一种面向空中智能博弈的行为模仿训练方法

摘要

本发明公开了一种面向空中智能博弈的行为模仿训练方法，包括如下步骤：S1、构建智能体博弈决策模型；S2、确定环境状态和动作空间，塑造各动作的连续非疏奖励函数；S3、在模型中进行空中博弈，执行如下步骤：S31、根据执行的动作生成下一环境状态并获得奖励，依次循环迭代，实现最大化累积奖励；S32、基于专家行为实现反向强化学习，获得目标奖励函数；S33、计算各智能体行为和专家行为的相似度；S34、获得综合奖励；S4、训练智能体博弈决策模型。本发明改善了传统低效的奖励函数设计过程和模型训练随机探索过程，使得奖励函数具有可解释性和人为干预能力，提高了智能体决策水平和收敛速度，解决了模型训练冷启动问题。