MADDPG算法并行优先经验回放机制

多智能体深度确定性策略梯度(multi-agent deep deterministic policy gradient, MADDPG)算法是深度强化学习方法在多智能体系统(multi-agent system, MAS)领域的重要运用,为提升算法性能,提出基于并行优先经验回放机制的MADDPG算法。分析算法框架及训练方法,针对算法集中式训练、分布式执行的特点,采用并行方法完成经验回放池数据采样,并在采样过程中引入优先回放机制,实现经验数据并行流动、数据处理模型并行工作、经验数据优先回放。分别在OpenAI多智能体对抗、合作两类典型环境中,从训练轮数、训练时间两个维度对改进算法进行了对比验证,结果表明,并行优先经验回放机制的引入使得算法性能提升明显。     

武器装备体系需求开发的复杂性及其解决方案

针对武器装备体系需求开发中过程、环节、功能、方法、数据不规范和不明确的问题,着眼于提高武器装备体系需开发的科学化和规范化,分析了武器装备体系需求开发的复杂性特征,提出了面向工程化的武器装备体系需求开发解决方案,阐述了武器装备体系需求开发流程结构化、环节规范化、过程模型化、数据资源化、平台工具化的内容和方法,构建了基于HLA/RTI的武器装备体系需求开发工程化平台,并结合某装甲体系进行了需求开发,验证了该方案的可行性和有效性。     

海陆战场环境的实时视景仿真

海陆战场环境是登陆作战的主要战场环境。本文研究了海浪的数学模型、离散化过程、海浪可视化中的实时性问题、地形生成、海陆拼接、两栖车辆海上姿态仿真、BSP技术和多通道视景技术，并将这些技术成功应用于海陆战场环境仿真中。