控制与决策

作者：伍国华,李冰洁,袁于斐,陆志沣

单位：中南大学 交通运输工程学院,长沙 410075,,中南大学 交通运输工程学院,长沙 410075,,中南大学 交通运输工程学院,长沙 410075,,上海机电工程研究所,上海 201109,

关键词：多平台协同火力分配;强化学习;任务分解;迭代优化

基金：国家自然科学基金面上项目(62073341)；中南大学研究生科研创新项目(2022ZZTS0750).

为了有效求解多平台协同火力分配问题,根据“分而治之”的思想,基于任务分解策略将复杂的决策任务分解为子目标平台选择和子平台火力分配两个阶段,通过融合启发式算法和强化学习模型,提出一种新的强化学习求解方法(HARL),并以多平台联合火力打击为作战背景进行实验仿真.子目标平台选择层根据当前状态,基于强化学习策略选择攻击当前子目标最适合的火力平台;而子平台火力分配层则使用启发式算法为执行攻击任务的平台规划最优的火力分配方案.实验结果表明,融合启发式算法和强化学习的HARL方法相比于传统的强化学习算法武器消耗量减少15%以上,相比于经典的启发式算法求解时效性提升20%以上,表明该研究成果可为未来求解复杂作战决策问题提供有力的技术支持.

来源：2024年第5期

《控制与决策》期刊编辑部

查看控制与决策杂志2024年第5期