[发明专利]基于动态奖励的强化学习深空探测器自主任务规划方法及系统

摘要

本发明公开了一种基于动态奖励的强化学习深空探测器自主任务规划方法及系统，方法包括定义深空探测器任务规划强化学习参数；构建智能体交互环境；构建策略网络；训练策略网络；利用训练好的策略网络执行任务规划。本发明把深空探测任务规划中的时间约束、资源约束和时序约束融合在深空探测器任务规划强化学习模型的训练过程中，可保证深空探测器任务规划过程中满足多种约束，增强了深空探测器智能体对复杂环境的适应性，同时动态奖励算法将资源约束、时间约束和时序约束融合在一起构建了即时奖励模型，并据此定义损失函数更新策略梯度，在保证多约束条件的前提下加快了深空探测器自主任务规划强化学习模型的收敛速度，减小了偏差，提高了自主任务规划质量。