虚拟环境下基于Agent的坦克车长决策模型分析

Agent技术起源于人工智能领域,是目前人们研究的热点问题。首先对Agent技术的发展、特点以及决策模型进行了阐述,然后提出了基于Agent的坦克车长智能决策模型,分析了在虚拟的战场环境下,车长根据某些作战规则做出决策,采取相应动作的过程,最后,例举了一个运用VC 语言实现的实例,介绍了车长发现目标、做出决策、击毁目标的过程。该模型的分析对仿真演练系统具有很大的实用价值和意义。     

试论作战模拟中的有关量化问题

利用电子计算机模拟作战与一般的工程计算不同,它除了象工程计算一样根据数学模型进行演算外,还对一些作战规则进行描述,特别要求能对一些“模糊”语言进行描述。例如,指挥员命令下属“动作快一点”或要求射手在“有利时机开火”等,都是模糊语言。计算机如何接受这些模糊语言?并对作战行动快慢进行描述,这就提出量化的问题。     

编队对地攻击不完备信息粗决策及可靠性分析

针对编队协同对地攻击特点,建立了编队协同对地攻击指挥决策信息系统。基于粗糙集理论,对不完备信息条件下的决策信息系统,分别讨论了由于数据对象缺失和由于条件属性值缺失造成的不完备信息决策系统的决策规则提取方法,并对提取的决策规则进行可靠性分析,给出不完备信息条件下提取的各决策规则的可靠度,为作战指挥决策提供依据。     

基于多阶段多指标的编队干扰方案协同决策研究

在现有装备的基础上,为合理地选择各个阶段的干扰方案以达到最佳效果,将编队干扰方案决策问题看作一个多阶段多指标系统,依据系统协同原理,定义了协同度概念,将模糊优选理论与动态规划原理相结合,提出一种能够有效求解多阶段多指标问题协同决策的方法。将该方法运用于编队干扰方案决策中,建立了全程决策数学模型。在给定的战术想定情况下,对求解过程进行了分析,为能够实时准确地得到各种作战态势下的最优决策,编程设计了基于GUI的干扰方案决策系统操作界面,通过仿真分析了不同指标权值下协同度对决策结果的影响。     

基于Recognition-Primed Decision模型的多智能体作战仿真(英文)

自然决策方法应用到多智能体协作决策是人工智能研究的热点问题,而作战仿真中的协作决策问题是多智能体协作决策重要的应用领域。为了建立作战仿真中的协作决策模型,将模糊集、模糊规则引入Klein提出的RPD模型中对战场环境中的不确定性信息进行处理,并建立了基于RPD模型的作战仿真多智能体体系。仿真结果表明内核为RPD模型的兵力主体能够对战场环境自主反应,并能够进行协作决策来协调统一团队的行为。     

基于判别矩阵的潜艇作战态势认知决策建模方法

潜艇作战具备复杂环境中的动态博弈对抗特点,作战人员的态势认知与决策行为对潜艇作战效能有着重要影响。针对潜艇交战级作战实验中的态势认知决策建模难题,在分析态势认知决策过程的基础上提炼表征变量集合,提出基于判别矩阵的潜艇作战态势认知决策建模方法,并以某型潜艇交战级对抗为例研究给定想定条件下的态势认知决策过程,验证了方法的可行性和有效性。建立的模型能够有效刻画作战人员认知决策过程,支持潜艇作战实验中的交战机理和制胜机理研究。     

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。     

试论作战决策中的人机结合问题

首先讨论了人的各种思维形式在作战决策中的作用、计算机模拟人的思维的能力和作战决策高度自动化的局限性．继而根据人和机器的工作特点,探讨了如何在指挥自动化条件下将决策科学与指挥艺术相结合,形成人机最佳结合的问题.     

与特征选取和离散化集成的决策规则挖掘方法

利用粗糙集理论可以从已知数据中挖掘决策规则 .对于连续取值的特征属性必须先对其离散化 .从给定的特征属性集合中去除冗余的特征属性 ,选取有用的属性子集有助于简化决策规则 .我们利用基于信息熵的规则不确定性量度函数构造了一个决策规则挖掘的遗传算法 ,将规则挖掘与特征选取和连续属性的离散化集成在一起 .实验结果说明了这种方法的有效性.     

基于Agent组织的作战模拟

基于Agent的建模方法是一种自底向上、综合的建模方法，是通过微观细节和规则研究宏观现象和模式的独特的研究方法，是一种研究复杂适应系统十分有效的工具。把作战系统视为一个复杂适应系统，将Agent组织理论应用于作战模拟，通过Agent在底层的交互作用来研究作战系统的涌现行为。在建模过程中，主要从作战单元Agent组织的角色的定义、静态结构建模和动态行为建模三个方面对作战系统进行建模。其研究结果表明基于Agent组织的作战模拟有助于揭示作战行为的本质特征和演化规律。     

作战行动序列核心本体建模及其推理方法

为了解决作战计划数据、信息、知识的一致性理解与互操作等问题,使其表示、生成和检验在一致的语义下进行,提出了作战计划本体的构建方法,详细阐述了通用本体、性能度量本体、效能度量本体、行动本体、行动序列本体和偏好本体等6类核心本体的建模过程,规范了作战计划领域共享概念的形式化描述。基于核心本体建立了自动分类、行动-状态组合以及行动序列优选等3项推理规则,并结合反叛乱行动计划分析了该推理规则能够有效提升计划生成效率,为面向决策的智能化作战行动过程动态生成与检验奠定了基础。     

