欢迎来到知嘟嘟! 联系电话:13336804447 卖家免费入驻,海量在线求购! 卖家免费入驻,海量在线求购!
知嘟嘟
我要发布
联系电话:13336804447
知嘟嘟经纪人
收藏
专利号: 2020108990202
申请人: 浙江工业大学
专利类型:发明专利
专利状态:已下证
专利领域: 计算;推算;计数
更新日期:2026-11-16
缴费截止日期: 暂无
价格&联系人
年费信息
委托购买

摘要:

权利要求书:

1.一种基于多智能体的深度强化学习策略优化防御方法,其特征在于,包括以下步骤:(1)在包含有目标智能体和多个对抗性智能体的自动驾驶环境获取全局环境状态数据和局部环境状态数据,利用决策梯度算法模型初始化对抗性智能体和目标智能体,决策梯度算法模型包括Actor网络模型和Critic网络模型;

(2)对抗性智能体的目标是尽可能地对抗攻击目标智能体,使目标智能体执行错误决策动作,根据对抗性智能体对目标智能体的攻击成功与否,将对抗性智能体的状态转换过渡过程数据其中,对对抗性智能体对应的决策梯度算法模型进行训练时,当对抗性智能体对目标智能体的攻击成功时,对对抗性智能体给予对抗奖励,即其中,从经验缓冲区D

(3)在步骤(2)基础上,当对抗性智能体得到其对抗性策略后,将对抗性智能体与目标智能体一起进行博弈训练,训练过程中,目标智能体的状态转换过渡过程数据(s(4)应用时,将采集的局部环境状态数据输入至目标智能体对应的决策梯度算法模型中,经计算输出决策动作指导目标智能体执行。

2.如权利要求1所述的基于多智能体的深度强化学习策略优化防御方法,其特征在于,步骤(2)中,对对抗性智能体对应的决策梯度算法模型进行训练时,在初始随机探索过程,对抗性智能体通过对初始化的Actor网络模型的输出随机添加噪声值来随机选择动作值,即

3.如权利要求1所述的基于多智能体的深度强化学习策略优化防御方法,其特征在于,步骤(2)中,从经验缓冲区D对抗性智能体从经验缓冲区D

其中,a

通过最小化实际累积的奖励函数和动作值Q函数之间的损失函数L(.)来更新Critic网络参数:其中,a

4.如权利要求1所述的基于多智能体的深度强化学习策略优化防御方法,其特征在于,步骤(3)中,从经验缓冲区D中采集数据更新目标智能体对应的决策梯度算法模型参数过程为:目标智能体从经验缓冲区D中采样N个状态转换,通过计算预期的累计奖励函数的梯度来更新Actor网络的策略参数通过最小化实际累积的奖励函数和动作值Q函数之间的损失函数Loss来更新Critic网络参数其中,