一种基于课程强化学习的空战智能决策方法、装置、设备及介质

本发明提供了一种基于课程强化学习的空战智能决策方法、装置、设备及介质，涉及强化学习领域。包括：基于多组初始状态数据确定对应的战斗优势指标；基于战斗优势指标对初始状态数据进行排序后存入难度引导的状态池；从难度引导的状态池中按照难度递增的方式更新渐进式滑动缓冲区中的初始状态数据；动态制定中间任务目标，直至为制定最终任务目标；从渐进式滑动缓冲区中采样当前初始状态数据，将当前初始状态数据输入SAC模型的策略网络得到当前动作；至少基于中间任务目标、当前动作和当前初始状态数据，对SAC模型进行训练，直至达到最终任务目标得到训练完毕的SAC模型以用于做出智能决策，提高了飞机在复杂环境中的决策能力与适应能力。