申请/专利权人：西北工业大学

申请日：2023-06-04

公开（公告）日：2023-10-31

公开（公告）号：CN116976442A

主分类号：G06N5/04

分类号：G06N5/04;G06N3/092

优先权：

专利状态码：在审-实质审查的生效

法律状态：2023.11.17#实质审查的生效;2023.10.31#公开

摘要：本发明提供了一种基于ME‑DDPG的无人机多对一追捕博弈方法，在DDPG算法探索学习的策略集中加入梯度下降法计算的指向性策略，通过神经网络训练得到我方追捕无人机的追捕策略，从而改善我方无人机因为探索不足而导致的局部收敛问题以及提高算法的学习效率，无人机多对一追捕任务的成功率也在仿真实验中得到了验证。本发明通过加入梯度下降法作为追捕无人机的训练动作选择，提高了模型的收敛速度，训练完成的追捕博弈模型具有不错的可迁移性，可以直接运用在各类场景和态势下的无人机多对一追逃任务中，并且无人机追捕成功率较高。

主权项：1.一种基于ME-DDPG的无人机多对一追捕博弈方法，其特征在于包括下述步骤：S1：构建无人机多对一虚拟追捕博弈场景；S2：确定追捕无人机和逃逸无人机在追捕博弈场景中的非完整运动约束条件和环境范围约束条件；S3：分别构建追捕无人机和逃逸无人机的奖励函数；奖励函数用于评估追逃双方无人机在某一特定状态下对某一动作的执行情况，并输出奖励值；S4：引入ME-DDPG算法，并结合所述非完整运动约束条件、所述环境范围约束条件和所述奖励函数，分别构建追逃双方无人机的初始追捕博弈模型；S5：对追逃双方无人机的初始追捕博弈模型进行训练，获得训练过程中的交互数据，并利用交互数据不断对无人机的神经网络进行更新，在训练完成后得到无人机多对一追捕博弈的最终模型；将追捕无人机和逃逸无人机的状态信息实时输入到模型的神经网络中，得到追捕无人机的动作选择，控制多架追捕无人机完成对逃逸无人机的追捕任务，任务成功率较高；S6：运用无人机多对一追捕博弈的最终模型可实时输出追捕无人机的策略。

全文数据：

权利要求：

百度查询： 西北工业大学 一种基于ME-DDPG的无人机多对一追捕博弈方法

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