深度强化学习用于高超声速打击中的武器目标分配
人工智能
2023-10-31 v1 机器学习
摘要
我们使用深度强化学习（RL）来优化针对多个目标的多飞行器高超声速打击的武器目标分配（WTA）策略。目标是在每个回合中最大化被摧毁目标的总价值。每个随机生成的回合会改变高超声速打击武器（HSW）与目标的数量和初始条件、目标的价值分布，以及HSW被拦截的概率。我们将该WTA策略的性能与使用非线性整数规划（NLIP）得出的基准WTA策略进行比较，发现RL WTA策略在计算时间上实现了1000倍的加速，性能接近最优，从而支持实时操作，有助于任务终局的自主决策。
引用
@article{arxiv.2310.18509,
title = {Deep Reinforcement Learning for Weapons to Targets Assignment in a Hypersonic strike},
author = {Brian Gaudet and Kris Drozd and Roberto Furfaro},
journal= {arXiv preprint arXiv:2310.18509},
year = {2023}
}