文献

J-GLOBAL ID：201702255286764729   整理番号：17A0241681

Q学習に基づく空中戦闘目標割当アルゴリズム【Powered by NICT】

Q-learning based air combat target assignment algorithm

著者 (3件)： Luo Peng-cheng (College of Information System and Management, National University of Defense Technology, Changsha, China) ,  Xie Jun-jie (College of Information System and Management, National University of Defense Technology, Changsha, China) ,  Che Wan-fang (Complex Aviation System Simulation Laboratory, Beijing, China)
資料名： IEEE Conference Proceedings  (IEEE Conference Proceedings)
巻： 2016  号： SMC  ページ： 000779-000783  発行年： 2016年 
JST資料番号： W2441A  資料種別： 会議録 (C)
記事区分： 原著論文  発行国： アメリカ合衆国 (USA)  言語： 英語 (EN)

抄録/ポイント： ターゲット割当は空中戦に重要であるが困難な問題である。以前の方法,例えば,ニューラルネットワーク,遺伝的アルゴリズム,粒子群最適化とアントコロニーアルゴリズムターゲット割当のためのは大域的最適への収束に関する限り遅すぎるまたは安定でないのいずれかであることが証明された。本論文では,Q学習は空中戦ターゲット割当のための適切な強化学習アルゴリズムであることを実証した。空中戦エージェントは,彼らの特性,構造及び作用の観点からモデル化し,状態-行動対の基準を定義し,ターゲット割当のためのQ学習ベースアルゴリズムを提供した;加えて,アルゴリズムの探索と利用の間の妥協点についても考察した。事例解析は,提示したアルゴリズムは,事前知識に依存する避け,局所最適からの脱却の動きに良好に動作することを示した。Copyright 2017 The Institute of Electrical and Electronics Engineers, Inc. All Rights reserved. Translated from English into Japanese by JST【Powered by NICT】

シソーラス用語： 遺伝的アルゴリズム ,  モデリング ,  *アルゴリズム ,  学習アルゴリズム ,  ニューラルネットワーク ,  エージェント
準シソーラス用語： 事前知識 ,  事例分析 ,  粒子群最適化 ,  *Q学習 , 【Automatic Indexing@JST】

分類 (2件)： 人工知能  (JE08000Z) ,  ニューロコンピュータ  (JC06010Q)

タイトルに関連する用語 (5件)： Q学習 ,  戦闘 ,  目標 ,  割当 ,  アルゴリズム