多任务知识交叉融合框架下智能博弈对抗策略研究

扫码查看

原文链接

NETL
NSTL
万方数据

中文摘要：针对传统深度强化学习方法解决复杂博弈对抗任务时,存在任务关联信息丢失、学习效率低、策略泛化性差的问题,提出了面向多决策任务的深度强化学习方法,构建了知识交叉融合框架下对抗策略生成与优化模型,通过提炼多样化对抗任务之间关联信息背后的共性知识,来辅助优化博弈对抗策略.基于国际公测对抗平台下小场景分队对抗任务,验证了基于知识交叉融合框架深度强化学习方法的有效性,策略演示表明多任务知识交叉融合框架下智能博弈对抗策略具有一定泛化性.

作者：

徐志雄、邸彦佳、胡文雷、杨东东

展开 >

作者单位：

陆军边海防学院

关键词：

博弈对抗任务多任务深度强化学习知识融合

出版年：

2024

DOI：

10.19949/j.ams.mora.20231031.01

军事运筹与评估