生产能力约束下的价格竞争与柔性进入决策研究

针对现有文献的缺陷,在给定生产能力的条件下,建立一个进入者决策的两阶段模型:第一阶段进入者进行柔性进入决策;第二阶段与在位者进行价格竞争.应用实物期权方法研究进入者的进入决策,给出柔性条件下的进入决策规则.结果表明,较高(低)的进入投资成本、风险较大(小)的市场和较高(低)的在位者生产能力将使得进入者推迟(提前)进入.     

基于多智能体强化学习的大规模无人机集群对抗

攻击成本低、体系生存率高且具备细粒度灵活作战能力的无人机集群作战未来将成为重要的战争形态.高效而适应性地对无人机集群进行细粒度任务规划,对提高集群作战效能具有重要意义.多智能体强化学习在解决群体序列决策任务时存在维度灾难及组合爆炸,多适用于小规模场景.将对抗环境中的无人机集群任务规划问题建模为马尔可夫博弈问题,基于平均...     

一种交通信号自学习控制方法及仿真实现

将模糊理论和机器学习应用到交通信号控制过程中，提出了一种基于遗传算法的单路口交通信号模糊控制方法。通过对到达车辆数目的模糊分类，将不同车辆数目到达情况下的信号控制决策方案以规则集的形式存储在知识库中，在交通信号控制过程中使用遗传算法对规则集进行改进。编制该控制方法的仿真程序，对该方法的控制效果与定时控制和感应控制进行了模拟比较，仿真实验的结果说明该方法的控制效果明显优于传统控制方式。     

一种聚类神经网络初始聚类中心的确定方法

在基于聚类神经网络提取模糊规则方法中,其初始聚类数及聚类中心往往是事先给定的,这样会给规则提取带来一定的盲目性,并影响神经网络的学习时间和聚类效果。本文提出了一种根据测量数据集自动确定聚类神经网络初始聚类中心的方法,该方法可客观地确定聚类数和初始聚类中心,能够有效地缩短神经网络的学习时间。     

基于边权拓扑的作战体系演化生长模型

为探寻信息化时代的战争规律,对使用兰彻斯特方程集判定各项作战能力指标的方法进行补充.初步探讨将复杂网络理论引入信息化作战体系的研究,在分析作战体系关键特征的基础上,将各作战单元间的关系进行数学抽象,使用加权的拓扑模型动态模拟其演化生长,得到与实际数据相符的作战体系边权演化模型.仿真实验得到的结论是,作战体系具有幂律性质所反映出的自相似性,具有一种分形结构.并将加权网络的同步能力引申为体系作战能力,应用于辅助作战分析决策,取得了良好效果.     

基于战争能量的作战模拟模型

将电磁理论引入到作战模拟当中，创建了一个基于战争能量的作战模拟模型。该模型可以直观地描述战斗力的一些要素在排兵布势阶段所发挥的作用，能够较好地模拟一些现有模型难以直接描述的现象，为作战模拟提出了新的方法和思路。     

基于粗糙集与证据理论的决策规则合成方法

如何根据规则进行决策是决策规则应用必须解决的核心问题之一。针对该问题,提出了一种决策规则的合成方法,为根据多条规则进行决策提供了崭新的思路。首先,获取规则,计算支持度、信度等信息;然后,将规则信度转换为可信度分配,综合属性重要性和规则支持度两方面因素,计算可信度分配的权重;最后,运用证据理论对可信度分配进行合成。实验表明,规则合成方法能够对决策规则,尤其是冲突规则进行有效合成,得出可靠的决策。     

无人战斗机态势评估变精度粗集决策方法

为了解决在态势评估中一般粗糙集决策方法仅对规则进行提取而不完成规则匹配的问题,提出了基于加权相似性度量的无人战斗机（unmanned combat aerial vehicle, UCAV）态势评估的变精度粗集决策方法。建立了UCAV态势评估决策信息系统模型,基于正确分类率β的确定原则,给出了β值的确定方法,在该β值下从决策模型中提取出了决策规则。提出了基于互信息度的属性相对重要度计算方法,并依据相对重要度给出了属性的客观权重,结合专家经验形成了属性的综合权重。提出了基于属性综合权重的加权相似性度量方法,通过比较当前对象与决策信息系统中所有对象的相似程度给出决策结果,完成对该对象作战意图的预测。结果表明,该方法有利于UCAV对对象作战意图的预测和判断。     

基于预定指挥规则的指挥决策模型研究

针对战役级作战仿真对指挥决策模型的需求,提出了一种新的指挥决策建模方法—基于预定指挥规则的指挥决策建模方法。阐述了该方法的建模原理,设计了预定指挥规则的体系、数据结构以及决策推理机制,建立了预定指挥规则管理系统和基于预定指挥规则的指挥决策模型。该建模方法能实现指挥机构结构、性能、功能仿真;真正实现了指挥决策模型的重用;具有很好的开放性和交互性。