基于深度强化学习的智能目标分配方法及系统

本发明公开了基于深度强化学习的智能目标分配方法及系统，具体涉及多智能体系统领域，用于解决动态对抗模拟场景中多维度约束下的实时决策问题，是通过构建时序依赖图、栅格化通行矩阵和容量平衡表，将时间、空间和资源约束分解为独立模型，降低多智能体系统在动态对抗场景中的决策复杂度；借助自适应蒙特卡洛采样、预测感知路径规划和动态阈值资源分配，快速生成多样化高质量候选方案；环境变化时，利用多层影响传播网络和空间拓扑关系图谱定位受影响智能体，通过局部调整生成方案片段，避免全局重计算，减少开销，确保实时响应；同时，通过资源时延耦合和路径效率综合评估，结合多目标优化与任务一致性验证，筛选出高效可靠的最优解。