基于遗传模糊系统的兵棋推演关键点推理方法

近年来,基于人工智能技术的自动化作战推演越发受到重视,但是由于有效地采集作战推演数据难度较大,许多依赖数据学习的人工智能技术效果不佳。在结合专家知识和作战推演数据的基础上研究作战推演中的人工智能技术,是一种可行的替代方案。为此,立足兵棋推演设计了关键点推理遗传模糊系统(genetic fuzzy system, GFS)框架,有效整合了对兵棋专家知识的建模和对兵棋复盘数据的学习,从而提高了关键点的推理质量。进一步以安全点为例,构建了安全点推理GFS,在初始化模糊系统规则库的基础上,通过合理设计遗传算法中的参数编码、适应度函数、遗传算子等,实现了安全点推理模糊系统的遗传调优算法。最后,通过实验仿真展示了所提方法的可行性和实用性。     

知识牵引与数据驱动的兵棋AI设计及关键技术

在分析知识推理型与数据学习型兵棋人工智能(artifical intelligence, AI)优缺点的基础上, 提出了基于知识牵引与数据驱动的AI设计框架。针对框架中涉及的基于数据补全的战场态势感知，基于遗传模糊系统的关键点推理，基于层次任务网的任务规划、计划修复与重规划，基于深度强化学习的算子动作策略优化等关键技术进行深入探讨。结果表明，所提框架具有较强的适应性, 不仅能够满足分队、群队、人机混合等兵棋推演的应用需求, 而且适用于解决一般回合制或即时策略性的博弈对抗问题。     

广域六角格兵棋地图构建方法与机动推演应用

兵棋推演是预演战争、模拟作战的科学方法，全球化趋势对兵棋推演的推演范围和灵活程度提出了更高要求。采用六边形全球离散格网系统建立广域多尺度兵棋地图，并在推演案例中检验了其作用。首先，提出栅格及矢量数据六角格量化方法；其次，建立环境要素与作战要素联合作用的部队机动时间效能模型，设计了最优路径规划算法；最后，构建兵棋地图，并以部队海陆两栖机动推演为例加以验证。实验结果表明，六边形全球离散格网系统兼具数据建模和分析计算功能，既可被用于构建海陆广域多尺度兵棋地图，又可作为作战推演的统一计算框架，弥补了传统兵棋地图空间范围受限、尺度变换不灵活的缺陷，具有较好的应用前景。     

群队级兵棋实体智能行为决策方法研究

计算机兵棋能够对敌对双方或多方的军事行动进行模拟, 为军事智能决策的研究提供贴近真实战争的决策背景和试验环境。随着被控制棋子类型和数量增加, 这些作战实体的行为决策控制将面临巨大的挑战。本文提出了知识与数据互补的兵棋行为决策算法, 针对较多作战实体(50个左右)的群队级兵棋, 提出了按实体类型分组决策、作战目标指引、位置评估指标并行计算等方法, 设计了群队级兵棋人工智能(artificial intelligence, AI)技术框架, 并实现了一个群队级兵棋AI。该兵棋AI将知识、数据和学习融为一体, 具有设计简单、迁移能力强、决策灵活等优点。     

面向兵棋系统的卫星导航对抗行动推演模型研究

随着信息化作战体系对天基时空基准的依赖逐渐增强，卫星导航对抗快速发展为夺取天基定位、导航和授时信息优势的主要作战行动。以构建卫星导航对抗行动推演模型为目标，在分析相关研究现状的基础上，设计了导航信息环境计算模型和导航对抗行动仿真模型，探索了兵棋系统导航信息环境可视化和高分辨率仿真计算模型代替低分辨率概率效果模型的实现途径，支撑了在天基导航信息支援下的战前筹划和战时评估，实现了导航对抗行动的兵棋推演。     

营区突发事件应急保障方案仿真推演评估方法

针对当前营区应对复杂突发事件情景下的应急指挥管理能力薄弱、应急方案效能难以量化评估决策的问题, 提出了基于兵棋的营区突发事件应急保障方案的仿真推演评估方法。结合营区应急作战特点和兵棋要素技术, 建立基于“情景-应对”应急模式的营区突发事件机理形式化描述, 采用案例推理方法将当前突发事件情景与历史案例库进行相似度对比分析, 构建一套适合突发事件快速响应生成应急方案的方法。以H营区油料库及核燃料库遭敌特偷袭引发的突发事件为想定背景, 采用兵棋方法开展对营区应急保障行动方案的仿真推演与效能评估, 验证了突发事件应急方案快速评估方法的可行性, 可为营区非常规突发事件应急决策提供重要的支持。     

计算机兵棋推演系统公共数据的建模与VV＆C研究

计算机兵棋推演系统涉及作战要素多,建模涵盖范围广,使得公共数据的建模与VV＆C基础工作难度增大。在具体的工程实践中,通过对系统所需的公共数据进行分类与抽象,建立了数据结构模型与级联关系,开发了多种形式数据录入和基于数据规则引擎驱动的一致性数据校验软件,最后探讨了数据VV＆C过程。试验和应用表明,公共数据模型有效、质量较高,对计算机兵棋推演系统模型的构建及其原型系统的运行起到了很好的支撑作用。     

