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！

申请/专利权人：哈尔滨工业大学(威海);威海天帆智能科技有限公司

摘要：本申请属于无人船智能控制技术领域，提供一种基于双向深度强化学习的多无人船协同围捕训练方法，包括以下步骤：建立基于深度强化学习的多无人船的协同围捕模型，所述协同围捕模型包括至少一个基于深度强化学习的围捕策略网络；建立机动目标的逃逸模型，所述逃逸模型包括至少两个非智能逃逸子模型以及至少一个基于深度强化学习的逃逸策略网络；对所述协同围捕模型及逃逸模型进行多任务双向深度强化学习训练，所述多任务双向深度强化学习训练包括至少三次正向训练任务以及至少一次反向训练任务。本申请提供的方法通过对深度强化学习训练方式进行优化，能够迅速提升多个无人船对各类机动目标进行高效协同围捕的能力。

主权项：1.一种基于双向深度强化学习的多无人船协同围捕训练方法，其特征在于，包括以下步骤：建立基于深度强化学习的多无人船的协同围捕模型，所述协同围捕模型包括至少一个基于深度强化学习的围捕策略网络；建立机动目标的逃逸模型，所述逃逸模型包括至少两个非智能逃逸子模型以及至少一个基于深度强化学习的逃逸策略网络；对所述协同围捕模型及逃逸模型进行多任务双向深度强化学习训练，所述多任务双向深度强化学习训练包括至少三次正向训练任务以及至少一次反向训练任务，其中，所述机动目标在执行各次正向训练任务时分别使用所述逃逸模型中的至少两个非智能逃逸子模型以及至少一个逃逸策略网络对所述协同围捕模型进行深度强化学习训练，且机动目标在各次正向训练任务中的逃逸轨迹复杂程度依次提高；各个无人船在执行所述反向训练任务时基于已训练的协同围捕模型对所述至少一个逃逸策略网络进行深度强化学习训练，且最后一次反向训练任务先于最后一次正向训练任务被执行；所述非智能逃逸子模型所采用的逃逸策略包括以下逃逸策略中的至少两种：直线运动策略、S型机动策略，人工势场机动策略；每次正向训练任务包括以下步骤：S1，初始化多无人船协同围捕场景，包括确定围捕边界，随机确定各个无人船和机动目标的初始位置以及至少一个障碍物的位置；S2，获取各个无人船的运动学模型、状态空间、动作空间；S3，如果当前的正向训练任务为第一个正向训练任务，则通过对所述协同围捕模型进行初始化以确定所述围捕策略网络的参数，否则基于上一个正向训练任务的训练结果设定所述围捕策略网络的参数；S4，基于所述多无人船协同围捕场景及各个无人船的运动学模型、状态空间、动作空间，对所述协同围捕模型进行三个阶段的深度强化学习训练，所述三个阶段为准备阶段、包围阶段和围捕阶段。

全文数据：

权利要求：

百度查询： 哈尔滨工业大学(威海) 威海天帆智能科技有限公司 基于双向深度强化学习的多无人船协同围捕训练方法