申请/专利权人：北京临近空间飞行器系统工程研究所

申请日：2024-01-12

公开（公告）日：2024-05-17

公开（公告）号：CN118052040A

主分类号：G06F30/20

分类号：G06F30/20;G06F30/27;G06N5/04;G06N3/092

优先权：

专利状态码：在审-实质审查的生效

法律状态：2024.06.04#实质审查的生效;2024.05.17#公开

摘要：本发明提出一种基于逆强化学习算法的即时战略推演场景仿真方法，属于人工智能技术领域，包括如下步骤：S1、构建适用于即时战略推演场景的仿真模型；仿真模型包括环境策略空间描述研究模块、多智能体对抗的优先级虚拟自学习策略方法模块和推理性模仿学习模块；S2、构建多智能体对抗的优先级虚拟自学习策略方法；以历史智能体的组合作为集合，为智能体的对手创造历史经验池；S3、构建逆向强化学习实现推理性模仿学习；采取逆向强化学习直接观察专家行为设置奖励值，收集专家数据，将专家与环境相互作用的数据与网络训练相结合；利用专家数据的行为构造新型奖励。本发明解决了体系对抗指挥决策不确定性效果难以预测和评估的问题。

主权项：1.一种基于逆强化学习算法的即时战略推演场景仿真方法，其特征在于，包括如下步骤：S1、构建适用于即时战略推演场景的仿真模型所述即时战略推演场景仿真方法构建的仿真模型包括环境策略空间描述研究模块、多智能体对抗的优先级虚拟自学习策略方法模块和推理性模仿学习模块；环境策略空间描述研究模块用于探究即时战略推演场景中动作空间和环境状态的描述，构建四元组表示；多智能体对抗的优先级虚拟自学习策略方法模块用于解决面对复杂的体系对抗环境，采用为智能体的对手创造历史经验池进行对抗学习的方式，生成仿人类智慧的策略；推理性模仿学习模块采用推理型模仿学习方法；S2、构建多智能体对抗的优先级虚拟自学习策略方法以历史智能体的组合作为集合，为智能体的对手创造历史经验池；历史经验池中不同种类的智能体互为竞争对手，挖掘集合中智能体的缺陷，从现有的智能体中学习到新的分支；经验池中智能体数目逐渐增加，新的智能体再从历史经验池中按照概率抽取对手竞争学习；S3、构建逆向强化学习实现推理性模仿学习采取逆向强化学习直接观察专家行为设置奖励值，利用行业背景优势收集专家数据，将专家与环境相互作用的数据与网络训练相结合；首先采取监督学习的方式预训练，提供强化学习的初始化参数；其次用收集的专家数据行为，约束智能体的探索性行为，缩小策略空间，加速策略形成；利用专家数据的行为构造新型奖励，以专家行为奖励值最大为前提，智能体训练过程中模型输出奖励值与新型奖励的奖励值之差小于预设值。

全文数据：

权利要求：

百度查询： 北京临近空间飞行器系统工程研究所 一种基于逆强化学习算法的即时战略推演场景仿真方法

免责声明
1、本报告根据公开、合法渠道获得相关数据和信息，力求客观、公正，但并不保证数据的最终完整性和准确性。
2、报告中的分析和结论仅反映本公司于发布本报告当日的职业理解，仅供参考使用，不能作为本公司承担任何法律责任的依据或者凭证。

阅读全文 双屏查看 官方信息 专利公告 收藏专利 下载PDF 下载WORD