- 1、本文档共20页,其中可免费阅读19页,需付费10金币后方可阅读剩余内容。
- 2、本文档内容版权归属内容提供方,所产生的收益全部归内容提供方所有。如果您对本文有版权争议,可选择认领,认领后既往收益都归您。
- 3、本文档由用户上传,本站不保证质量和数量令人满意,可能有诸多瑕疵,付费之前,请仔细先通过免费阅读内容等途径辨别内容交易风险。如存在严重挂羊头卖狗肉之情形,可联系本站下载客服投诉处理。
- 4、文档侵权举报电话:400-050-0827(电话支持时间:9:00-18:30)。
- 5、该文档为VIP文档,如果想要下载,成为VIP会员后,下载免费。
- 6、成为VIP后,下载本文档将扣除1次下载权益。下载后,不支持退款、换文档。如有疑问请联系我们。
- 7、成为VIP后,您将拥有八大权益,权益包括:VIP文档下载权益、阅读免打扰、文档格式转换、高级专利检索、专属身份标志、高级客服、多端互通、版权登记。
- 8、VIP文档为合作方或网友上传,每下载1次, 网站将根据用户上传文档的质量评分、类型等,对文档贡献者给予高额补贴、流量扶持。如果你也想贡献VIP文档。上传文档
查看更多
本发明涉及一种渐进式深度强化学习的无人载具对抗与避障方法,包括以下步骤:S1,根据无人载具的运动学模型,通过龙格库塔方法进行求解建模;S2,通过计算机模拟多台无人载具系统的自主决策过程;S3,设计并优化渐进式自博弈SAC算法的批判者神经网络和执行者神经网络的形式、大小和数量,针对无人载具的真实运动情况构建执行者神经网络、策略熵系数α的目标损失函数,并结合熵增机制和训练课程难度,设计自动熵,得到渐进式自博弈SAC算法;S4,利用所述渐进式自博弈SAC算法自调节所述训练课程难度并执行自博弈过程,完成
(19)国家知识产权局
(12)发明专利申请
(10)申请公布号 CN 116243727 A
(43)申请公布日 2023.06.09
(21)申请号 202310260597.2
(22)申请日 2023.03.17
(71)申请人 厦门大学
地址 361005
文档评论(0)