科研之友
微信
新浪微博
Facebook
分享链接
摘要
导弹的跳跃飞行过程可建模为时变非线性微分方程组，该方程组难以得到解析解，给导弹的轨迹优化带来很大的困难。针对该问题，提出一种基于双深度Q网络的带网络优选（NEO）策略的深度强化学习（NEO-DDQN）算法，所提算法以跳跃导弹航程最大化为优化目标，在热流密度、动压、过载及末速度等约束下，求解跳跃导弹的轨迹优化问题。设计问题的动作空间、状态空间和奖励函数；确定算法关键参数学习率的取值及合适的贪心策略，并提出NEO策略，得到所提NEO-DDQN算法；开展与最优恒定攻角（OCAOA）方案、遗传算法(GA)的对比实验。结果表明：NEO策略有效提升了算法的求解稳定性且将航程提升了2.52%；与OCAOA方案、GA相比，所提算法使跳跃导弹航程分别提高了2.61%和1.33%；所提算法还避免了直接求解复杂非线性微分方程，为轨迹优化问题提供了一种新型的基于学习的算法。
-
单位北京电子工程总体研究所; 北京航空航天大学
