机读格式显示(MARC)

• 000 02002nam0 2200301 450

• 001 0000322974

• 005 20230906131100.0

• 010 __ |a 978-7-5221-1727-0 |d CNY68.00

• 100 __ |a 20221031d2021 em y0chiy50 ea

• 101 0_ |a chi

• 102 __ |a CN |b 110000

• 105 __ |a a z 000yy

• 106 __ |a r

• 200 1_ |a 基于深度强化学习的作战任务规划技术研究 |A ji yu shen du qiang hua xue xi de zuo zhan ren wu gui hua ji shu yan jiu |b 专著 |f 张永亮[等]编著

• 210 __ |a 北京 |c 中国原子能出版社 |d 2021.12 |h 2022.06印

• 215 __ |a 157页 |c 图 |d 26cm

• 300 __ |a 国家自然科学基金面上项目资助

• 304 __ |a 编著还有：刘勇、董浩洋、黄炎焱

• 312 __ |a 封面英文题名：The research on operational mission planning based on deep reinforcement learning

• 330 __ |a 本书从分析深度强化学习应用于作战任务规划的适用性着手，按照先总体框架设计后关键算法研究攻关、先知识引导单实体决策后数据驱动多实体协同、先作战任务规划后方案计划效能评估的逻辑，进行体系设计与内容组织，并据此将全书分为5章：第1章从基本概念出发，系统阐述作战任务规划与深度强化学习的国内外研究进展，并深度剖析了基于深度强化学习的作战任务规划适用性及其面临的挑战；第2章从总体上给出了全书的技术框架和实现方案；第3章是智能战术兵棋团队近年来参加全国智能兵棋大赛的成果，主要介绍了产生式规则与综合势能的知识表示及其融入强化学习的算法模型；第4章是团队参加人机对抗挑战赛形成的成果，主要介绍了基于既有博弈对抗的直接模仿学习与PPO算法的结合，以及基于逆向强化学习解决陆战智能任务规划的技术方案；第5章主要介绍在MCTS框架下，基于综合势能的作战规则量化模型与深度强化学习模型结合后，面向陆域战场要点夺控任务开展的作战任务规划探索与实践，最后给出了任务规划结果评估与分析的基本模型，从而为实战化、工程化运用该技术提供方法指导。

• 333 __ |a 指挥控制系统研究人员

• 510 1_ |a Research on operational mission planning based on deep reinforcement learning |z eng

• 606 0_ |a 指挥控制系统 |A Zhi Hui Kong Zhi Xi Tong |x 研究

• 690 __ |a E94 |v 5

• 690 __ |a E9 |v 4

• 701 _0 |a 张永亮 |A zhang yong liang |f (1982-) |4 编著

• 801 _0 |a CN |b 人天书店 |c 20221031

• 905 __ |a JBXQLIB |d E9/35