1.一种作战实体的防御方法，其特征在于，包括：在检测到敌方作战实体攻击己方作战实体的情况下，获取作战数据信息，所述作战数据信息包括所述己方作战实体对应的第一相关状态信息、所述敌方作战实体对应的第二相关状态信息、所述己方作战实体对应的动作信息及战损信息；根据所述作战数据信息，确定待训练数据信息，所述待训练数据信息包括待训练状态信息、待训练动作信息、待训练奖励信息、待训练下一时刻状态信息；将所述待训练数据信息输入至防御策略模型，得到所述防御策略模型输出的目标防御策略，所述防御策略模型是在离线强化学习的过程中基于历史待训练数据信息集进行训练得到的；根据所述目标防御策略，控制所述己方作战实体防御所述敌方作战实体；所述待训练状态信息是根据所述第一相关状态信息及所述第二相关状态信息得到的，所述待训练状态信息包括：所述敌方作战实体对应的第一实时位置、第一运动速度、第一运动方向、第一战斗状态、第一毁伤情况、所述己方作战实体对应的第二实时位置、第二运动速度、第二运动方向、第二作战状态、第二毁伤情况、弹药储备及能源巡航情况；所述待训练动作信息是根据所述动作信息得到的，所述待训练动作信息包括：所述己方作战实体对应的位置移动锚点、所述己方作战实体在防御所述敌方作战实体发送的导弹时的拦截动作；所述待训练奖励信息包括：所述战损信息及拦截导弹信息；所述待训练奖励信息是基于第一公式得到的，所述第一公式为：r＝r 1 -r 2 ；r表示所述待训练奖励信息；r 1 ＝Value t -Value t+1 ，表示所述战损信息，所述战损信息为在时刻t到时刻t+1之间所述己方作战实体的生命值变化量，Value t 表示在所述时刻t下所述己方作战实体的第一生命值，Value t+1 表示在所述时刻t+1下所述己方作战实体的第二生命值；r 2 ＝q×n t ，表示所述拦截导弹信息，所述拦截导弹信息为所述己方作战实体成功拦截导弹时使用的生命值，q表示预设系数，n t 表示所述己方作战实体成功拦截或成功躲避的导弹数量。
2.根据权利要求1所述的方法，其特征在于，所述防御策略模型是基于以下步骤得到的；在离线强化学习的过程中，获取所述历史待训练数据信息集、待训练防御策略模型、初始化Q网络及目标Q网络，所述历史待训练数据信息集包括多个历史待训练数据信息；根据所述历史待训练数据信息集，确定所述初始化Q网络对应的第一行为值函数及所述目标Q网络对应的第二行为值函数；根据所述第一行为值函数及所述第二行为值函数，更新所述待训练防御策略模型，得到训练好的防御策略模型，所述防御策略模型中的动作信息大于预设动作阈值。
3.根据权利要求2所述的方法，其特征在于，所述根据所述历史待训练数据信息集，确定所述初始化Q网络对应的第一行为值函数及所述目标Q网络对应的第二行为值函数，包括：从所述历史待训练数据信息集中，确定作战实体样本对应的历史待训练数据信息样本；根据所述历史待训练数据信息样本，确定所述初始化Q网络对应的第一行为值函数及所述目标Q网络对应的第二行为值函数。
4.根据权利要求2或3所述的方法，其特征在于，所述根据所述第一行为值函数及所述第二行为值函数，更新所述待训练防御策略模型，得到训练好的防御策略模型，包括：根据所述第一行为值函数及所述第二行为值函数，确定损失函数；根据所述损失函数，更新所述待训练防御策略模型对应的网络参数，得到所述训练好的防御策略模型。
5.一种作战实体的防御装置，其特征在于，包括：数据收集模块，用于在检测到敌方作战实体攻击己方作战实体的情况下，获取作战数据信息，所述作战数据信息包括所述己方作战实体对应的第一相关状态信息、所述敌方作战实体对应的第二相关状态信息、所述己方作战实体对应的动作信息及战损信息；数据预处理模块，用于根据所述作战数据信息，确定待训练数据信息，所述待训练数据信息包括待训练状态信息、待训练动作信息、待训练奖励信息、待训练下一时刻状态信息；决策模块，用于将所述待训练数据信息输入至防御策略模型，得到所述防御策略模型输出的目标防御策略，所述防御策略模型是在离线强化学习的过程中基于历史待训练数据信息集进行训练得到的；根据所述目标防御策略，控制所述己方作战实体防御所述敌方作战实体；所述待训练状态信息是根据所述第一相关状态信息及所述第二相关状态信息得到的，所述待训练状态信息包括：所述敌方作战实体对应的第一实时位置、第一运动速度、第一运动方向、第一战斗状态、第一毁伤情况、所述己方作战实体对应的第二实时位置、第二运动速度、第二运动方向、第二作战状态、第二毁伤情况、弹药储备及能源巡航情况；所述待训练动作信息是根据所述动作信息得到的，所述待训练动作信息包括：所述己方作战实体对应的位置移动锚点、所述己方作战实体在防御所述敌方作战实体发送的导弹时的拦截动作；所述待训练奖励信息包括：所述战损信息及拦截导弹信息；所述待训练奖励信息是基于第一公式得到的，所述第一公式为：r＝r 1 -r 2 ；r表示所述待训练奖励信息；r 1 ＝Value t -Value t+1 ，表示所述战损信息，所述战损信息为在时刻t到时刻t+1之间所述己方作战实体的生命值变化量，Value t 表示在所述时刻t下所述己方作战实体的第一生命值，Value t+1 表示在所述时刻t+1下所述己方作战实体的第二生命值；r 2 ＝q×n t ，表示所述拦截导弹信息，所述拦截导弹信息为所述己方作战实体成功拦截导弹时使用的生命值，q表示预设系数，n t 表示所述己方作战实体成功拦截或成功躲避的导弹数量。
6.一种电子设备，包括存储器、处理器及存储在所述存储器上并可在所述处理器上运行的计算机程序，其特征在于，所述处理器执行所述程序时实现如权利要求1至4任一项所述作战实体的防御方法。
7.一种非暂态计算机可读存储介质，其上存储有计算机程序，其特征在于，所述计算机程序被处理器执行时实现如权利要求1至4任一项所述作战实体的防御方法。
8.一种计算机程序产品，包括计算机程序，其特征在于，所述计算机程序被处理器执行时实现如权利要求1至4任一项所述作战实体的防御方法。
