基于深度强化学习的任务分析方法

作     者：龚雪 彭鹏菲 荣里 郑雅莲 姜俊 Gong Xue;Peng Pengfei;Rong Li;Zheng Yalian;Jiang Jun

作者机构：海军工程大学湖北武汉430033 武汉大学水资源与水电工程科学国家重点实验室湖北武汉430072 

基　　金：国家重点研发计划(2017YFC1405205) 海军工程大学科研发展基金自主立项项目(425317S107) 

出 版 物：《系统仿真学报》 (Journal of System Simulation)

年 卷 期：2024年第36卷第7期

页      码：1670-1681页

摘      要：针对任务分析中任务协同交互耦合度高、影响因素繁多等问题,提出了基于序列解耦与深度强化学习的任务分析方法,实现了复杂约束条件下的任务分解及任务序列重构。设计了基于任务信息交互的深度强化学习环境,基于目标网络与评估网络损失函数间的差值改进SumTree算法,实现任务间的优先级评估;将激活函数运行机制引入深度强化学习网络,提取任务特征,提出贪婪激活因子,优化深度神经网络参数,确定智能体最优状态,从而进行智能体状态转换。通过经验回放生成多目标任务执行序列图。仿真实验结果表明,该方法能生成最佳调度下的可执行任务图;且相对于静态情景,该方法对动态情景有较好的自适应性,在领域任务筹划中具有良好的推广应用前景。

主 题 词：任务分析 强化学习 评估网络 贪婪因子 耦合任务 激活函数 

学科分类：11[军事学] 1106[1106] 081203[081203] 08[工学] 0835[0835] 110602[110602] 0812[工学-测绘类] 

核心收录：

D　O　I：10.16182/j.issn1004731x.joss.23-0443

馆 藏 号：203128557...