基于深度强化学习的任务分析方法.pdf

第36卷第7期系统仿真学报Vol.36No.7

2024年7月JournalofSystemSimulationJul.2024

基于深度强化学习的任务分析方法

龚雪，彭鹏菲，荣里*，郑雅莲²，姜俊1

（1.海军工程大学，湖北武汉430033；2.武汉大学水资源与水电工程科学国家重点实验室，湖北武汉430072)

摘要：针对任务分析中任务协同交互耦合度高、影响因素繁多等问题，提出了基于序列解耦与深

度强化学习的任务分析方法，实现了复杂约束条件下的任务分解及任务序列重构。设计了基于任

务信息交互的深度强化学习环境，基于目标网络与评估网络损失函数间的差值改进SumTree算法，

实现任务间的优先级评估；将激活函数运行机制引入深度强化学习网络，提取任务特征，提出贪

婪激活因子，优化深度神经网络参数，确定智能体最优状态，从而进行智能体状态转换。通过经

验回放生成多目标任务执行序列图。仿真实验结果表明，该方法能生成最佳调度下的可执行任务

图；且相对于静态情景，该方法对动态情景有较好的自适应性，在领域任务筹划中具有良好的推

广应用前景。

关键词：任务分析；强化学习；评估网络；贪婪因子；耦合任务；激活函数

中图分类号：E917；TP391文献标志码：A文章编号：1004-731X(2024)07-1670-12

DOI:10.16182/j.issn1004731x.joss.23-0443

引用格式：龚雪，彭鹏菲，荣里，等.基于深度强化学习的任务分析方法[].系统仿真学报,2024,36(7):1670-1681.

Referenceformat:GongXue,PengPengfei,RongLi,etal.TaskAnalysisMethodsBasedonDeepReinforcement

Learning[J].JournalofSystemSimulation,2024,36(7):1670-1681.

TaskAnalysisMethodsBasedonDeepReinforcementLearning

GongXue,PengPengfeil,RongLil*,ZhengYalian?,JiangJun

(1.NavalUniversityOfEngineering,Wuhan430033,China;

2.StateKeyLaboratoryofWaterResourcesandHydropowerEngineeringScience,WuhanUniversity,Wuhan430072,China)

Abstract:Inresponsetothehighcouplingoftaskinteractionandmanyinfluencingfactorsintask

analysis,ataskanalysismethodbasedonsequencedecouplinganddeepreinforcementlearning(DRL)is

proposed,whichcanachievetaskdecompositionandtasksequencereconstructionundercomplex

constraints.Themethoddesignsanenvironmentfordeepreinforcementlearningbasedontask

informationinteraction,whileimprovingtheSumTreealgorithmbasedonthediffer