基于强化学习的可回收运载火箭着陆制导

可回收运载火箭的着陆制导需要严格保证着陆位置、速度精度,并尽量减小燃料消耗.基于最优控制的着陆制导方法需要依赖火箭精确模型,不具有对模型偏差的泛化能力.针对此问题,本文基于强化学习方法,通过不基于模型的交互采样,训练了神经网络形式的火箭着陆制导策略.首先,建立火箭着陆制导问题的马尔可夫决策过程模型,根据终端约束和燃料消...