طراحی مانور گریز دوبعدی هواپیما با استفاده از یادگیری تقویتی عمیق

در این پژوهش از تکنیک یادگیری تقویتی عمیق برای طراحی یک استراتژی گریز هواپیما از یک درگیری استفاده شده است. برای بیان معادلات حرکت هواپیما و موشک از مدلهای ساده جرم نقطه ایی استفاده شده است. موشک با استفاده از قانون هدایت ناوبری متناسب خالص PPNG به هواپیما حمله می کند. ما یک الگوریتم یادگیری تقویتی عمیق برای بدست آوردن سیاست تعامل هواپیما در محیط استفاده کرده ایم. هواپیما در هر لحظه از زمان یک تصویر از محیط را دریافت خواهد کرد و براساس این تصاویر شبکه عمیق آموزش داده شده و سیاست تعامل با محیط را یاد خواهد گرفت.نتایج شبیه سازی بیانگر این است که این الگوریتم توانایی انجام بلادرنگ مانور گریز را دارد

کلیدواژه ها:

ناوبری متناسب خالص ، یادگیری Q ، شبکه عمیق ، مانور گریز ، یادگیری تقویتی