《表2 即时回报参数设置：基于深度强化学习的弹道导弹中段突防控制》
提示：宽带有限、当前游客访问压缩模式
由于本文的拦截器制导律设计较简单（比例制导律），末制导能力较差。为了弥补本文拦截器末制导能力的建模缺陷，将拦截器的杀伤半径扩大为80 m。即时回报参数设置如表2所示。
| 图表编号 | XD00160116500 严禁用于非法目的 |
|---|---|
| 绘制时间 | 2020.08.28 |
| 作者 | 南英、蒋亮 |
| 绘制单位 | 南京航空航天大学航天学院、南京航空航天大学航天学院 |
| 更多格式 | 高清、无水印（增值服务） |
相关图表
- 《表1 训练信息：基于深度强化学习的自动驾驶车控制算法研究》2020.07.10
- 《表1 拦截器和弹头参数：基于深度强化学习的弹道导弹中段突防控制》2020.08.28
- 《表1 实验参数设置：基于深度强化学习的轨道式巡检机器人巡检驻点规划方法》2021.02.15
- 《表1 实验参数设置：基于深度强化学习的轨道式巡检机器人巡检驻点规划方法》2021.02.15
- 《表1 仿真参数：基于深度强化学习的智能仿真平台设计》2020.07.01
- 《表2 网络评价参数：基于深度强化学习的单目视觉自动驾驶决策系统》2020.05.01
- 《表1 网络参数：基于深度学习的弹道目标智能分类》2020.06.01
- 《表2 仿真参数：基于深度强化学习的分布式资源管理》2020.05.25
- 《表2 相关参数设置：基于强化学习的功率与信道联合干扰方法研究》2020.08.10
- 《表1 测试结果：基于深度强化学习的单路口交通信号控制》2020.04.01
- 《表1 分类器参数设置表：一种基于深度强化学习的电网潮流特征提取方法》2020.03.25
- 《表1 AGC参数设置：基于深度强化学习的泛在电力物联网综合能源系统的自动发电控制》2020.02.20
- 《表3 算法参数设置：基于强化学习的两轮模型车控制仿真分析》2019.12.18
- 《表2 动作设置奖励：基于强化学习的两轮模型车控制仿真分析》2019.12.18
- 《表5 奖励函数的设置：基于深度强化学习的行星车路径规划方法研究》
- 《表3 参数设置表：基于深度强化学习的行星车路径规划方法研究》
- 《表2 仿真初始条件：基于深度强化学习的智能PID控制方法研究》2019.09.01
- 《表2 仿真时隙参数设置：基于随机森林强化学习的干扰智能决策方法研究》2019.09.10
- 《表1 参数设置：基于深度强化学习的移动机器人路径规划》2019.07.01
- 《表4 训练参数设置：基于多类型传感数据的自动驾驶深度强化学习方法》2019.07.01