文章详情
| 稿件标题： | 基于模拟退火与强化学习机制的任务分析方法 |
| 稿件作者： | 彭鹏菲1，龚雪1，郑雅莲2，姜俊3 |
| DOI： | 10.11809/bqzbgcxb2022.09.045 |
| 科学编辑： | 张晓海 博士（国防大学） |
| 栏目名称： | 信息科学与控制工程 |
| 关键词： | 多因素分析；任务序列图；模拟退火；序列重组；强化学习机制 |
| 文章摘要： | 针对常规任务分析中任务间信息交互因素复杂且评估指标单一，提出了基于模拟退火选择策略的强化学习改进算法，实现了一种面向复杂因素的强化学习改进的任务序列重构及任务图生成方法；以模拟退火思想为基础，将Q学习机制引入退火转换因子，实现任务序列重组；依据任务间信息交互模型和退火因子元素，构建智能体（Agent）运行环境，计算收敛动作状态表(Qtable)，确定任务最优状态，进行任务状态转换，通过迭代学习，最终生成任务执行序列图；通过仿真实验，研究结果表明：该方法能有效解决任务分析中多方条件限制的任务序列重组问题，且对动态情景有更强的适应性，其任务序列图执行效率高，能完善多维度条件限制情况的应对机制。 |
| 稿件基金： | 海军工程大学科研发展基金自主立项项目（425317S107） |
| 引用本文格式： | 彭鹏菲，龚雪，郑雅莲，等.基于模拟退火与强化学习机制的任务分析方法［J］.兵器装备工程学报，2022，43(09)：315-322. PENG Pengfei, GONG Xue, ZHENG Yalian, et al.Task analysis approach based on simulated annealing and reinforcement learning mechanisms［J］.Journal of Ordnance Equipment Engineering，2022，43(09)：315-322. |
| 刊期名称： | 2022年09期 |
| 出版时间： | 2022年9月 |
| 上线时间： | 2022年9月28日 |
| 浏览次数： | 2408 |
| 下载次数： | 59 |
| 免费阅读PDF 在线阅读 下载本期目录 下载本期封面 | |