基于自适应课程强化学习的无人艇围捕对抗决策方法

本发明公开基于多智能体课程强化学习的无人艇围捕对抗决策方法，所述方法包括：构建包含动态目标和多岛礁的海洋对抗仿真环境；设计归一化状态空间表征敌我运动态势、多尺度奖励函数及连续动作空间；在集中训练分散执行框架中部署自适应课程调度器，动态调整训练环境复杂度、动作噪声强度和策略熵系数；采用多智能体近端策略优化(MAPPO)算法训练决策模型。该调度器基于滑动窗口成功率、训练回合数和性能停滞计数器动态升降级环境难度，解决稀疏奖励和策略泛化问题。实验表明，本方法显著提升围捕成功率、缩短任务时间并降低碰撞率。