无人机异步冻结博弈对抗训练方法、装置、设备及介质

本发明公开了一种无人机异步冻结博弈对抗训练方法、装置、设备及介质，属于无人机近距空战机动决策领域。其中方法包括以下步骤：构建无人机决策模型，并对模型参数进行初始化；设计综合考虑角度和距离的耦合奖励函数，根据耦合奖励函数训练无人机决策模型；采用异步冻结博弈对抗训练方法，对我方和敌方的无人机决策模型进行训练，将训练后的模型用于控制无人机。本发明通过耦合奖励函数，能够提升无人机近距空战模型训练速度以及模型机动决策性能。另外，基于异步冻结博弈对抗方法，可以通过直接对抗的方式客观合理的评价不同强化学习模型的性能，有效地持续提升强化学习模型的性能。