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。     

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。     

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。     

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。     

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。     

指挥实体任务规划建模研究

建立了指挥实体任务规划的概念模型，分析了任务规划中指挥实体的思维过程，提出了与这一思维过程相适应的，案例和规则相结合的任务规划方法，对该方法中的知识袁示，案例检索和知识推理等内容分别进行了深入、细致地研究，建立了任务规划流程和任务规划下仿真运行流程。仿真应用结果表明，该任务规划方法适合仿真应用。     

神经网络专家系统——基本理论与实现

AI的引入使计算机科学取得了惊人的成就,而作为AI最活跃的分支——专家系统的迅速发展和成功应用使AI从学科研究走向实际应用取得了重大突破。然而,专家系统的发展遇到知识获取“瓶颈”、“窄台阶”等因难以及现代数字计算机固有的缺陷,使其支持能力受到极大的限制,亟待开拓新的途径和方法。最新发展的以非线性大规模连续时间模拟并行分布处理为主流的神经网络理论为AI和专家系统的发展开辟了崭新的途径。基于神经网络非线性信息处理基本原理,本文系统地研究并论述了神经网络专家系统理论与基本框架;提出了知识的神经网络表示、知识获取的自适应学习训练、知识的自适应并行联想推理、模糊推理等方法。神经网络专家系统理论的发展和应用必将为AI、计算机科学和信息科学带来历史性的突破。     

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。     

基于诊断知识的多种推理范式集成与推理控制策略

本文结合锅炉系统面向对象的广义故障树知识表示方法,论述了故障诊断推理控制策略和推理机制,给出了基于框架、规则、模型与过程的推理范式及其混合诊断推理模型,提出了基于诊断知识的多种推理范式集成与控制方法。     

基于本体的无人系统任务规划研究综述

作战知识是提高无人系统的自主作战能力的重要因素。如何系统规范地存储和表示作战知识, 使无人系统能够根据高层任务指令, 自主完成任务规划, 并基于不断更新的战场知识进行重规划和智能决策, 是一个新的研究领域。首先, 通过对任务规划领域概念、规划方法和知识表示方法的梳理, 提出了基于本体的任务规划框架。然后, 总结了本体在机器人、无人系统、军事任务规划等领域的应用情况, 分析了当前研究的特点和不足, 并提出了该领域的重要研究方向。最后, 针对构建无人系统任务规划本体时应遵循的原则和需要关注的关键能力指标进行了论述。     

基于知识的产品开发集成系统研究与应用

研究了基于知识的产品开发集成系统的关键技术、应用架构、技术开发与应用实现等方面的内容，提出了基于知识的产品开发集成系统体系结构，原型系统功能构架体系结构，产品开发流程描述，在研究分析设计知识定义及基于“规则 实例”的包括加权频率属性约简等算法的推理机制的基础上，构建知识库系统，进行基于知识的产品开发集成系统集成平台的开发与应用实现，实现的原型系统具有机械设计和电子设计集成智能辅助功能。     

BOM-based design knowledge representation and reasoning for collaborative product development

Modern product development becomes increasingly collaborative and integrated, which raises the need for effectively and efficiently sharing and re-using design knowledge in a distributed and collaborative environment. To address this need, a framework is developed in this research to support design knowledge representation, retrieval, reasoning and fusion, which takes account of structural, functional and behavioral data, various design attributes and knowledge reasoning cases. Specifically, a multi-level knowledge representation based on the Base Object Model (BOM) is proposed to enable knowledge sharing using Web services technologies. On this basis, a multi-level knowledge reuse method is developed to support the retrieval, matching and assembly of knowledge records. Due to the tree structure of BOM, both depth-first and breadth-first searching strategies are employed in the retrieval algorithm while a novel measure is proposed to evaluate similarity. Moreover, a method based on the D-S evidence theory is developed to enable knowledge fusion and thus support effective decision-making. The framework has been implemented and integrated into an HLA-based simulation platform on which the development of a missile simulation example is conducted. It is demonstrated in the case study that the proposed framework and methods are useful and effective for design knowledge representation and reuse.     

