基于强化学习的威胁评估
机器学习
2025-04-28 v2 人工智能
摘要
在某些游戏场景中，由于敌方单位数量的不确定性和各种属性的优先级，敌方单位威胁等级的评估与筛选一直是一个具有挑战性的研究课题，其核心难点在于如何合理设置不同属性的优先级以实现威胁的定量评估。本文创新性地将威胁评估问题转化为强化学习问题，并通过系统的强化学习训练，成功构建了一个高效的神经网络评估器。该评估器不仅能全面整合敌方的多维属性特征，还能有效结合我们的状态信息，从而实现更准确、更科学的威胁评估。
引用
@article{arxiv.2503.02612,
title = {Reinforcement Learning-based Threat Assessment},
author = {Wuzhou Sun and Siyi Li and Qingxiang Zou and Zixing Liao},
journal= {arXiv preprint arXiv:2503.02612},
year = {2025}
}
备注
The research content is not yet complete and requires further supplementation and improvement