【技术实现步骤摘要】
本专利技术属于指挥决策与人工智能，特别是指一种基于强化学习的粗粒度智能无人机突防方法。
技术介绍
1、无人机突防是指挥决策中重要内容。在突防场景中，无人机突防策略需要同时满足规避传感器探测、实施干扰压制传感器发现概率并自主规划路径等多个维度，如何利用人工智能方法自动化生成无人机突防策略成为当前研究重点。
2、在高敬鹏等发表在《计算机工程与应用》上的《改进ddpg无人机航迹规划算法》一文中，改进深度确定性策略梯度(deep deterministic policy gradient, ddpg)方法，在复杂场景中实现了无人机航迹规划。但是，在该场景中缺少对于干扰对抗的考量。除此之外，采用ddpg方法虽然能够在连续动作空间内生成最优动作，但是需要采用深度神经网络，从而对硬件设备有一定的需求。
3、在吴剑等发表在《光电与控制》上的《基于改进蚁群算法的隐身无人机快速突防航路规划技术》一文中，以改进的蚁群算法为核心实现了无人机突防路线的规划。但是，蚁群算法容易收敛到局部最优解，对于算法参数的选择需要较高。
4、...
【技术保护点】
1.基于强化学习的粗粒度智能无人机突防方法，其特征在于，包括以下步骤：
2.根据权利要求1所述的基于强化学习的粗粒度智能无人机突防方法，其特征在于，步骤1中，突防场景参数包括：
3.根据权利要求1所述的基于强化学习的粗粒度智能无人机突防方法，其特征在于，步骤2中，粗粒度环境参数的设置方式为：
4.根据权利要求1所述的基于强化学习的粗粒度智能无人机突防方法，其特征在于，步骤3中，超参数包括：
5.根据权利要求1所述的基于强化学习的粗粒度智能无人机突防方法，其特征在于，步骤4的具体方式为：
6.根据权利要求5所述...
【技术特征摘要】
1.基于强化学习的粗粒度智能无人机突防方法，其特征在于，包括以下步骤：
2.根据权利要求1所述的基于强化学习的粗粒度智能无人机突防方法，其特征在于，步骤1中，突防场景参数包括：
3.根据权利要求1所述的基于强化学习的粗粒度智能无人机突防方法，其特征在于，步骤2中，粗粒度环境参数的设置方式为：
...【专利技术属性】
技术研发人员：畅鑫，李艳斌，陈金勇，
申请(专利权)人：中国电子科技集团公司第五十四研究所，
类型：发明
国别省市：
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。