一种基于深度强化学习的无人集群任务资源分配方法

本发明公开了一种基于深度强化学习的无人集群任务资源分配方法，属于人工智能技术领域，所述方法包括：基于无人集群任务资源分配架构，建立无人集群任务资源分配问题的马尔可夫模型；并设计状态表示方式，用图像来对系统状态进行描述；基于卷积神经网络设计图像状态输入卷积神经网络；以所述图像状态输入卷积神经网络作为DQN模型的当前网络和目标网络，并引入迁移学习方法，构建出迁移深度强化学习模型；基于所述马尔可夫模型以及系统状态的图像描述，采用所述迁移深度强化学习模型进行策略学习，实现无人集群任务资源分配。采用本发明的技术方案，能够减少总体任务资源分配延迟并避免资源浪费。