پشتیبانی تصمیم گیری مبتنی بر یادگیری تقویتی عمیق در مانور نبردهای هوایی

در سال های اخیر، نبردهای هوایی گروهی و جمعی با استفاده از پهپادها در نیروهای مسلح کشورهای توسعه یافته رواج پیدا کرده است. در این گونه از نبردها انتظار می رود که پهپادها مانورهای چابک و ایمنی را با توجه محیط پویا و پیچیده میدان نبرد انجام دهند. تکنیک یادگیری تقویتی عمیق (DRL)، که ابزاری مناسب برای تصمیم گیری های پیوسته در محیط های پویا می باشد، گزینه ای مناسب برای پشتیبانی تصمیم گیری در مانورهای نبردهای هوایی (ACMD) خواهد بود. علیرغم مطالعات فراوان در سال های اخیر بر روی کارکردهای یادگیری تقویتی در پشتیبانی تصمیم، تاکنون نقشه راهی برای بکارگیری این تکنیک در پشتیبانی تصمیم نبردهای هوایی ترسیم نگردیده است. بنابراین در این مقاله ابتدا تصویر کاملی از موضوعات موجود در این حوزه ترسیم خواهد شد. ابتدا یادگیری تقویتی عمیق تشریح خواهد شد و سپس کارکرد آن در پشتیبانی تصمیم گیری نبردهای هوایی بیان خواهد شد. سپس یک تکنیک تصمیم گیری یک به یک برای پیروزی پهپادها در مانور نبردهای هوایی ارائه خواهد شد. در نهایت طراحی و ساخت مدل و ارزیابی آن نیز اجرا گردیده است.

کلیدواژه ها:

Deep reinforcement learning ، aerial maneuvering ، decision support ، یادگیری تقویتی عمیق ، مانور هوایی ، پشتیبانی تصمیم