系统工程与电子技术

作者：曾斌, 王睿, 李厚朴, 樊旭

单位：1. 海军工程大学管理工程与装备经济系, 湖北 武汉 430033；2. 海军工程大学教研保障中心, 湖北 武汉 430033；3. 海军工程大学导航工程系, 湖北 武汉 430033

关键词：战时保障,强化学习,不确定性,优化调度

基金：国家自然科学基金(41771487);湖北省杰出青年科学基金(2019CFA086)

智能化后装保障调度是当前军事领域的研究热点之一, 其中复杂多变的战场环境要求战时保障具有良好的自适应性。针对此问题, 提出了基于马尔可夫决策过程的强化学习模型, 能够主动学习最佳派遣策略, 根据历史数据和当前态势预判后续变化。为了考虑不确定事件的影响, 在模型求解算法中增加了基于概率统计模型的仿真流程; 为了减少随机事件带来的计算复杂性, 利用决策后状态变量重新设计了贝尔曼迭代方程; 为了解决状态空间的维度灾问题, 提出了基于基函数组合的近似函数。仿真实验表明，强化学习能力的引入能够显著提高战时保障调度性能。

来源：2022年第1期

《系统工程与电子技术》期刊编辑部

查看系统工程与电子技术杂志2022年第1期