来源：期刊VIP网 时间：
作者：康冰冰;姜涛;赵念;王晓宁;吴思;
单位：海军航空大学;中国人民解放军91856部队;中国人民解放军91306部队;
摘要：为发挥强化学习算法在制导律设计中的优势，针对带落角约束的末制导问题，构建了基于柔性动作-评价（Soft Actor-Critic,SAC）算法的训练模型。根据期望导弹命中状态和降低收敛难度的原则，设计了奖励函数、状态参数。在训练中设定了不同的初始条件并尝试不同的模型参数，得到了稳定的SAC制导律，经过仿真验证，SAC制导律能够以设定的落角命中固定目标。仿真结果表明，与最优制导律（Optimal Proportional Law,OPL）相比，SAC制导律需用加速度值更小，末时刻加速度接近零；SAC制导律的终端落角误差更小、收敛更快；SAC制导律的脱靶量更小，制导精度更高。
关键词：SAC算法;;强化学习;;落角约束;;末制导律;;最优制导律;;偏置导引律;;人工神经网络
