基于LSTM–PPO算法的多机空战智能决策及目标分配

摘要

针对传统多机空战中智能决效率低、难以满足复杂空战环境的需求以及目标分配不合理等问题.本文提出一种基于强化学习的多机空战的智能决策及目标分配方法.使用长短期记忆网络（Long short-term memory,LSTM）对状态进行特征提取和态势感知，将归一化和特征融合后的状态信息训练残差网络和价值网络，智能体通过近端优化策略（Proximal policy optimization,PPO）针对当前态势选择最优动作.以威胁评估指标作为分配依据，计算综合威胁度，优先将威胁值最大的战机作为攻击目标.为了验证算法的有效性，在课题组搭建的数字孪生仿真环境中进行4v4多机空战实验.并在相同的实验环境下与其他强化学习主流算法进行比较.实验结果表明，使用LSTM–PPO算法在多机空战中的胜率明显优于其他主流强化学习算法，验证了算法的有效性.

关键词

多机空战 / 智能决策 / 近端优化策略 / 威胁评估 / 目标分配