信息非完備下多航天器軌道博弈強化學習方法

摘要： 針對信息非完備約束下航天器軌道博弈難以自主決策的問題，基于多智能體強化學習提出一種多航天器軌道博弈決策方法。首先建立軌道博弈動力學和信息非完備約束。其次建立用于訓練和決策的神經網絡模型，依據分布式系統(tǒng)架構對網絡的輸入輸出結構進行設計，并引入具有記憶功能的長短期記憶網絡(LSTM),根據航天器軌道運動在時間、空間連續(xù)的屬性，補償位置、速度測量信息的非完備性。然后采用近端策略優(yōu)化(...