CGF中的人类行为建模研究

CGF（Computer Generatcd Forces）与人在回路的仿真实体相对应,但在战场表现、物理行为甚至战术对抗中的某些职能方面可与人在回路仿真器相媲羹。因此,CGF中必须用计算机程序来模拟人的行为,对人类行为进行建模是CGF中的一个关键问是。本文从模型的开发过程入手,分别针对知识的获取和智能决策两方面对CGF中的人类行为建模进行了研究,并以装甲车为例介绍了CGF中的一种路径规划方法。     

基于多智能体的火灾扑救智能决策方法

提出一种基于多智能体的火灾扑救智能决策方法．利用多智能体获取环境信息对火灾进程进行预测,搜索火点位置并实时跟踪火行为,基于案例推理方法自主地生成火灾扑救决策．仿真实验达到了预期效果,对火灾扑救指挥决策具有参考作用．     

基于遗传神经网络的虚拟履带车辆自主导航

为了解决计算机生成兵力CGF（computer generated forces）实体在虚拟环境中自主导航、进行路径规划的基本问题,以虚拟履带车辆为例,提出了采用神经网络模型对其在三维地形中的自主导航智能行为进行建模.采用遗传算法作为神经网络进行无导师学习的算法,通过仿真实验对模型的可行性和有效性进行验证.遗传神经网络模型经过若干代进化能使虚拟车辆得到较好的行进路径.实验结果证明了模型和算法的正确性.     

一种用于自主学习的虚拟仿真环境

赋予智能体通过与环境交互自主学习的能力是实现下一代人工智能的关键.本文,我们介绍了一种基于虚幻4的虚拟仿真环境,用于训练和测试自主智能体.该环境具有高逼真、可交互、灵活通用的特点,使得智能体能够在其中自由探索,自主学习场景感知、常识推理、决策控制等多项能力.为了验证该环境的可用性,我们用实验演示了如何在虚拟环境中构建自主智能,即利用强化学习方法训练端到端的神经网络实现基于视觉感知的目标搜索和目标追踪任务.     

一种基于智能体的决策支持系统集成模型研究

讨论了基于智能体的决策支持系统框架集成模型．对系统中的领域决策支持功能进行Agent化，把决策支持系统按照相对独立的领域决策支持功能改造成为一个或一组具有自主能力的Agent；采用面向应用框架的集成方法建立多智能体系统，实现决策支持系统在决策支持功能层次上的集成和复用．     

多智能体的竞争合作策略

以RoboCup(机器人世界杯足球锦标赛)中的仿真组作为平台,研究复杂环境中的多智能体的竞争和合作问题。首先通过对手建模的方法,分析对手的弱点或漏洞,并采取相应的策略,可以使智能体团队更加有效地自主决策,使其行动具有高度的针对性和目的性;接着分析多智能体之间的信息共享,通过压缩编码和选择性信息共享提高智能体之间的合作;最后对基于战术的局部合作策略进行分析,通过对战术的设计来实现智能体之间的局部配合,并根据场上局势的变化做出相应的调整。将该方法应用到2004年中国机器人大赛中,取得了冠军的好成绩,证明该方法确实有效。     

基于效用函数的CGF协同任务分配优化研究

针对CGF协同控制优化问题,为解决仅凭招投标结果确定任务分配方案时只能获得局部最优且耗时较长的问题,首先构建了CGF能力向量和子任务要求的能力向量。在此基础上建立了效用函数数学模型。然后以全局效用最大为适应度函数,以反潜直升机协同搜素为背景。应用遗传算法对基于CGF偏好的投标矩阵进行任务分配全局优化。仿真验证表明,所建协同任务分配模型能够实现CGF协同决策优化。而且遗传算法能够很快收敛到全局最优解,有效地解决了舰空协同反潜中对潜搜索的协同任务分配问题。     

迫击炮CGF系统的火力仿真研究

为提高迫击炮分队的训练效果和战斗力,提出了迫击炮计算机生成兵力(Computer Generated Forces,简记为CGF)的火力运用.主要在介绍CGF系统的基础上,提出迫击炮CGF系统火力的仿真技术的开发;探讨了AI技术特别是专家系统在迫击炮CGF系统中的火力仿真应用;通过对迫击炮火力性能中物理行为和认知行为的研究,模拟了炮(班)长在虚拟战场环境中目标探测、目标选择、弹种选择、准备开始诸元、瞄准射击等一系列的动作流程,初步建立了一个迫击炮CGF系统的火力仿真模型.     

航空器智能引导机动决策奖励重塑方法

针对使用深度强化学习进行航空器智能引导研究中存在的飞行轨迹质量差、训练效率低等问题,对应用于机动决策生成的奖励重塑方法进行了研究。首先,构建了航空器引导机动决策生成的深度强化学习模型;其次,从指令连续性和相对姿态两个角度设计了奖励重塑函数,并证明了使用重塑函数前后的策略一致性;最后,在不同类型目的地场景中进行了仿真实验。仿真结果表明,奖励重塑方法对航空器飞行轨迹质量和智能体训练效率有明显的提升。使用本方法快速训练的智能体,可以准确、高效地生成机动决策,引导航空器完成任务。     

支持混合主动交互的USV可变自主系统结构研究

针对混合主动交互的水面无人艇(USV)系统体系结构设计问题,提出一种基于智能体的可变自主系统体系结构模型(MAAF).该模型分为USV可变自主部分、系统用户分析部分以及系统交互推理部分的设计和实现,并采用Agent信念-愿望-意图模型建立系统用户和USV的交互推理过程.最后,利用仿真实验验证,结果表明该系统结构模型满足混合主动交互和分布式与分层式相结合的决策要求,并且合理有效.     

