买专利卖专利找龙图腾，真高效！ 查专利查商标用IPTOP,全免费！专利年费监控用IP管家,真方便！

申请/专利权人：中国科学院大学

摘要：本发明公开了一种基于经验和推演模型的无人机对抗决策方法，通过建立初始对抗轨迹数据集训练预决策模型、世界模型获得最优对抗决策，构建第二数据集，采用第二数据集训练预决策模型获得优化预决策模型，由优化预决策模型输出当前时刻最优动作，无人机根据最优动作进行飞行控制。本发明公开的方法，通过预测未来的状态和奖励，能够充分考虑决策对环境的长期影响，从而让无人机做出更利于长期的决策，通过考虑长期决策，能够做出优于对抗轨迹数据集决策的决策，从而实现性能提升。

主权项：1.一种基于经验和推演模型的无人机对抗决策方法，其特征在于，包括以下步骤：S1、建立初始对抗轨迹数据集；S2、构建用于预测轨迹中的状态动作对序列的第一模型，采用初始对抗轨迹数据集对第一模型进行训练，获得预决策模型；构建用于预测对抗轨迹中状态、动作、奖励组序列的第二模型，采用初始对抗轨迹数据集对第二模型进行训练，获得世界模型；S3、设置仿真条件，采用预决策模型进行在线决策仿真，获得过去时刻奖励、当前时刻最优动作和当前时刻次优动作；S4、将过去时刻状态、过去时刻动作、过去时刻奖励、当前时刻状态和当前时刻最优动作输入世界模型，获得当前时刻最优动作的奖励值以及下一时刻最优状态；将过去时刻状态、过去时刻动作、过去时刻奖励、当前时刻状态和当前时刻次优动作输入世界模型，获得当前时刻次优动作的奖励值以及下一时刻次优状态；S5、分别以下一时刻最优状态、下一时刻次优状态作为预决策模型的输入项之一，由预决策模型输出获得后续时刻最优动作、次优动作，将获得的最优动作和次优动作作为世界模型的输入项之一，由世界模型输出后续时刻的状态和下一时刻的奖励；S6、多次重复S4、S5进行N步预测，获得2N条未来路径；S7、获取每条路径的累加奖励，挑选出累加奖励最大的路径，将该路径的最初的动作作为当前状态的决策；S8、在每个时刻重复S4～S7，获得完整时刻的在线对抗决策；S9、改变仿真条件，多次重复S3～S8，获得多个完整时刻的在线对抗决策，组合为第二数据集，采用第二数据集训练预决策模型和世界模型，获得优化预决策模型和优化世界模型；将实际无人机对抗条件输入优化预决策模型，由优化预决策模型输出当前时刻最优动作，无人机根据最优动作进行飞行控制。

全文数据：

权利要求：

百度查询： 中国科学院大学 基于经验和推演模型的无人机对抗决策方法