一种基于记忆推理的异构巡飞集群自主协同规划方法

本申请属于强化学习技术领域。本申请提供一种基于记忆推理的异构巡飞集群自主协同规划方法。该方法包括：针对异构巡飞集群的智能体训练仿真环境，为每个智能体构建马尔可夫决策过程；构建智能体动力学模型；初始化仿真环境；通过环境交互采样获取数据，更新双记忆模块，利用记忆推理模块对长期记忆模块数据进行处理，结合情节激励机制生成激励系数，与短期记忆模块中的数据共同计算目标Q值和当前Q值，并加权损失函数更新动作价值网络。基于策略网络和熵网络计算损失，更新策略网络及熵网络参数并周期性更新记忆推理模块；若满足结束条件停止训练，输出训练完成的多智能体强化学习模型。