Actor-Critic框架下的多智能体决策方法及其在兵棋上的应用

将人工智能应用于兵棋推演的智能战术兵棋正逐年发展, 基于Actor-Critic框架的决策方法可以实现智能战术兵棋的战术行动动态决策。但若Critic网络只对单算子进行评价, 多算子之间的网络没有协同, 本方算子之间各自行动决策会不够智能。针对上述方法的不足, 提出了一种基于强化学习并结合规则的多智能体决策方法, 以提升兵棋推演的智能水平。侧重采用强化学习对多算子的行动决策进行决策分析, 并结合产生式规则对战术决策进行规划。构建基于Actor-Critic框架的多算子分布执行集中训练的行动决策模型, 对比每个算子互不交流的封闭式行动决策学习方法, 提出的分布执行集中训练方法更具优势且有效。     

基于卷积神经网络的陆战兵棋战术机动策略学习

针对从“人在回路”兵棋推演的复盘数据中提取推演者战术经验高价值知识的问题,提出一种基于深度神经网络从复盘数据中学习战术机动策略模型的方法。将战术机动策略建模为在当前态势特征影响下对目标候选位置进行优选的分类问题：梳理总结影响推演者决策的关键认知因素,定义了由机动范围和观察范围等7个属性构成的基础态势特征,建立了带有正负样本标注的态势特征数据集;设计了基于卷积神经网络的分类器,以分类概率实现了单个棋子战术机动终点位置的预测。实验结果表明：该模型的预测准确率可达到78.96%,相比其他模型提高至少4.59%。     

兵棋系统中基于GA的进攻战斗火力分配研究

火力分配是有效发挥兵棋中参战单位整体作战效能的决定性问题,依照兵棋的规则和进攻战斗的特点,结合经验数据规则和运筹分析方法,建立了兵棋中进攻战斗的火力分配模型。针对进攻战斗火力分配优化问题,给出了基于遗传算法的全局最优解模型求解方法和步骤。实例分析证实该方法能解决模型假设条件下兵棋中进攻战斗的火力分配问题并取得良好的战斗效果,可为兵棋推演和计算机生成兵力(CGF)仿真提供参考,对演习和实战中指挥员的决策具有重要意义。     

空战决策知识构建方法研究

针对战训数据丰富, 数据背后空战决策知识贫乏的问题, 提出了一种空战决策知识构建方法。首先, 根据空战决策影响因素来分析决策知识的生成过程, 选择用产生式规则来表示空战决策知识。其次, 针对战训数据存在噪声数据干扰以及连续属性数据难以满足数据挖掘算法离散度量要求的问题, 应用了k-means聚类算法来检测离群点并使用最小描述长度准则算法将连续属性离散化。最后, 基于预处理后数据, 采用粗糙集提取空战最小决策规则知识, 通过构建模糊逻辑推理系统实现空战决策知识的推理与应用。仿真表明, 该方法能够有效地提取空战决策规则知识以及知识的推理与应用。     

基于HLA的作战模拟系统一体化设计与实现

为了提高现有作战模拟系统的互操作性、可重用性与可扩展性,完善作战模拟系统的一体化建设,首先,分析了一体化系统建设的主要任务,归纳了其主要涉及的四类十一项关键技术。其次,重点阐述了如何利用HLA仿真技术框架来搭建海军诸兵种一体化作战模拟系统的体系结构,并详细描述了系统间信息交换协议的设计思路,定义了一个对象类、七个交互类及路径空间。最后,给出了系统仿真实现的流程图及其时钟推进机制,并用一个仿真实例验证了设计的可行性。

Abstract：

The research is to improve the interoperability,reusability and extensibility of the existing wargame simulation systems,and to construct an integrated wargame simulation system. Firstly,the main tasks of the research were defined and eleven key technologies in four categories were introduced. Secondly,it was described how to set up an architecture for the Navy arms wargame simulation system based on HLA （High Level Architecture） simulation framework. Also,the design ideas of the information exchange protocol of the system were elaborated,including definitions of object class,interaction class and routing space. At the end,a flow chart and advancing time mechanism were given. The feasibility of design has been verified with an instance.     

基于遗传算法的模糊规则自动生成

模糊控制是人工智能的一重要研究领域,已在家电和工业控制中得到重视和应用。模糊规则自动生成是模糊控制的关键性技术之一。将介绍模糊控制的原理,提出了基于遗传算法的模糊规则自动生成算法,并说明其特点。     

基于遗传模糊树的海空对抗无人机智能决策模型

随着人工智能技术的应用领域不断扩大, 无人机(unmanned aerial vehicle, UAV)的自主智能化发展成为目前军事领域的研究热点。其中, UAV的武器智能决策能力是其面临舰艇编队剧烈火力打击时能否顺利完成对海侦察任务的关键条件。针对这一军事应用难点, 利用改进的遗传模糊树构建UAV武器智能决策模型, 以此实现UAV的智能武器决策: 通过设计三模糊子集参数编码法改进参数编码方式, 克服了无效编码导致的系统紊乱; 采用单、组合场景结合的训练方法改进种群训练方式, 提高了决策模型在多样化实战中的适应性。仿真结果表明，所提武器智能决策模型具有较好的有效性和灵活性。     

双向循环进化的实体链接及知识推理框架

为体系化、智能化提升自然语言处理中实体链接任务的准确率, 同时解决图谱噪声混杂、关系稀疏等问题, 基于第三代人工智能知识&数据双轮驱动思想提出一种双向循环进化的实体链接与知识推理框架。基于知识图谱下的实体链接技术设计正向进化模块, 基于知识推理与元学习等技术设计反向进化模块, 多次循环双向控制过程实现两任务在弱监督下自我迭代和智能升级。实验表明, 在模块化设计加持下, 该框架可从特定领域文本习得特定领域知识, 并实现快速增量更新, 有效提升实体链接、知识推理效率; 同时兼具开放性, 为各业务领域小样本下文本分析能力的迭代升级提供新方法。