来源：期刊VIP网 时间：
作者：蒋方庆;陈自力;高喜俊;张云;
单位：陆军工程大学;
摘要：在执行区域侦察任务时，无人机需要更高性能的算法，以便对未知辐射源目标进行快速准确定位。利用改进的双延迟深度确定性策略梯度(Twin Delayed Deep Deterministic Policy Gradient, TD3)算法实现无人机快速侦察目标。针对TD3算法的单策略网络输出动作波动大问题，提出构建双策略网络来缓解，并提出利用带修正偏差的指数移动加权平均法建立价值网络与策略网络更新之间的联系，以自适应地改变更新周期。当无人机接收到辐射源信号时，采用最优航迹对辐射源进行定位；未检测到信号时，则根据历史经验飞行寻找信号源。仿真结果表明，所提方法可有效提高算法的收敛速度。
关键词：无人机;双延迟深度确定性策略梯度算法;双策略网络;自适应延迟更新机制
基金资助：××预先研究项目(50911060101)
