随着飞行器技术的发展进步,飞行器在飞行过程中涉及到的探测需求也日益增长,其探测过程涉及到多时段的多传感器选择决策问题,由于在线传感器资源调度存在关系复杂且实时性要求高的特点,容易出现资源分配不均衡、效率低下的情况。因此,开展飞行目标探测传感器资源在线调度研究,有助于提高探测系统的快速反应能力及应用效益,具有重要的理论和应用价值。探测传感器资源调度是一个空间状态复杂,实时性要求高,约束要求多的动态优化决策问题。其调度背景的复杂性以及对时间性能的高要求使得传统算法在解决该问题时较为困难。当前,深度强化学习为代表的新一代人工智能方法在人机对弈等应用中取得了颠覆性突破,解决了一些以前无法解决的难题,在复杂条件下的动态决策应用领域中显示出了巨大的优势,为此文章提出了一种基于深度强化学习的飞行目标探测传感器资源调度解决方案,其主要研究包括以下几个方面:综合分析飞行目标探测传感器资源调度场景及过程环节的运作机理,提取传感器资源调度过程中涉及的关键变量,讨论评价调度过程优劣性的评估方法,再利用马尔可夫决策过程描述方法对飞行目标探测传感器资源调度问题进行数学抽象,分别设计调度模型的状态方程、动作空间、回报值函数,并完成参数变化过程中的逻辑关系设计。在马尔可夫决策模型的基础上,构建基于深度强化学习的飞行目标探测传感器资源调度框架,从基于策略与基于值角度的强化学习方法进行分析,采用融合两种方法优势的Actor-Critic方法作为实现资源调度的基本算法,引入神经网络作为强化学习中的策略函数,结合目前主流深度学习的训练方式,利用PPO算法完成了调度算法的设计。最后为验证飞行目标探测传感器资源调度方法的正确性与可用性,结合调度算法功能构建飞行目标探测传感器调度系统的基本框架,建立资源调度过程仿真平台,还原模拟常用探测任务资源调度过程场景,将调度算法应用于在仿真环境实现模拟飞行任务的资源调度方案,再而对算法产生调度结果进行评价,对比分析基于深度强化学习的调度算法。