申请/专利权人:中国科学院大学
申请日:2023-12-14
公开(公告)日:2024-03-29
公开(公告)号:CN117787384A
主分类号:G06N3/092
分类号:G06N3/092;G06N3/0464;G06N5/022
优先权:
专利状态码:在审-实质审查的生效
法律状态:2024.04.16#实质审查的生效;2024.03.29#公开
摘要:本发明涉及一种用于无人机空战决策的强化学习模型训练方法,包括若干训练轮次,在每一训练轮次中,包括:1设置网络架构和网络参数;2获取输入数据,并输入到当前训练轮次的强化学习模型中,得到输出数据;3根据强化学习模型输出的决策数据,计算当前训练轮次的奖励函数,奖励函数由基本奖励和预测增益奖励叠加得到,其中,所述预测增益奖励由决策差确定,所述决策差为所述强化学习模型与预先确定的大语言模型针对所述输入数据输出的决策数据之间的差别;4根据当前训练轮次的奖励函数,调整强化学习模型的网络参数,得到下下一训练轮次的初始网络参数;5返回1执行下一训练轮次,直到达到预设的停止条件。
主权项:1.一种用于无人机空战决策的强化学习模型训练方法,其特征在于,所述训练方法包括若干训练轮次,在每一训练轮次中,包括:1设置当前训练轮次中强化学习模型的网络架构和初始网络参数;2获取输入数据,并输入到当前训练轮次的强化学习模型中,得到输出数据,其中所述输入数据包括战场环境数据和空战类型数据,所述输出数据为强化学习模型输出的决策数据;3根据强化学习模型输出的决策数据,计算当前训练轮次的奖励函数,所述当前训练轮次的奖励函数由基本奖励和预测增益奖励叠加得到,其中,所述基本奖励与空战类型数据和战场环境数据相关;所述预测增益奖励由决策差确定,所述决策差为所述强化学习模型与预先确定的大语言模型针对所述输入数据输出的决策数据之间的差别;4根据当前训练轮次的奖励函数,调整强化学习模型的网络参数,得到下下一训练轮次的初始网络参数;5返回1执行下一训练轮次,直到训练达到预设的停止条件。
全文数据:
权利要求:
百度查询: 中国科学院大学 一种用于无人机空战决策的强化学习模型训练方法
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。