检索结果-维普期刊中文期刊服务平台

无人作战飞机空战自主机动决策研究被引量：21: 1; 作者郭昊周德云张堃《电光与控制》北大核心 2010年第8期28-32,共5页; 针对无人作战飞机自主空战的要求,通过空战机动方式的分析,提出一种基于风险型决策的空战自主机动决策算法。以对策论为基础,构建空战机动攻击阶段的对策模型,通过模糊决策分析找出最优机动策略。就不同条件下的实例进行仿真,仿真结果表... 展开更多; 关键词无人作战飞机空战自主机动决策对策论模糊决策风险型决策; 在线阅读下载PDF 职称材料

深度强化学习的无人作战飞机空战机动决策被引量：18: 2; 作者李永丰史静平 +1 位作者章卫国蒋维《哈尔滨工业大学学报》 EI CAS CSCD 北大核心 2021年第12期33-41,共9页; 无人作战飞机(unmanned combat aerial vehicle,UCAV)在进行空战自主机动决策时,面临大规模计算,易受敌方不确定性操纵的影响。针对这一问题,提出了一种基于深度强化学习算法的无人作战飞机空战自主机动决策模型。利用该算法,无人作战... 展开更多; 关键词无人作战飞机深度强化学习空战自主机动决策六自由度优势函数深度Q网络; 在线阅读下载PDF 职称材料

基于深度Q网络的近距空战智能机动决策研究被引量：5: 3; 作者张婷玉孙明玮 +1 位作者王永帅陈增强《航空兵器》 CSCD 北大核心 2023年第3期41-48,共8页; 针对近距空战对抗中无人机机动决策问题,本文基于深度Q网络(DQN)算法的框架,对强化学习奖励函数设计以及超参数的选择问题进行了研究。对于强化学习中的稀疏奖励问题,采用综合角度、距离、高度和速度等空战因素的辅助奖励,能够精确描述... 展开更多; 关键词空战自主机动决策深度强化学习 DQN 奖励函数智能机动参数选择; 在线阅读下载PDF 职称材料

基于矩阵对策与遗传算法的无人机空战决策被引量：27: 4; 作者邓可彭宣淇周德云《火力与指挥控制》 CSCD 北大核心 2019年第12期61-66,71,共7页; 针对无人机自主空战决策的实时性与准确性需求,提出一种矩阵对策法与遗传算法相结合的空战决策算法。基于空战优势函数以及无人机机动模型建立了无人机空战决策模型,使用改进的矩阵对策法获取我方无人机最优选择策略的大致范围,再在此... 展开更多; 关键词无人机自主机动决策矩阵对策法遗传算法; 在线阅读下载PDF 职称材料

基于分层多智能体强化学习的多无人机视距内空战: 5; 作者雍宇晨李子豫董琦《智能系统学报》北大核心 2025年第3期548-556,共9页; 为提高无人机在视距内空战中的自主机动决策能力,本文提出一种基于自博弈理论(self-play,SP)和多智能体分层强化学习(mutil agent hierarchical reinforcement learning,MAHRL)的层次决策网络框架。该框架通过结合自身博弈和多智能体强... 展开更多; 关键词视距内空战缠斗自主机动决策自博弈分层强化学习多智能体博弈分层决策网络奖励函数设计; 在线阅读下载PDF 职称材料

题名无人作战飞机空战自主机动决策研究被引量：21: 1; 作者郭昊周德云张堃; 机构西北工业大学; 出处《电光与控制》北大核心 2010年第8期28-32,共5页; 基金航空科学基金(20080553017); 文摘针对无人作战飞机自主空战的要求,通过空战机动方式的分析,提出一种基于风险型决策的空战自主机动决策算法。以对策论为基础,构建空战机动攻击阶段的对策模型,通过模糊决策分析找出最优机动策略。就不同条件下的实例进行仿真,仿真结果表明,该算法考虑空战机动决策的主动性和风险性,体现空战过程的对抗性,符合空战实际情况。; 关键词无人作战飞机空战自主机动决策对策论模糊决策风险型决策; Keywords UCAV air combat autonomous maneuvering decision-making game theory fuzzy decision risk type decision; 分类号 V271.4 [航空宇航科学与技术—飞行器设计]; 在线阅读下载PDF 职称材料

题名深度强化学习的无人作战飞机空战机动决策被引量：18: 2; 作者李永丰史静平章卫国蒋维; 机构西北工业大学自动化学院陕西省飞行控制与仿真技术重点实验室(西北工业大学); 出处《哈尔滨工业大学学报》 EI CAS CSCD 北大核心 2021年第12期33-41,共9页; 基金国家自然科学基金(62173277,62073266,61573286) 陕西省自然科学基金(2019JM-163,2020JQ-218)。; 文摘无人作战飞机(unmanned combat aerial vehicle,UCAV)在进行空战自主机动决策时,面临大规模计算,易受敌方不确定性操纵的影响。针对这一问题,提出了一种基于深度强化学习算法的无人作战飞机空战自主机动决策模型。利用该算法,无人作战飞机可以在空战中自主地进行机动决策以获得优势地位。首先,基于飞机控制系统,利用MATLAB/Simulink仿真平台搭建了六自由度无人作战飞机模型,选取适当的空战动作作为机动输出。在此基础上,设计了无人作战飞机空战自主机动的决策模型,通过敌我双方的相对运动构建作战评估模型,分析了导弹攻击区的范围,将相应的优势函数作为深度强化学习的评判依据。之后,对无人作战飞机进行了由易到难的分阶段训练,并通过对深度Q网络的研究分析了最优机动控制指令。从而无人作战飞机可以在不同的态势情况下选择相应的机动动作,独立评估战场态势,做出战术决策,以达到提高作战效能的目的。仿真结果表明,该方法能使无人作战飞机在空战中自主的选择战术动作,快速达到优势地位,极大地提高了无人作战飞机的作战效率。; 关键词无人作战飞机深度强化学习空战自主机动决策六自由度优势函数深度Q网络; Keywords unmanned combat aerial vehicle(UCAV) deep reinforcement learning autonomous maneuver decision in air combat six-degree-of-freedom advantage function deep Q network; 分类号 V279 [航空宇航科学与技术—飞行器设计]; 在线阅读下载PDF 职称材料