海战模拟中舰艇战术决策系统的研究

在基于模糊推理的舰艇指控系统的研究过程中，以战术决策为核心构造了一个模糊专家系统的框架，提出一种改进的模糊推理算法。它可以简化推理过程，但是不改变推理的结果。同时我们采用三维仿真与二维仿真相结合的方式，对单舰对多舰的作战情形进行了局部和全局的战场态势模拟。     

证据网络模型及其推理算法

本文在证据理论与图模型研究的基础上,针对不确定性与关联性相结合的系统建模问题,提出并建立了证据网络模型,定义了证据网络的参数,总结了证据网络的建模特点;分析了证据网络模型的推理问题,建立了其推理策略和推理过程,推导出其正向推理算法和反向推理算法,并通过示例进行了计算验证;证据网络模型将为管理决策分析、系统工程管理等领域的问题分析和求解提供一种有效的技术方法支持.     

基于能力的C~4ISR通信领域上下文本体建模方法

上下文信息建模及推理是业务智能化的关键.针对C~4ISR通信领域的智能化,研究了军事通信领域上下文本体建模及推理问题.在基于C~4ISR能力需求分析的基础上提出了一种通信领域上下文本体构建方法.该方法首先给出C~4ISR通信领域元本体的概念、关联、规则等,然后通过对完成使命任务相关的活动分析来驱动C~4ISR通信领域上下文本体的建模,并利用本体自动推理工具完成了上下文推理,最后以一个案例说明该方法的可行性.     

海战场C4ISR系统的服务自动组合方法

针对C⁴ISR系统中服务人工智能(artificial intelligence, AI)规划组合存在的服务数量大、不能处理服务执行过程中动态产生的新个体、业务流程和服务质量不确定等问题,提出了一种基于离散事件演算和马尔可夫逻辑网(discrete event calculus Markov logic network, DEC-MLN)的服务自动组合方法。首先给出了面向服务的海战场C⁴ISR系统的流程图,用对事件演算进行拓展形成的DEC-MLN对服务的输入、输出、前提条件和执行效果及基本服务流程进行建模,用MLN的权重刻画组合过程中业务流程和服务质量的不确定性。接着提出了一种基于模板的服务自动组合框架,并给出了溯因DEC规划方法。所提方法克服了基于传统AI规划组合方法限于顺序组合的问题;且DEC-MLN的谓词规模较小,提高了服务组合效率;DEC-MLN在处理不确定性的基础上又能解除封闭世界假说的限制,可以处理组合执行过程中新增个体,增加了组合的动态性。最后用实例验证了所提方法的可行性与有效性。     

基于辩论的群体研讨建模与决策方法

研讨是支持群体共同求解复杂决策问题的有效工具, 其本质上是一种多人间的逻辑思辨与推理的过程. 本文借鉴人工智能领域中的辩论理论, 提出了一种基于辩论的群体研讨模型与决策方法. 首先对比分析了一般研讨流程与辩论过程, 揭示了群体研讨决策和辩论过程在机制和目的上的相似性; 然后引入Dung的抽象辩论框架, 建立了基于辩论的群体研讨系统框架, 并探讨了论据状态的推理机制和论据强度的概念, 并给出了几种典型的决策规则. 最后结合一个软启动产品设计方案优选案例对本文研究进行了验证, 结果表明, 采用基于辩论的群体研讨和决策方法有助于从认知角度来分析决策者的行为动机, 可用于解释决策者偏好形成或直接用于决策, 从而提高决策的科学性与有效性.     

基于案例学习和目标驱动学习的观点生成框架

群体观点生成是观点评价和群体一致性意见达成的基础．本文提出基于案例学习和目标驱动学习的观点生成框架,将人工智能技术集成入群体决策支持系统中,通过动态问题分解过程、多案例经验学习过程、主动的目标驱动学习过程的协调运作,既支持初始观点生成,又支持观点的修改与扩充．本文采用描述性智能辅助技术,使得观点生成的智能辅助方法不仅易实现,而且具有高度的灵活性和适应性．