检索结果-南通市图书馆

检索条件"主题词=遗憾值折扣"

共 2 条记录，以下是1-10 订阅

全选清除本页清除全部题录导出标记到"检索档案"

详细简洁

排序：

基于深度强化学习和博弈论的雷达抗干扰技术研究

基于深度强化学习和博弈论的雷达抗干扰技术研究

引用

作者：张嘉华南京邮电大学

学位级别：硕士

作为探测和跟踪目标的主要设备,雷达在现代电子战中扮演着重要的角色。为了降低雷达的检测性能,对手通常采用干扰技术攻击雷达。如今,多样化和智能化的干扰手段使传统的雷达抗干扰方法难以应付,给雷达工作环境带来了巨大的挑战。随着人... 详细信息

作为探测和跟踪目标的主要设备,雷达在现代电子战中扮演着重要的角色。为了降低雷达的检测性能,对手通常采用干扰技术攻击雷达。如今,多样化和智能化的干扰手段使传统的雷达抗干扰方法难以应付,给雷达工作环境带来了巨大的挑战。随着人工智能的迅速发展,结合机器学习的雷达智能抗干扰技术得到了广泛研究,同时,机器博弈理论也被用于研究电子对抗博弈中。本文结合机器学习中的深度强化学习算法,联合自适应跳频和脉宽分配,提出一种智能抗干扰策略学习方法。并且针对具有自主学习能力的智能干扰机,进行关于雷达与干扰机间的博弈对抗研究。本文主要的研究工作总结如下:(1)针对雷达应对普通干扰机的问题,本文提出一种基于深度强化学习的联合自适应跳频和脉宽分配的雷达抗干扰策略学习方法,在有效应对外部恶意干扰的同时,提高雷达回波处理的积分效率和多普勒频率分辨率。首先,构建雷达抗干扰系统框架模型,将雷达状态作为深度强化学习的策略神经网络的输入,根据DQN算法中的动态ε贪婪算法进行动作选择,通过优化的脉冲发射频率和脉冲宽度选择实现抗干扰策略。然后,使用经验回放池,用来存储智能体先前的状态、行动、奖励以及下一个状态。在训练过程中,智能体从经验回放池中随机抽取一批数据,用于更新神经网络的参数。通过迭代训练,最终实现基于深度强化学习的联合自适应跳频和脉宽分配的雷达抗干扰智能决策方法。通过实验结果分析,本方法的雷达抗干扰性能优于随机跳频、Q学习等抗干扰手段。(2)针对雷达和智能干扰机对抗的问题,本文提出一种基于遗憾值折扣深度虚拟遗憾最小化算法的雷达抗干扰策略学习方法,雷达可以根据策略改变其载波频率。频率捷变雷达与智能干扰机之间的竞争可以看作是双方的非合作博弈,该博弈在不完美信息情况下存在多轮交互。以扩展式博弈为框架对雷达和智能干扰机的竞争过程建模,并且考虑博弈双方具有相同的智能化水平,以博弈树的形式对雷达和干扰机进行描述。由于博弈中的计算量随雷达脉冲的数量呈指数增长,因此传统的虚拟遗憾最小化算法难以求得纳什均衡策略。为此结合深度强化学习,用深度神经网络近似虚拟遗憾最小化算法的行为,并且加入遗憾折扣,加快了算法的收敛速度。最后通过实验结果分析,验证了该算法在近似寻找纳什均衡和获得最佳策略方面的有效性。

关键词：雷达抗干扰自适应跳频深度强化学习虚拟遗憾最小化遗憾值折扣

来源：

同方学位论文库评论

在线全文

同方学位论文库

学校读者我要写书评

暂无评论

基于遗憾折扣的深度虚拟遗憾最小化算法研究

基于遗憾折扣的深度虚拟遗憾最小化算法研究

引用

作者：孙小真哈尔滨工业大学

学位级别：硕士

现实生活中,博弈无处不在。一直以来,作为博弈论与计算机技术相结合的产物,机器博弈都是人工智能领域的研究热点。机器博弈的种类包含完全信息博弈和非完全信息博弈两种,非完全信息博弈存在隐藏信息,因此会产生欺诈、合谋、利用等情况,... 详细信息

