动作，缩小动作价值的外推误差；步骤三，对所述BC-QMIX行为决策模型进行离线和在线训练，包括两个阶段：基于已有兵力博弈对抗领域知识采集仿真样本数据集的离线预训练；在线环境下更新样本数据集，进行在线的优化训练；步骤四，将训练好的BC-QMIX行为决策模型部署在兵力博弈对抗场景下多智能体仿真环境，完成实时自主决策。

全文数据：

权利要求：

百度查询： 北京航空航天大学 面向兵力博弈对抗的BC-QMIX离在线多智能体行为决策建模方法

免责声明
1、本报告根据公开、合法渠道获得相关数据和信息，力求客观、公正，但并不保证数据的最终完整性和准确性。
2、报告中的分析和结论仅反映本公司于发布本报告当日的职业理解，仅供参考使用，不能作为本公司承担任何法律责任的依据或者凭证。

阅读全文 双屏查看 官方信息 专利公告 收藏专利 下载PDF 下载WORD