[发明专利]一种决策网络模型自博弈训练方法及系统

权利要求书

1.一种用于船舶位置预判的决策网络模型自博弈训练方法，其特征在于：包括如下步骤：

步骤一、采用模拟退火算法对EN网络的初始网络参数进行变异，变异后得到红方EN网络和蓝方EN网络；

步骤二、将步骤一中所述的红方EN网络和蓝方EN网络放入对抗环境进行博弈对抗，记录对抗关键节点的决策数据和EN值；

步骤三、对步骤二中博弈对抗的胜利方的决策数据和EN值作为有效样本进行保存，将失败方的数据淘汰；

步骤四、根据步骤三中的有效样本对EN网络进行训练，获得优化后的网络参数，将优化后的网络参数作为新的初始网络参数；

步骤五、循环重复步骤一到步骤四，实现自博弈训练；利用训练好的EN网络对船舶位置进行预判。

2.根据权利要求1所述的一种用于船舶位置预判的决策网络模型自博弈训练方法，其特征在于：步骤二中所述对抗环境为非完备条件的对称博弈对抗场景。

3.根据权利要求1所述的一种用于船舶位置预判的决策网络模型自博弈训练方法，其特征在于：利用反向传播算法对步骤四中的有效样本进行学习，然后灌入EN网络进行训练。

4.根据权利要求1所述的一种用于船舶位置预判的决策网络模型自博弈训练方法，其特征在于：步骤一中所述采用模拟退火算法对初始网络参数进行变异，该初始网络参数的变异为随机变异。

5.根据权利要求1所述的一种用于船舶位置预判的决策网络模型自博弈训练方法，其特征在于：所述EN网络由多个EN子网络构成，每个EN子网络的特征输入为同类型，每个EN子网络的网络结构均相同。

6.根据权利要求1所述的一种用于船舶位置预判的决策网络模型自博弈训练方法，其特征在于：所述步骤五的循环重复次数大于等于10万次。

7.根据权利要求1所述的一种用于船舶位置预判的决策网络模型自博弈训练方法，其特征在于：所述决策网络模型为单输出的决策网络模型。

8.一种用于船舶位置预判的决策网络模型自博弈训练系统，其特征在于：包括网络参数变异模块、博弈对抗模块、数据选取模块、网络训练模块、循环重复模块；

所述网络参数变异模块采用模拟退火算法对EN网络的初始网络参数进行变异，获得变异后的红方EN网络和蓝方EN网络然后输出给所述博弈对抗模块；

所述博弈对抗模块将变异后的红方EN网络和蓝方EN网络放入对抗环境中进行博弈对抗，记录对抗关键节点的决策数据和EN值然后输出给所述数据选取模块；

所述数据选取模块将博弈对抗的胜利方的决策数据和EN值作为有效样本进行保存，然后将保存的决策数据和EN值输出给所述网络训练模块；

所述网络训练模块根据有效样本对EN网络进行训练，获得优化后的网络参数，将优化后的网络参数作为新的初始网络参数输出给所述循环重复模块；

所述循环重复模块将初始网络参数输出给所述网络参数变异模块，实现自博弈训练；利用训练好的EN网络对船舶位置进行预判。

9.根据权利要求8所述的一种用于船舶位置预判的决策网络模型自博弈训练系统，其特征在于：所述网络训练模块利用反向传播算法对有效样本进行学习，然后灌入EN网络进行训练。

10.根据权利要求8所述的一种用于船舶位置预判的决策网络模型自博弈训练系统，其特征在于：所述网络参数变异模块采用模拟退火算法对初始网络参数进行变异，该初始网络参数的变异为随机变异。

11.根据权利要求8所述的一种用于船舶位置预判的决策网络模型自博弈训练系统，其特征在于：所述博弈对抗模块中的对抗环境为非完备条件的对称博弈对抗场景。