本发明专利技术提供了一种面向任务需求的杀伤网动态生成方法，包括以下步骤：S1.构建杀伤网动态生成智能体，建立状态、动作、决策空间，对状态空间、动作空间、决策空间进行建模；S2.基于经验规则和深度强化学习算法实现目标‑拦截装备的动态编配方案生成；S3.利用专家经验规则完成目标‑拦截‑探测‑指控装备的动态匹配。本发明专利技术以高效执行快速变化的作战任务为出发点，构建杀伤网动态生成智能体，并对状态空间、动作空间和决策空间进行建模；设计了基于经验规则与深度强化学习相结合的目标‑拦截装备匹配方法，实现目标‑拦截装备的快速动态匹配。
【技术实现步骤摘要】
本专利技术涉及一种面向任务需求的杀伤网动态生成方法，属于防空装备作战指挥控制。
技术介绍
1、杀伤网自动生成是战役级/战术级防空作战指挥控制
的一个重要环节，主要是针对实时来袭的目标，在不同的约束条件下实现目标-预警探测-拦截-指控装备的动态重组，满足杀伤链闭合要求，从而高效执行快速变化的作战任务。由于现代智能化防空作战中，敌方目标复杂多变的作战行为及状态多变，杀伤网也根据作战任务的不同进行改变，这就对杀伤网动态演进提出了适应性和最优性要求，即杀伤网动态实现算法必须保证合理性和正确性，以满足复杂多变的作战任务。传统的杀伤网动态生成是完全基于经验规则设计的，采用贪婪算法完成目标-装备的匹配，求得满意解的速度较慢，难以快速响应动态复杂的战场环境。
2、在未来智能化更高、灵活性更强的、攻防对抗博弈特征越专利技术显的战场环境下，为实现高效作战，如何基于实时战场态势、我方作战资源的能力，快速、合理地生成杀伤网动态匹配方案，是战前作战指挥控制需要解决的关键问题之一。
技术实现思路
1、为解决上述技术问题，本专利技术提供了一种面向任务需求的杀伤网动态生成方法，该面向任务需求的杀伤网动态生成方法可将人工经验转化为计算机可识别的深度强化学习及经验规则，解决了传统方法时间长、响应慢的问题，有利于快速实现战时高效执行快速变化的作战任务。
2、本专利技术通过以下技术方案得以实现。
3、本专利技术提供的一种面向任务需求的杀伤网动态生成方法，包括以下步骤：
>4、s1.构建杀伤网动态生成智能体，建立状态、动作、决策空间，对状态空间、动作空间、决策空间进行建模；5、s2.基于经验规则和深度强化学习算法实现目标-拦截装备的动态编配方案生成；
6、s3.利用专家经验规则完成目标-拦截-探测-指控装备的动态匹配。
7、所述状态空间包括我方要素和敌方要素。
8、所述动作空间根据输出为目标-拦截的匹配方案。
9、所述决策空间包括正奖励设置和负奖励设置。
10、所述我方要素和敌方要素中均包括装备状态、目标状态。
11、所述装备状态包括装备的类型、工作状态、可拦截目标类型、杀伤区参数、装弹总量、剩余资源数、单发杀伤概率、部署位置、单次拦截成本。
12、所述目标状态包括目标类型、目标位置、目标威胁度。
13、所述正奖励为，目标正在被拦截、目标的威胁度已下降到阈值beta。
14、所述负奖励为，目标未被分配拦截装备、拦截装备有剩余且存在未被分配的目标、若目标的威胁度已下降到阈值beta，仍被分配拦截武器、未完成拦截所有目标给予负奖励。
15、本专利技术的有益效果在于：以高效执行快速变化的作战任务为出发点，构建杀伤网动态生成智能体，并对状态空间、动作空间和决策空间进行建模；设计了基于经验规则与深度强化学习相结合的目标-拦截装备匹配方法，实现目标-拦截装备的快速动态匹配；基于专家经验规则实现探测及指控装备对目标的匹配，给出最终的目标-拦截-探测-指控装备的动态匹配方案；将人工经验转化为计算机可识别的深度强化学习及经验规则，解决了传统方法时间长、响应慢的问题，有利于快速实现战时高效执行快速变化的作战任务。
本文档来自技高网...
【技术保护点】
1.一种面向任务需求的杀伤网动态生成方法，其特征在于：包括以下步骤：
2.如权利要求1所述的面向任务需求的杀伤网动态生成方法，其特征在于：所述状态空间包括我方要素和敌方要素。
3.如权利要求1所述的面向任务需求的杀伤网动态生成方法，其特征在于：所述动作空间输出为目标-拦截的匹配方案。
4.如权利要求1所述的面向任务需求的杀伤网动态生成方法，其特征在于：所述决策空间包括正奖励设置和负奖励设置。
5.如权利要求2所述的面向任务需求的杀伤网动态生成方法，其特征在于：所述我方要素和敌方要素中均包括装备状态、目标状态。
6.如权利要求5所述的面向任务需求的杀伤网动态生成方法，其特征在于：所述装备状态包括装备的类型、工作状态、可拦截目标类型、杀伤区参数、装弹总量、剩余资源数、单发杀伤概率、部署位置、单次拦截成本。
7.如权利要求5所述的面向任务需求的杀伤网动态生成方法，其特征在于：所述目标状态包括目标类型、目标位置、目标威胁度。
8.如权利要求4所述的面向任务需求的杀伤网动态生成方法，其特征在于：所述正奖励为，目标正在被拦截、目标的威胁度已下降到阈值beta。
9.如权利要求1所述的面向任务需求的杀伤网动态生成方法，其特征在于：所述负奖励为，目标未被分配拦截装备、拦截装备有剩余且存在未被分配的目标、若目标的威胁度已下降到阈值beta，仍被分配拦截武器、未完成拦截所有目标给予负奖励。
...
【技术特征摘要】
1.一种面向任务需求的杀伤网动态生成方法，其特征在于：包括以下步骤：
2.如权利要求1所述的面向任务需求的杀伤网动态生成方法，其特征在于：所述状态空间包括我方要素和敌方要素。
3.如权利要求1所述的面向任务需求的杀伤网动态生成方法，其特征在于：所述动作空间输出为目标-拦截的匹配方案。
4.如权利要求1所述的面向任务需求的杀伤网动态生成方法，其特征在于：所述决策空间包括正奖励设置和负奖励设置。
5.如权利要求2所述的面向任务需求的杀伤网动态生成方法，其特征在于：所述我方要素和敌方要素中均包括装备状态、目标状态。
6.如权利要求5所述的面向任务需求的杀伤网动态生成方法，其特征在于...
【专利技术属性】
技术研发人员：王美琪，闫景瑞，王玉茜，郭涛源，李兴国，杨航，杨荣强，
申请(专利权)人：江南机电设计研究所，
类型：发明
国别省市：
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。