MASAC无人机群博弈模型

命中率与胜率大幅领先

在不完全观测条件下，让无人机群学到超越常规多智能体强化学习方法的空战策略。

王尔申 · Fan, Liu · 宏晨 · Guo, Jing · Lin, Zhao · 薛健 · Ning, He

Chinese Journal of Aeronautics 2024

技术优势

胜率大幅领先

MASAC在相同场景下学习到的策略明显优于其他MADRL方法，无人机集群能够获得更高的命中率和胜率。

泛化能力强

在不同无人机规模和物理参数下进行的仿真表明，MASAC表现稳定，具备良好的泛化效果。

可达到纳什均衡

通过分析Q值网络的损失值验证了MASAC的实用性与收敛性，表明在不完全信息非合作博弈中能够达到纳什均衡。

应用场景

• 无人机集群对抗：用于无人机集群空战对抗中，直接学习高效协同策略以提升命中率与胜率。
• 多智能体空战决策：为多智能体空战提供不完全信息下的高胜率决策策略，可替代传统基于规则的方法。
• 多智能体博弈：解决不完全信息非合作博弈的近似纳什均衡求解，可应用于多智能体对抗场景。
• 群体智能决策：提供一种群体智能决策方法，使无人机群在动态对抗中自主演化出有效策略。