基于强化学习的追捕策略训练方法、设备、介质及产品2025

专利内容

(19)国家知识产权局 (12)发明专利申请 (10)申请公布号 CN 118095340 A (43)申请公布日 2024.05.28 (21)申请号 202410244720.6 (22)申请日 2024.03.05 (71)申请人 南开大学 地址 300071 天津市南开区卫津路94号 (72)发明人 张建磊　张春燕　普显东　 (74)专利代理机构 北京高沃律师事务所 11569 专利代理师 贾瑞华 (51)Int.Cl. G06N 3/008 (2023.01) G06N 3/08 (2023.01) 权利要求书2页 说明书13页 附图8页 (54)发明名称 基于强化学习的追捕策略训练方法、设备、 介质及产品 (57)摘要 本发明公开一种基于强化学习的追捕策略 训练方法、设备、介质及产品，涉及强化学习和追 逃博弈控制技术领域，该方法涉及拦截者、追捕 者和目标之间的博弈场景。拦截者采用比例指导 策略对追捕者进行拦截，而追捕者则采用基于集 成价值网络结构的均化深度确定性策略梯度算 法对目标进行追捕。MDPG算法引入集成价值网络 结构，其中每个价值网络对应一个目标值函数， 使用不同的样本概率分布独立地进行训练。目标 则采用逃逸策略来躲避追捕者的追捕。通过不同 训练样本，计算各追逃博弈场景中智能体之间的 A 距离和追捕者的航向角改变量，以得到各场景中 0 追捕者的回报值。本发明提供的MDPG算法可实现 4 3 5 追捕策略高效自主训练，提高了智能体追捕性能 9 0 8 和成功率。 1 1 N C CN 11