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。     

一个基于人工势场的战场态势分析模型

在基于Agent建模仿真方法的战争复杂性研究过程中,为了解决高层指挥控制Agent对军事态势自主分析判断能力的问题,引入了高等物理学中电势场的基本原理来对战场态势分析进行建模——并取名为人工势场。文中介绍了人工势场模型构建的基本原理,结合工程实践详细讨论了该模型在理论和工程实现上的一些基本问题,最后给出了基于该模型的几个简单的分析测试实例。仿真实验证明该模型用于高层指挥控制Agent的实时军事态势分析是可行的。     

国际政治生态演化模型框架研究

国际政治生态系统是基于Agent的虚拟全球战争空间的一个重要组成部分，主要用来描述在危机形势下国家行为的演化，为信息化战争研究提供更多的辅助与支撑。介绍了政治系统复杂性及政治模拟研究的情况，阐明了国际政治生态系统的概念与功能，并在此基础上设计了国际政治生态演化模型框架。     

带指挥控制的陆战模型的仿真及分析

给出了一个以复杂适应系统理论为理论基础，采用Agent建模方法，并在Swarm仿真平台上实现的带指挥控制的陆战模型的仿真及分析，仿真及分析结果表明该模型可以反映指挥控制作用下的地面战斗演化进程，初步具备了模拟兰彻斯特方程的能力。这种方法为研究战争领域问题提供了全新的思路。