中国人民解放军63896部队

一种面向干扰资源分配的多目标融合奖励函数设计方法，涉及深度强化学习与通信对抗交叉技术领域，具体包括以下步骤：S1、构建复合结构总奖励表达式；S2、设计六类加权奖励成分，分别对应干扰资源分配的六个关键战术目标；S3、引入战术约束惩罚项，战术约束惩罚项以负值形式直接累加到总奖励中，战术惩罚项用于约束智能体违背实战作战规则行为；S4、设计前瞻引导奖励项；S5、建立与战术价值相匹配的分层奖励赋值体系；S6、通过分步奖励计算流程计算总奖励；本发明奖励函数架构支持灵活增减奖励成分和调整权重，可根据不同作战想定快速定制适配的奖励函数，适应多样化任务需求。