基于深度强化学习的海空多目标多传感器调度方法

一种基于深度强化学习的海空多目标多传感器调度方法，在离线训练阶段，通过特征提取构建环境特征状态sk，根据深度Q网络(DQN)训练并获得关于该状态的所有Q值后，使用ε‑贪心策略选择分配动作ak；环境根据分配动作ak给出有效性评估奖励rk和下一个观察值，即状态sk+1；在测试阶段，采用训练后的深度Q网络进行同样的环境特征状态构建过程，最终输出为最优的传感器‑目标调度动作，使Q‑factor最大化。本发明通过经验驱动的自主学习框架与环境交互训练生成调度策略，能够在保证平台安全的前提下提高传感器探测效能。