作战智能体模型研究

战争是典型的复杂自适应系统，基于Agent的仿真是分析复杂系统的一种新方法。介绍了Agent、多Agent系统以及基于Agent的仿真的基本概念。以作战仿真为背景，介绍了作战智能体的模型设计，讨论了基于智能体的仿真方法的特点，最后对将来的研究工作进行了展望。     

基于Agent的建模与仿真概念化框架

基于Agent的建模与仿真(ABMS)是面向复杂系统的建模与仿真方法学。提出了基于Agent的建模与仿真概念化框架,重点对该框架中Agent模型的概念及模型转化、ABMS综合环境以及模型校核与验证等相关研究内容进行了阐述。结合该框架,对Agent、消息、复杂系统及基于Agent的仿真进行了形式化描述。最后,提出了一个基于Agent的建模与分布式仿真软件框架,介绍了该框架的主要组成部件,并对实现该框架的相关技术以及正在开展的工作进行了介绍。     

基于Agent的计算经济学及其在供应网络中的应用

基于Agent的计算经济学（ACE）是将复杂适应系统（CAS）、基于Agent的计算机仿真方法应用到经济学研究的一种新方法。与传统的“自上而下”研究方法不同，ACE是用由很多自主、交互的Agent构成的演化系统来对整个经济系统进行建模的计算研究方法。对国内外在ACE取得的成果进行了综述，并讨论了ACE方法的特征和研究方向。同时着重讨论了ACE在供应网络中的应用，说明了它的优势，并分别在供应网络的企业内部机制、组织和复杂网络等方面讨论了潜在的研究方向。     

基于Agent组织的作战模拟

基于Agent的建模方法是一种自底向上、综合的建模方法，是通过微观细节和规则研究宏观现象和模式的独特的研究方法，是一种研究复杂适应系统十分有效的工具。把作战系统视为一个复杂适应系统，将Agent组织理论应用于作战模拟，通过Agent在底层的交互作用来研究作战系统的涌现行为。在建模过程中，主要从作战单元Agent组织的角色的定义、静态结构建模和动态行为建模三个方面对作战系统进行建模。其研究结果表明基于Agent组织的作战模拟有助于揭示作战行为的本质特征和演化规律。     

基于Agent的多领域战争空间实践

信息化战争模拟不能仅仅考虑火力作战损耗，需要更加注重对军事、政治、经济、社会、舆论等各个领域的综合建模仿真。为此，我们在多年研究信息化战争模拟和战争复杂性的基础上，在虚拟全球战争空间研究构想指导下，采用CAS理论，基于进化的思想，运用Agent建模方法在多领域中对上述研究构想进行了探索性实践。对多领域战争空间Agent建模实践的内涵、外延、特点等内容进行了论述，并给出了原型设计，为本课题的长期研究奠定了基础，指明了方向。     

基于多Agent/Swarm军事系统建模研究

阐述了多Agent计算机建模的基础理论和特征,及基于Swarm平台进行多Agent建模的灵活性和可扩展性.进而探讨了将该方法应用于军事复杂系统研究,主要内容包括:提出了多Agent/CA系统建模仿真框架,说明了基于该框架建立复杂性因素映像的基本原理;形成了框架实现的关键技术--可计算模型和空间作用模型,有效实现了在模型中集成成型的算法和模型,并综述对相关领域研究中对关键技术的应用情况;最后探讨了建模仿真的基本逻辑流程.     

基于Agent的体系对抗仿真建模方法研究

面向信息化战争的武器装备体系对抗仿真，从复杂系统建模的角度对传统系统仿真建模方法提出了严峻挑战。因此，需要以CAS理论为依据，研究新的武器装备体系对抗仿真建模方法，以适应信息化战争模拟的需要。为此，我们在分析体系对抗仿真需求的基础上，从基于Agent的体系对抗仿真建模概念、仿真建模概念框架、仿真建模策略，基于Agent的体系整体“涌现”行为建模等问题入手，探讨了基于Agent的体系对抗仿真建模方法问题，并结合体系对抗仿真实验，研究了基于Agent的实体行为建模、实体交互建模和实体模型结构，提出了基于Agent的体系整体“涌现”行为建模思想和建模规范。     

基于多Agent的战场角色仿真建模研究

作战仿真系统模型的复杂性主要来源于战场角色行为和战场环境的复杂性，多Agent系统是解决复杂问题的有效方法。分析作战仿真系统的模型组成和特点，结合自然环境建模，研究了基于多Agent的战场角色建模方法，描述了战场角色Agent所需的组件及其功能。设计了一种面向战场角色建模的通用Agent体系结构，并对战场角色Agent的规划、通信和协作等理论和应用问题进行了研究。     

基于强化学习的指挥控制Agent适应性仿真研究

应用人工智能中的学习技术来赋予战争模拟系统中的智能Agent适应能力，是基于CAS理论的战争复杂性研究的基础内容之一。面对战争系统中复杂动态的环境，传统的监督学习方法不能很好满足智能Agent实时学习的要求。而强化学习却可以很好的适应这种动态未知的环境。文章引入强化学习技术对战争系统中指挥控制Agent的适应性进行建模仿真研究。实验结果表明强化学习技术能很好的满足指挥控制Agent无师在线实时学习的要求，从而为战争模拟系统中的智能Agent的适应性机制提供良好的建模手段。     

基于HLA的智能Agent仿真环境研究

智能Agent建模方法是一种描述复杂现象、研究复杂系统、实现复杂自适应性计算的有效手段。高层体系结构(HLA)为复杂大系统建模与仿真提供了公共的技术支撑框架，但HLA／RTI提供的数据交换方式不能充分满足Agent之间的通信需求。研究了基于HLA的智能Agent仿真环境，通过HLA／RTI与知识共享和操作语言(KQML)的集成，实现智能Agent之间的通信和合作，并通过实验验证了该环境的可行性。