本發明公開了一種基于動態獎勵的強化學習深空探測器自主任務規劃方法及系統,方法包括定義深空探測器任務規劃強化學習參數;構建智能體交互環境;構建策略網絡;訓練策略網絡;利用訓練好的策略網絡執行任務規劃。本發明把深空探測任務規劃中的時間約束、資源約束和時序約束融合在深空探測器任務規劃強化學習模型的訓練過程中,可保證深空探測器任務規劃過程中滿足多種約束,增強了深空探測器智能體對復雜環境的適應性,同時動態獎勵算法將資源約束、時間約束和時序約束融合在一起構建了即時獎勵模型,并據此定義損失函數更新策略梯度,在保證多約束條件的前提下加快了深空探測器自主任務規劃強化學習模型的收斂速度,減小了偏差,提高了自主任務規劃質量。
聲明:
“基于動態獎勵的強化學習深空探測器自主任務規劃方法及系統” 該技術專利(論文)所有權利歸屬于技術(論文)所有人。僅供學習研究,如用于商業用途,請聯系該技術所有人。
我是此專利(論文)的發明人(作者)