基于PER-MATD3深度强化学习的无人机动态博弈模型及其工作方法

本发明公开了一种基于PER‑MATD3深度强化学习的无人机动态博弈模型及其工作方法，包括MATD3算法模块、PER排序模块以及样本重要性评价模块，本发明构建了MATD3的算法框架，并引入优先经验回放(Prioritized Experience Replay,PER)方法对其进行改进，PER方法根据每个经验数据的重要性对其进行优先级排序，并且能够在采样时多次选择更重要的经验，从而提高学习效率，但由于PER方法会频繁地使用具有较高TD误差的样本，虽然能够提高学习效率，会不可避免地带来偏差，为了避免训练时出现偏差导致振荡甚至离散，引入重要性采样方法，适当降低TD误差高的样本权重，使训练时每个样本在梯度下降时的影响相同，从而保证训练结果的收敛性。