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。     

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。     

多域作战下的群目标意图识别与预测

多域作战具有实体多类、队形多变、意图多样等诸多挑战,难以综合利用多元知识,因而主要依靠人工判决,以至于自动化水平不高。为了实现计算机自动推演态势,需要解决知识的图形化建模和意图推理综合两大难题。对此,在空海域管控知识图谱的基础上,搭建了多域作战战术规则库、编队队形与场景态势的映射关系,提出了基于多实体分层贝叶斯网络的群目标意图识别与预测方法。首先,运用群内目标实体的状态和事件信息,构建目标作战实体行为推理层。其次,利用综合作战实体的时序规则、双方相对距离及航向等信息,构建同类目标元意图推理层。最后,利用实体序列协作关系及编队队形信息,构建多域作战下的群目标总意图推理层。以航母群活动仿真数据为例,验证了所提算法能够获得较为可靠的意图推理结果。     

基于Agent的网络化防空导弹体系仿真分析

网络化防空导弹体系是未来防空导弹作战体系的发展趋势。作为一个全新的复杂作战体系,采用基于Agent的建模仿真(Agent-based modeling and simulation, ABMS)方法进行仿真分析是支持其论证工作的有效途径。以分布式无中心节点网络化结构为基础,分析了该体系的结构和新型作战特点;设计了基于Agent的网络化防空导弹体系仿真框架,包括仿真实体类型及关系、实体交互框架、Agent内部结构以及行为规则;通过一个作战想定,详细分析了网络化结构下防空导弹体系的信息优势、决策优势和作战优势,并在相关方面提出建议。     

基于时序图的作战指挥行为知识表示学习方法

为深入探索时序作战指挥行为知识的建模方法,实现对具有时序关联特征的指挥员作战指挥行为的有效表征,以兵棋推演作战指令为基础,提出一种基于时序图的作战指挥行为知识表示学习方法,对作战指挥行为进行知识表示学习,并通过作战指挥行为预测任务验证模型的有效性。实验结果表明,提出的方法对于评估指标提升较大,能够有效捕捉想定场景下联合作战指挥员的作战指挥行为时空特征,为时序作战指挥行为知识的表示学习提供了可行范例,为联合作战指挥员的指挥经验抽取和联合作战态势认知提供基础。     

基于时序图的作战指挥行为知识表示学习方法

为深入探索时序作战指挥行为知识的建模方法,实现对具有时序关联特征的指挥员作战指挥行为的有效表征,以兵棋推演作战指令为基础,提出一种基于时序图的作战指挥行为知识表示学习方法,对作战指挥行为进行知识表示学习,并通过作战指挥行为预测任务验证模型的有效性。实验结果表明,提出的方法对于评估指标提升较大,能够有效捕捉想定场景下联合作战指挥员的作战指挥行为时空特征,为时序作战指挥行为知识的表示学习提供了可行范例,为联合作战指挥员的指挥经验抽取和联合作战态势认知提供基础。     

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。     

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。     

基于进程的Agent体系仿真模型框架

在体系对抗仿真中,如何表示作战实体的决策行为是一个难点。进程交互仿真方法由于其面向实体描述,可以给出针对特定实体的完整行为序列,不需要建立大量关联关系复杂的事件例程和活动例程,易于描述实体完整的生命周期,因此采用进程交互仿真可以大大减少Agent复杂行为表示的难度,可以为Agent行为提供一种更加自然的表示方法,大大增加Agent行为建模的效率。本文分析了基于进程的Agent仿真调度策略,提出了基于进程的体系仿真模型框架和体系仿真模型调度过程,并针对作战实体的决策行为讨论了作战实体的决策行为原语和行为组合进程。     

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...     

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。     

基于仿真的防空导弹综合故障诊断专家系统设计

研究了某新型地空导弹的故障智能诊断问题,针对故障诊断知识获取的"瓶颈",提出了一种利用计算机仿真技术与人工智能技术相结合的方案,来组建针对某型导弹故障智能诊断专家系统,利用武器系统的功能模型,通过设置系统可能出现的故障,进行故障仿真,并获取故障数据信息。然后对数据进行分析变换,提取故障诊断所需知识。系统中采用了多种推理方法结合的集成推理策略,可以有效提高故障诊断的可靠性。系统在模拟诊断实验中,诊断结果成功率达百分之百。系统为新型武器装备的故障智能诊断研究,提出了一个新的发展方向。     

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%。     

智能化经济决策支持系统IEDSS

一、引言 智能化经济决策支持系统(IEDSS)是在国家科委大别山地区科技扶贫方针指引下,地区政府与华中理工大学联合研制的计算机辅助决策工具。旨在制定中长期发展战略规划——十年规划和“八·五”计划,跟踪监控其实施,并据以采取适应的调整措施以确保区域经济在持续、稳定、协调发展总趋势下的加速增长,通过科技长入经济,导致结构优化。它是具有人工智能的计算机软件系统和此软件系统赖以工作的计算机及其外围设备等硬件系统的总称。该系统与决策者、环境(各该地区)和这种背景条件所产生的决策任务所组成的结构体系作为一个整体,称决策系统(图1)。决策支持     

基于游戏引擎的人类行为建模与仿真

为了集中精力研究人类的行为,如何快速、高效地开发针对行为模型的仿真应用是当前的工作重点.基于UT游戏引擎构造逼真的3D虚拟环境,并利用Soar智能引擎进行人类行为建模则可以快速、高效地实现仿真应用,提高开发效率.首先,研究和选取了适合于仿真开发的UT游戏引擎:而后,基于此引擎设计了系统的总体结构,并修改引擎以满足仿真开发的需要:其次,利用一个简单的想定对可视化、实体模型和基于Soar的智能行为的实现进行了详细阐述:最后,讨论了采用该方法的优缺点,并给出了进一步的研究方向.     

自学习智能决策支持系统

提出了一种基于神经网络与专家系统的自学习智能决策支持系统,使得智能决策支持系统能够对过去的经验进行学习。在无人作战飞机系统的应用表明,智能决策支持系统不仅能够对过去的经验进行学习,并且成功地解决了在规则不完善、战场信息不完全的情况下决策支持系统的推理问题。仿真结果表明,提出的方法显著地提高了智能决策支持系统的性能。