基于二进制粒子群的救援仿真机器人决策

救援仿真机器人系统中的智能体决策过程是在复杂的多任务环境下寻找一组最优的任务率先执行.本文将二进制粒子群优化算法用于救援仿真机器人的决策过程中.通过对救援仿真机器人的任务进行评价,并且使用带惯性的粒子迭代方式产生最优执行方案.经过RoboCup-Rescue仿真系统测试,救援效果得到了提升.     

认知无线网络中基于随机博弈框架的频率分配

为了解决认知无线网络中分布式的动态频率分配问题,采用随机博弈的框架,将认知链路建模成自私理性的智能体,并提出了一种以最大化平均Q函数为目标的多智能体学习算法—MAQ。通过MAQ学习,分布式的智能体可以实现间接的协商而不需要交互Q函数和回报值,因为智能体的决策过程需要考虑其他用户的决策。理论证明了MAQ学习算法的收敛性。仿真结果表明,MAQ算法的吞吐量性能接近中心式的学习算法,但是MAQ只需要较少的信息交互。     

基于动态贝叶斯网络的交通灯自主智能决策

现有交通灯大都采用定时控制,容易造成时间上的浪费甚至是交通堵塞,通过引入动态贝叶斯网络DBN ,分析影响交通灯时间的因素,建立具有星型结构的交通灯自主智能决策模型。该模型能够依据十字路口车辆的动态信息,实时决策交通灯的时间,并通过仿真验证了该模型能够自主决策出最佳的交通灯时间,实现了交通管理的智能化。     

STAGE环境下计算机生成兵力几个问题的探讨

分布式交互仿真中,为了满足对抗性演练等应用的需要,往往需要提供红蓝双方对抗兵力,计算机生成兵力(CGF)具有很好的费效比,STAGE作为一种实时仿真与训练软件,为CGF研究提供了一个很好的研究工具。对STAGE开发环境进行说明后,从CGF的功能出发,介绍了STAGE环境下CGF的应用前景,并引入了导弹攻防对抗CGF的应用实例。     

基于多级决策的多智能体自动导航车调度系统

提出基于多级决策和协作学习的方法来建立自动导航车 ( AGV)调度系统中每个 AGV所需要的动态分布式调度策略 .系统中的每一个 AGV都由一个具有两级决策能力的智能体控制 :在选择级 ,智能体采用 Markov对策框架下的强化学习方法 ,以根据其他 AGV当前的子任务建立自己的最有反应子任务 ;在行动级 ,智能体通过强化学习建立优化的动作策略来完成由选择级确定的子任务 .AGV调度仿真结果证明 ,该方法能提高系统的产量 ,并在零件到达比变化时保持输出产量的稳定     

基于算法集成的调度系统多智能体实现框架

在混合算法研究的基础上,提出了调度系统中算法集成的概念,建立了算法类库。以多智能体系统为实施平台,给出了一种新的具体实现框架。系统中智能体可分为构造型、改进型和决策型三类,且无主控智能体,各智能体间不直接通讯,而是通过共享内存进行合作。描述了单智能体的基本结构。考虑到领域专家知识在调度系统中的重要性,将调度员作为一个特殊的智能体引入调度系统,改善了决策过程。最后分析了系统的特点。     

基于多级决策的多智能化自动导航车调度系统

提出基于多级决策和协作学习的方法来建立自动导航车（AGV）调度系统中每个AGV所需要的动态分布式调度策略。系统中的第一个AGV都由一个具有两级决策能力的智能体控制：在选择级，智能体采用Markov对策框架下的强化学习方法，以根据其他AGV当前的子任务建立自已的最有反应子任务；在行动级，智能体通过强化学习建立优化的动作策略来完成由级选择级确定的子任务。AGV调度仿真结果证明，该方法能提高系统的产量，并在零件到达比变化时保持输出产量的稳定。     

基于情绪认知评价理论和Q-learning的人机交互中情感决策

在情感认知的学习与决策中引入了情绪认知评价理论,提出了基于情绪认知评价理论的人机交互情感决策,对情感行为的选取进行了优化;在情感迷宫模型中,对该决策算法进行了Matlab仿真试验,试验结果表明使用BpQ-learning算法的智能体在寻找目标情感过程中得到的平均奖励值高、试探的次数少,达到了预期的试验目标。     

经济系统代理人的人工神经网络实现方法

讨论经济系统的两个领域———决策系统与简单供求市场的实例时 ,利用Swarm软件平台提供的类库以及面向对象设计的ObjectiveC语言 ,给出了两种基于智能体的人工神经网络仿真方法 ,并应用于经济领域的实例中。仿真结果证明了这种方法的有效性     

基于敌我信息的机器人足球策略设计

机器人足球是一个多智能体系统,决策子系统是机器人足球系统的核心部分.在分析机器人足球决策子系统及角色分配策略的基础上,建立了足球机器人控球能力的表达式,设置了突破敌方防守成功率的评估函数,并设计开发了一种基于敌我信息的机器人足球多智能体协作策略,以更好地掩护我方射手,避障,破坏敌方攻势,增加多智能体的灵活机动性,提高比赛的攻守效率.最后通过仿真比赛证明了该策略的有效性.