本数据集面向受限二维空间内多无人机协同围捕多目标任务中的深度强化学习训练过程分析与轨迹仿真展示，数据来源于论文《Deep Reinforcement Learning-Based Cooperative Encirclement Strategy for Multi-UAVs》的仿真实验。论文在集中训练、分散执行（CTDE）框架下，构建了阶段奖励与多任务驱动的MADDPG算法，通过将围捕任务分解为接近、跟踪、包围和捕获等连续阶段，缓解多智能体围捕任务中的奖励稀疏问题；同时结合贪婪算法进行目标分配，并为目标无人机设计基于人工势场思想的逃逸策略，以形成更贴近对抗场景的动态仿真环境。实验基于Python、PyTorch和OpenAI Gym的多智能体仿真环境开展，训练六架围捕无人机对两个目标无人机进行协同围捕，并在动态障碍物条件下评估训练后策略的表现。汇交文件按metadata、data、images目录组织，共包含1份元数据表、2个CSV数据文件、2张PNG可视化图片和1份README说明文件；核心数据实体包括data/score_history.csv、data/score_history_original_row62.csv、images/MADDPG_Training_Reward.png和images/Encirclement_Trajectory.png。训练奖励CSV包含episode、reward和moving_average_100三个字段，其中episode为1至10000的回合编号，reward为单回合累计奖励，moving_average_100为100回合滑动平均奖励；reward和moving_average_100均为仿真奖励值，无物理量纲。该数据集可用于分析多智能体深度强化学习训练收敛过程、阶段奖励与多任务机制的效果，以及多无人机协同围捕策略在复杂动态环境中的轨迹表现。
本数据集由论文相关仿真实验产生，为完全仿真生成数据，不来源于实测观测、购买、交换、镜像或第三方下载数据。
本数据集基于二维多无人机协同围捕仿真环境和MADDPG训练流程生成。训练阶段以回合为单位运行仿真，记录每回合训练累计奖励，并整理为data/score_history.csv；同时保留从源score_history.csv中提取的原始单行奖励序列data/score_history_original_row62.csv，用于追溯。训练奖励曲线根据10000回合奖励序列进行100回合滑动平均后绘制，输出为images/MADDPG_Training_Reward.png。轨迹结果由训练后策略在包含动态障碍的仿真环境中评估得到，并通过可视化程序输出围捕轨迹图images/Encirclement_Trajectory.png。
本数据集在生成过程中进行了完整性和可读性检查。训练奖励数据文件可正常读取，核心奖励曲线对应10000回合训练记录。规范化后的score_history.csv共10000行，字段包括episode、reward、moving_average_100；episode取值范围为1至10000，reward取值范围约为-3823.6044至3134.3994，moving_average_100有效值为9901个，取值范围约为-2336.4726至2.8238；reward和moving_average_100均为仿真奖励值，无物理量纲。两张PNG图像分辨率均为1600×1200，可直接展示训练奖励变化和训练后围捕轨迹结果。数据内容与论文中的训练奖励曲线和围捕轨迹结果相对应，未包含与本数据集无关的地理空间实测信息。
| # | 编号 | 名称 | 类型 |
| 1 | 2022ZD0120000 | 博弈智能场景应用 |
本作品采用
CC BY 4.0 （知识共享 署名 4.0 国际许可协议）进行许可。
CSTR:11738.11.ncdc.db7477.2026
10.12072/ncdc.db7477.2026
