[发明专利]基于强化学习的无人机对抗博弈训练控制方法

权利要求书

1.一种基于强化学习的无人机对抗博弈训练控制方法，其特征在于：

所述基于强化学习的无人机对抗博弈训练控制方法包括如下步骤：

使主智能体与对手池中所有对手对战并统计所述主智能体的胜率；

判断所述主智能体的胜率是否满足预设要求；

如果所述主智能体的胜率满足预设要求，则根据所述主智能体的胜率选择对抗对手；

使主智能体与所述对抗对手训练直至所述主智能体策略收敛。

2.根据权利要求1所述的基于强化学习的无人机对抗博弈训练控制方法，其特征在于：

所述基于强化学习的无人机对抗博弈训练控制方法还包括如下步骤：

初始化所述主智能体利用者；

使所述主智能体作为所述主智能体利用者的对手进行对抗训练至所述主智能体利用者策略收敛。

3.根据权利要求2所述的基于强化学习的无人机对抗博弈训练控制方法，其特征在于：

所述基于强化学习的无人机对抗博弈训练控制方法还包括如下步骤：

将所述主智能体利用者加入对手池。

4.根据权利要求3所述的基于强化学习的无人机对抗博弈训练控制方法，其特征在于：

所述基于强化学习的无人机对抗博弈训练控制方法还包括如下步骤：

对所述主智能体策略加扰动因子。

5.根据权利要求4所述的基于强化学习的无人机对抗博弈训练控制方法，其特征在于：

所述基于强化学习的无人机对抗博弈训练控制方法还包括如下步骤：

将加扰动因子的策略加入对手池。

6.根据权利要求5所述的基于强化学习的无人机对抗博弈训练控制方法，其特征在于：

所述基于强化学习的无人机对抗博弈训练控制方法还包括如下步骤：

收集对抗数据；

模仿学习获得初始化策略；

构建对手池。

7.根据权利要求6所述的基于强化学习的无人机对抗博弈训练控制方法，其特征在于：

所述基于强化学习的无人机对抗博弈训练控制方法还包括如下步骤：

初始化策略作为当前策略；

以当前策略与规则对对手进行对抗训练。

8.根据权利要求1所述的基于强化学习的无人机对抗博弈训练控制方法，其特征在于：

所述基于强化学习的无人机对抗博弈训练控制方法还包括如下步骤：

每间隔时间T，将当前策略加入对手池。

9.根据权利要求8所述的基于强化学习的无人机对抗博弈训练控制方法，其特征在于：

所述基于强化学习的无人机对抗博弈训练控制方法还包括如下步骤：

判断当前策略是否收敛，如果否，则转回至以当前策略与规则对对手进行对抗训练。

10.根据权利要求9所述的基于强化学习的无人机对抗博弈训练控制方法，其特征在于：

所述基于强化学习的无人机对抗博弈训练控制方法还包括如下步骤：

判断当前策略是否收敛，如果是，则初始化所述智能体。