基于PPO算法的无人机近距空战自主引导方法

针对无人机近距空战的自主决策问题，提出了一种基于近端策略优化(PPO)算法的无人机自主引导方法。针对敌我距离、角度、速度以及任务约束等信息重塑奖励，建立了无人机三自由度模型，在速度坐标系上构建强化学习的状态和动作，分别对结合了全连接神经网络的PPO算法(标准PPO算法)和长短时记忆网络的PPO算法(改进PPO算法)模型进行了仿真训练。根据训练的结果可以证明，相比于标准PPO算法，所提的改进PPO算法能够更有效地处理与时间序列高度相关的无人机自主引导任务。