现实生活中,博弈无处不在。一直以来,作为博弈论与计算机技术相结合的产物,机器博弈都是人工智能领域的研究热点。机器博弈的种类包含完全信息博弈和非完全信息博弈两种,非完全信息博弈存在隐藏信息,因此会产生欺诈、合谋、利用等情况,这使得博弈方在做出决策前考虑的情况更为复杂。与完全信息博弈相比,非完全信息博弈更加贴近现实世界,比如商业谈判、军事博弈及金融调控等,这些现实生活中存在的情况都包含了隐藏信息,因此非完全信息博弈具有非常重要的研究价值。虚拟遗憾最小化算法(Counterfactual Regret Minimization,CFR)是现有的求解非完全信息博弈的最有效方法之一。虽然CFR算法已经能够求解较大规模的博弈问题,但传统CFR算法存在收敛缓慢的问题,且需要和抽象方法结合,但抽象往往会带来信息损失。本文围绕以上两个方面,开展了加快CFR算法收敛速度以及结合深度学习估值方面的研究。针对传统CFR算法收敛缓慢的问题,本文从改变遗憾值迭代方式这一方面研究加快CFR收敛速度的方法。传统的CFR算法在每次迭代中都对整棵博弈树进行搜索,效率低且耗时久,这限制了其在大规模博弈问题中的应用。在此前的CFR算法变体中,每次迭代对于累加遗憾值的贡献被分配了相同的权重。现在我们考虑在确定遗憾值时,对CFR的每次迭代进行折扣,为早期的迭代分配较小的权重,以减少早期迭代对最终策略的影响。针对CFR算法离线计算策略不适用于博弈环境未知状况的问题,本文结合深度学习,采用深度神经网络来近似CFR算法在整个博弈过程中的行为。且CFR算法在求解大型扩展式博弈问题时,通常需要在运行CFR算法之前先对原始问题进行抽象,而抽象则会带来信息损失。通过结合神经网络估值方法来减少对原始问题的抽象,从而进一步提升策略求解的效率与质量。为验证本文改进的CFR算法的效果,本文在不同的非完全信息卡牌类游戏上进行实验测试,通过对实验结果的测评与对比,分析所提出算法的有效性。

关键词：非完全信息博弈虚拟遗憾最小化遗憾值折扣估值网络

来源：

同方学位论文库评论

在线全文

同方学位论文库

学校读者我要写书评

暂无评论

全选清除本页清除全部题录导出标记到“检索档案”

共1页 << < 1 > >>

回到顶部

执行限定条件

欢迎您,

建议与咨询留下您的常用邮箱和电话号码，以便我们向您反馈解决方案和替代方法

时间限定

文献类型

馆藏选择

核心期刊

语言

文献类型

帮助

文字说明：

检索规则说明：

检索范例：

分类表

所选分类

限定检索结果

文献类型

馆藏范围

日期分布

学科分类号

主题

机构

作者

语言

在线全文

在线全文

请选择保存的检索档案：

请选择收藏分类：

通借通还

欢迎您,

建议与咨询 留下您的常用邮箱和电话号码，以便我们向您反馈解决方案和替代方法

时间限定

文献类型

馆藏选择

核心期刊

语言

文献类型

帮助

文字说明：

检索规则说明：

检索范例：

分类表

所选分类

限定检索结果

文献类型

馆藏范围

日期分布

学科分类号

主题

机构

作者

语言

在线全文

在线全文

请选择保存的检索档案： 新增检索档案 确定 取消

请选择收藏分类： 新增自定义分类 确定 取消

通借通还

建议与咨询留下您的常用邮箱和电话号码，以便我们向您反馈解决方案和替代方法

请选择保存的检索档案：

请选择收藏分类：