题名基于深度Q网络的近距空战智能机动决策研究被引量：5: 3; 作者张婷玉孙明玮王永帅陈增强; 机构南开大学人工智能学院天津市智能机器人重点实验室; 出处《航空兵器》 CSCD 北大核心 2023年第3期41-48,共8页; 基金国家自然科学基金项目(62073177,61973175)。; 文摘针对近距空战对抗中无人机机动决策问题,本文基于深度Q网络(DQN)算法的框架,对强化学习奖励函数设计以及超参数的选择问题进行了研究。对于强化学习中的稀疏奖励问题,采用综合角度、距离、高度和速度等空战因素的辅助奖励,能够精确描述空战任务,正确引导智能体的学习方向。同时,针对应用强化学习超参数选择问题,探究了学习率、网络节点数和网络层数对决策系统的影响,并给出较好的参数选择范围,为后续研究参数选择提供参考。空战场景的仿真结果表明,通过训练智能体能够在不同空战态势下学习到较优的机动策略,但对强化学习超参数较敏感。; 关键词空战自主机动决策深度强化学习 DQN 奖励函数智能机动参数选择; Keywords air combat autonomous maneuvering decision-making deep reinforcement learning DQN reward function intelligent maneuver parameter selection; 分类号 TJ76 [兵器科学与技术—武器系统与运用工程] V212.13 [航空宇航科学与技术—航空宇航推进理论与工程]; 在线阅读下载PDF 职称材料

题名基于矩阵对策与遗传算法的无人机空战决策被引量：27: 4; 作者邓可彭宣淇周德云; 机构海军大连舰艇学院西北工业大学; 出处《火力与指挥控制》 CSCD 北大核心 2019年第12期61-66,71,共7页; 基金军队“十二五”装备预先研究基金资助项目(51305080301); 文摘针对无人机自主空战决策的实时性与准确性需求,提出一种矩阵对策法与遗传算法相结合的空战决策算法。基于空战优势函数以及无人机机动模型建立了无人机空战决策模型,使用改进的矩阵对策法获取我方无人机最优选择策略的大致范围,再在此范围内使用遗传算法寻找最优策略,最后通过直线飞行机动和S型规避机动仿真验证了算法的可行性。仿真结果表明,所提算法不仅能够提高机动决策的精度,还在一定程度上避免了单纯遗传算法计算量大、计算时间长的问题,满足空战合理性与实时性需求。; 关键词无人机自主机动决策矩阵对策法遗传算法; Keywords UAV autonomous maneuver decision-making matrix game method genetic algorithm; 分类号 V219 [航空宇航科学与技术—航空宇航推进理论与工程] TJ761 [兵器科学与技术—武器系统与运用工程]; 在线阅读下载PDF 职称材料

题名基于分层多智能体强化学习的多无人机视距内空战: 5; 作者雍宇晨李子豫董琦; 机构东南大学软件学院中国电科电子科学研究院东南大学信息科学与工程学院; 出处《智能系统学报》北大核心 2025年第3期548-556,共9页; 文摘为提高无人机在视距内空战中的自主机动决策能力,本文提出一种基于自博弈理论(self-play,SP)和多智能体分层强化学习(mutil agent hierarchical reinforcement learning,MAHRL)的层次决策网络框架。该框架通过结合自身博弈和多智能体强化学习算法,研究了多无人机空战缠斗场景。复杂的空战任务被分解为上层导弹打击任务和下层飞行跟踪任务,有效地减少了战术行动的模糊性,并提高了多无人机空战场景中的自主机动决策能力。此外,通过设计新颖的奖励函数和采用自博弈方法,减少了大型战场环境导致的无意义探索。仿真结果表明,该算法不仅有助于智能体学习基本的飞行战术和高级的作战战术,而且在防御和进攻能力上优于其他多智能体空战算法。; 关键词视距内空战缠斗自主机动决策自博弈分层强化学习多智能体博弈分层决策网络奖励函数设计; Keywords air combat within visual range dogfight autonomous decision-making self-play hierarchical reinforcement learning multi-intelligent body game hierarchical decision networks reward function design; 分类号 TP18 [自动化与计算机技术—控制理论与控制工程]; 在线阅读下载PDF 职称材料

	题名	作者	出处	发文年	被引量	操作
1	无人作战飞机空战自主机动决策研究	郭昊周德云张堃	《电光与控制》北大核心	2010	21	在线阅读下载PDF 职称材料
2	深度强化学习的无人作战飞机空战机动决策	李永丰史静平章卫国蒋维	《哈尔滨工业大学学报》 EI CAS CSCD 北大核心	2021	18	在线阅读下载PDF 职称材料
3	基于深度Q网络的近距空战智能机动决策研究	张婷玉孙明玮王永帅陈增强	《航空兵器》 CSCD 北大核心	2023	5	在线阅读下载PDF 职称材料
4	基于矩阵对策与遗传算法的无人机空战决策	邓可彭宣淇周德云	《火力与指挥控制》 CSCD 北大核心	2019	27	在线阅读下载PDF 职称材料
5	基于分层多智能体强化学习的多无人机视距内空战	雍宇晨李子豫董琦	《智能系统学报》北大核心	2025	0	在线阅读下载PDF 职称材料