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！

龙图腾网获悉西北工业大学申请的专利一种基于ME-DDPG的无人机多对一追捕博弈方法获国家发明授权专利权，本发明授权专利权由国家知识产权局授予，授权公告号为：CN116976442B 。

龙图腾网通过国家知识产权局官网在2025-09-26发布的发明授权授权公告中获悉：该发明授权的专利申请号/专利号为：202310653031.6，技术领域涉及：G06N5/04；该发明授权一种基于ME-DDPG的无人机多对一追捕博弈方法是由张建东;张耀中;吴卓然;丁美艳;史国庆;杨啟明设计研发完成，并于2023-06-04向国家知识产权局提交的专利申请。

本一种基于ME-DDPG的无人机多对一追捕博弈方法在说明书摘要公布了：本发明提供了一种基于ME‑DDPG的无人机多对一追捕博弈方法，在DDPG算法探索学习的策略集中加入梯度下降法计算的指向性策略，通过神经网络训练得到我方追捕无人机的追捕策略，从而改善我方无人机因为探索不足而导致的局部收敛问题以及提高算法的学习效率，无人机多对一追捕任务的成功率也在仿真实验中得到了验证。本发明通过加入梯度下降法作为追捕无人机的训练动作选择，提高了模型的收敛速度，训练完成的追捕博弈模型具有不错的可迁移性，可以直接运用在各类场景和态势下的无人机多对一追逃任务中，并且无人机追捕成功率较高。

本发明授权一种基于ME-DDPG的无人机多对一追捕博弈方法在权利要求书中公布了：1.一种基于ME-DDPG的无人机多对一追捕博弈方法，其特征在于包括下述步骤： S1：构建无人机多对一虚拟追捕博弈场景； S2：确定追捕无人机和逃逸无人机在追捕博弈场景中的非完整运动约束条件和环境范围约束条件； S3：分别构建追捕无人机和逃逸无人机的奖励函数；奖励函数用于评估追逃双方无人机在某一特定状态下对某一动作的执行情况，并输出奖励值； S4：引入ME-DDPG算法，ME-DDPG算法在DDPG算法的基础上进行了改进发展，通过加入梯度下降法作为追捕无人机的训练动作选择，并结合所述非完整运动约束条件、所述环境范围约束条件和所述奖励函数，分别构建追逃双方无人机的初始追捕博弈模型； S5：对追逃双方无人机的初始追捕博弈模型进行训练，获得训练过程中的交互数据，并利用交互数据不断对无人机的神经网络进行更新，在训练完成后得到无人机多对一追捕博弈的最终模型；将追捕无人机和逃逸无人机的状态信息实时输入到模型的神经网络中，得到追捕无人机的动作选择，控制多架追捕无人机完成对逃逸无人机的追捕任务，任务成功率较高； 步骤S5中，追逃双方无人机的初始追捕博弈模型进行训练的过程包括： 在每一局博弈的开始，随机初始化多架追捕无人机和一架逃跑无人机的位置、速度大小和方向； 追捕无人机的动作选择为actor神经网络的输出采用梯度下降法计算得出，并进行噪声叠加，当逃逸无人机的探测范围内没有出现追捕无人机时，逃逸无人机做随机运动，当追捕无人机出现在逃逸无人机的探测范围内时，逃逸无人机会朝着追捕力量薄弱的区域方向飞行逃逸，进行机动飞行； 将每一步的追捕无人机的信息s,a,r,s'保存下来用于网络的训练，其中s为此时刻无人机状态信息，a为此时刻无人机采取的动作，r为此时刻无人机的奖励值，s'为无人机采取动作后下一时刻的状态信息； 经过训练轮数Nepisode轮的博弈训练后，得到追逃双方智能体的最终追捕博弈模型； 追捕无人机的动作选择为actor神经网络的输出采用梯度下降法计算得出，然后进行噪声叠加，噪声叠加的方式为OU噪声，表达式为： dzt＝θμ-ztdt+ρdWt 其中，zt是状态变量，t代表时间；μ为均值；θ为均值回归的速率参数；ρ为波动率参数；Wt为维纳过程，产生的OU噪声会随着时间的推移而逐渐减小，能够满足无人机与环境交互过程中对探索新策略的需求； S6：运用无人机多对一追捕博弈的最终模型可实时输出追捕无人机的策略。

如需购买、转让、实施、许可或投资类似专利技术，可联系本专利的申请人或专利权人西北工业大学，其通讯地址为：710072 陕西省西安市友谊西路127号；或者联系龙图腾网官方客服，联系龙图腾网可拨打电话0551-65771310或微信搜索“龙图腾网”。

以上内容由龙图腾AI智能生成。