基于QMIX的航空兵多编队协同自主行为决策建模方法

摘要

本发明公开了一种基于QMIX的航空兵多编队协同自主行为决策建模方法，包括步骤：将航空兵多编队协同作战体系的行为决策进行层次划分，自上而下依次为调度层‑编队层‑单机层；在调度层基于QMIX算法，构建调度层QMIX算法的输入状态空间，设计不同航空兵编队的行为决策空间；设计QMIX算法中奖励函数的元素组成，并初始化组成元素权重，形成初始奖励函数；融合输入状态空间、行为决策空间以及初始奖励函数，形成航空兵多编队协同自主行为决策模型；采用MaxEnt IRL算法，引入专家策略采样器，进行迭代优化训练，得到优化后的奖励函数和决策策略。该方法能够为新场景下作战指挥策略的优化，以及为提升航空兵多编队协同作战水平提供有效的理论基础和技术辅助。