空军工程大学学报

作者：郭万春，解武杰，尹晖，董文瀚

单位：1.空军工程大学航空工程学院， 西安， 710038； 2.空军工程大学教研保障中心， 西安， 710051\

关键词：深度强化学习;近距空战;无人机;双延迟深度确定性策略梯度法

针对近距空战下的自主机动反追击问题，建立了无人机反追击马尔科夫（Markov）决策过程模型；在此基础上，提出了一种采用深度强化学习的无人机反追击自主机动决策方法。新方法基于经验回放区重构，改进了双延迟深度确定性策略梯度（TD3）算法，通过拟合策略函数与状态动作值函数，生成最优策略网络。仿真实验表明，在随机初始位置/姿态条件下，与采用纯追踪法的无人机对抗，该方法训练的智能无人机胜率超过93%；与传统的TD3、深度确定性策略梯度（DDPG）算法相比，该方法收敛性更快、稳定性更高。

来源：2021年第4期

《空军工程大学学报》期刊编辑部

查看空军工程大学学报杂志2021年第4期