申请/专利权人：中国电子科技集团公司第二十八研究所

申请日：2023-12-18

公开（公告）日：2024-04-16

公开（公告）号：CN117892796A

主分类号：G06N3/092

分类号：G06N3/092;G06N3/045;G06N3/084

优先权：

专利状态码：在审-实质审查的生效

法律状态：2024.05.03#实质审查的生效;2024.04.16#公开

摘要：本发明提供了一种面向多目标模拟对抗的决策智能体泛化性增强方法，包括：根据模拟对抗场景动态变化需要，确定需要处置的目标列表，获取第一偏好和奖励映射函数；将第一偏好输入多目标强化学习智能体和单目标强化学习智能体，得到第一轨迹和第一动作；生成第二轨迹，对第一参数进行更新；基于判别器判断第一轨迹和第二轨迹是否基于同一偏好产生，得到判断结果；基于判断结果确定奖励值，更新判别器的第三参数；对第二参数进行更新；将第二偏好赋值给第一偏好；重复上述步骤，直至多目标强化学习智能体在模拟战场环境中收敛。本发明能够实现对于动态对抗模拟战场下指挥决策智能体系学习的泛化性的增强，能够适应动态变化的任务要求进行推理。

主权项：1.一种面向多目标模拟对抗的决策智能体泛化性增强方法，其特征在于，包括以下步骤：步骤1，根据模拟对抗动态变化场景需要，确定需要处置的目标列表，获取第一偏好ω和奖励映射函数f，第一偏好ω是一个和为1，形式为1,m的非负二维向量，m为多目标的目标数，ω表示多目标任务中各个目标的偏好权重；步骤2，将第一偏好ω分别输入多目标强化学习智能体和单目标强化学习智能体，利用多目标强化学习智能体在模拟战场环境交互，获得由时序向量数据组成的每一时刻的状态数据，记为第一轨迹t1，并记单目标强化学习智能体的动作数据为第一动作a1，a1是一个形式为1,m的二维向量，a1用于改变第一偏好ω；步骤3，基于第一偏好ω和第一动作a1得到第二偏好ω′，ω′是一个和为1，形式为1,m的非负二维向量；步骤4，基于多目标强化学习智能体在模拟战场环境中的交互过程，生成时序向量数据组成的每一时刻的状态数据，记为第二轨迹t2，对多目标强化学习智能体的第一参数θ1进行更新；步骤5，基于判别器判断第一轨迹t1和第二轨迹t2是否基于同一偏好产生，得到判断结果；步骤6，基于判断结果确定奖励值，更新判别器的第三参数θ3；步骤7，基于第一偏好ω、第一动作a1、第二偏好ω′和奖励值对单目标强化学习智能体的第二参数θ2进行更新；步骤8，将第二偏好ω′赋值给第一偏好ω；步骤9，重复执行步骤2～步骤8，直至多目标强化学习智能体在模拟战场环境中的表现收敛。

全文数据：

权利要求：

百度查询： 中国电子科技集团公司第二十八研究所 一种面向多目标模拟对抗的决策智能体泛化性增强方法

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