1.一种基于对抗鉴别式迁移法的拟态环境与战场态势策略转移技术，其特征在于：(1)构建网络模块结构

基于深度强化学习的深度Q学习网络DQN，构建包括控制模块、感知模块，其中控制模块与感知模块通过瓶颈层bottleneck layer连接；

(2)训练神经网络

采用对抗鉴别式迁移法进行训练，所述感知模块先通过已标记的拟态环境数据进行训练，在预训练过程中使用监督式的损失函数 其中m是样本数量级，Ij是样本的输入，yp(Ij)是Ij的标签，x*j是对Ij的预测，j是样本；预训练结束后，使用另一部分的拟态环境数据和真实环境的数据进行训练，训练中使用两个损失函数求和的方式进行反向传播，其中 是采用拟态环境数据进行监督式训练的损失函数，LPAd是采用真实环境数据进行监督式训练的损失函数，

其中D是监督函数，Er

是目标编码器target encoder拟态环境数据集的损失，Es是目标编码器target encoder真实环境数据集的损失， 是拟态环境下的输入样本， 是真实环境下的输入样本；

(3)做出实时决策

经过步骤(2)中训练后，完成拟态环境下模型的迁移，通过使用摄像头传感器的数据获取实时的战场环境，做出实时决策。

2.根据权利要求1所述的基于对抗鉴别式迁移法的拟态环境与战场态势策略转移技术，其特征在于：所述控制模块，用于学习到给定物体的位置，获得图像中的物体的运动参数，包括运动的方向、角度、速度。

3.根据权利要求1所述的基于对抗鉴别式迁移法的拟态环境与战场态势策略转移技术，其特征在于：所述感知模块，用于从原始的RGB图像中获取图像中物体的位置信息参数。

4.根据权利要求3所述的基于对抗鉴别式迁移法的拟态环境与战场态势策略转移技术，其特征在于：所述感知模块包括编码器encoder子模块、回归regressor子模块，编码器encoder子模块包含了所有的卷积层结构，回归regressor子模块包含了所有的全连接层结构。

5.根据权利要求4所述的基于对抗鉴别式迁移法的拟态环境与战场态势策略转移技术，其特征在于：编码器encoder子模块包括有源编码器source encoder和目标编码器target encoder；所述源编码器source encoder经过拟态环境数据进行训练之后，将权重固定，并且在对抗鉴别式迁移中作为一个参考，用于训练目标编码器target encoder。

6.根据权利要求4所述的基于对抗鉴别式迁移法的拟态环境与战场态势策略转移技术，其特征在于：采用损失函数训练回归regressor子模块，损失函数为 其中 是鉴别器的损失， 是目标编码器的损失，γ是范围(0，1)的折扣因子。