基于强化学习与规则库增强的双方群体博弈策略训练方法研究

陈灼; 周翼骅; 普俊松; 张秀山; 张典

doi:10.11907/rjdk.232304

您当前的位置：

首页 >

文章列表页 >

基于强化学习与规则库增强的双方群体博弈策略训练方法研究

人工智能 | 更新时间：2025-02-10

- 基于强化学习与规则库增强的双方群体博弈策略训练方法研究
- Study on the Training Method of Bilateral Group Game Strategy Based on Reinforcement Learning and Enhanced Rule Base
- “在双方博弈策略训练领域，专家提出了基于强化学习的方法，显著提升了智能体决策能力，为模拟复杂环境提供了新方案。”
- 软件导刊 2025年24卷第1期页码：15-20
- 作者机构：
  
  1.海军工程大学电子工程学院，湖北武汉430033
  2.武汉大学国家网络安全学院，湖北武汉 430072
- 作者简介：
  
  陈灼（1993-），男，海军工程大学电子工程学院讲师，研究方向为人工智能与大数据
  周翼骅（2002-），男，武汉大学国家网络安全学院硕士研究生，研究方向为强化学习
  普俊松（1999-），男，武汉大学国家网络安全学院硕士研究生，研究方向为深度学习
  张秀山（1968-），男，海军工程大学电子工程学院教授，研究方向为虚拟仿真
  张典（1988-），男，硕士，武汉大学国家网络安全学院实验师，研究方向为软件工程、编程实践。
- 基金信息：
  
  湖北省自然科学基金项目(2022CFB012)
- DOI：10.11907/rjdk.232304
  中图分类号： TP18
- 纸质出版日期：2025-01-15，
  
  收稿日期：2023-12-26，
- 稿件说明：
移动端阅览
陈灼,周翼骅,普俊松等.基于强化学习与规则库增强的双方群体博弈策略训练方法研究[J].软件导刊,2025,24(01):15-20.

CHEN Zhuo,ZHOU Yihua,PU Junsong,et al.Study on the Training Method of Bilateral Group Game Strategy Based on Reinforcement Learning and Enhanced Rule Base[J].Software Guide,2025,24(01):15-20.
陈灼,周翼骅,普俊松等.基于强化学习与规则库增强的双方群体博弈策略训练方法研究[J].软件导刊,2025,24(01):15-20. DOI： 10.11907/rjdk.232304.

CHEN Zhuo,ZHOU Yihua,PU Junsong,et al.Study on the Training Method of Bilateral Group Game Strategy Based on Reinforcement Learning and Enhanced Rule Base[J].Software Guide,2025,24(01):15-20. DOI： 10.11907/rjdk.232304.

浏览量

下载量

CSCD

文章被引用时，请邮件提醒。

提交

工具集

关联资源

基于强化学习的生成式人工智能综述

改进SARSA算法的移动机器人路径规划研究

基于鲁棒交叉熵与梯度优化的安全强化学习方法

基于子图特征融合的链接预测方法

融合强化学习与迁移对抗的服装标注

基于强化学习与规则库增强的双方群体博弈策略训练方法研究

Study on the Training Method of Bilateral Group Game Strategy Based on Reinforcement Learning and Enhanced Rule Base

DOI：10.11907/rjdk.232304