摘要
本发明是一种基于多智能体的多目标多要素分配决策方法。本发明涉及优化解集决策技术领域,本发明对于传统防空部署多目标优化难以对部署解集筛选的情况,创新性的使用基于强化学习训练获得的目标分配策略解决该问题。通过将该问题抽象为多个待优化的目标函数从而利用多目标优化算法对其部署解集进行求解;针对部署解集的评估与筛选问题,提出了在部署模型的基础上抽象出一个较为真实的防空战场环境并利用多智能体强化学习算法对智能体进行训练求得动态目标分配策略,并利用该策略实现了对部署方案的评估与筛选。通过仿真分析可知,所采用的基于强化学习的目标分配策略防空部署帕累托解集快速筛选方法可以实现对防空部署帕累托解集的快速筛选。
技术关键词
决策方法
多智能体强化学习
矩阵
策略
价值计算方法
战场环境
搭建模块
快速筛选方法
情景
参数
代表
决策系统
仿真分析
处理器
计算机设备
算法
可读存储介质
存储器
系统为您推荐了相关专利信息
神经元网络模型
优化预测模型
设备监控系统
决策
优化控制策略
服务机器人
视角
抓取方法
检测网络模型
机器人抓取
风电场系统
状态空间方程
恢复优化方法
表达式
降阶模型
网络控制方法
SDN网络流量
链路
网络流量预测模型
策略