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。     

一种基于Agent的构造性虚拟实体的体系结构

构造性实体是虚拟环境中的一类重要的实体。本文对虚拟环境中构造性实体的体系结构进行了研究,分析了现有的构造性实体体系结构所采用的方法及存在的问题。我们提出了一种基于Agent的构造性实体的体系结构。首先构建参数化的基本行为集,通过全局预规划将构造性实体在虚拟环境中的行为规划为基本行为集中元素的序列,态势分析和任务调度单元使得构造性实体具备对环境变化做出实时响应的能力,有效地提高了构造性实体在环境中的行为特性,使得虚拟环境中的构造性实体的行为逼真度得以提高。     

基于多Agent的战场角色仿真建模研究

作战仿真系统模型的复杂性主要来源于战场角色行为和战场环境的复杂性，多Agent系统是解决复杂问题的有效方法。分析作战仿真系统的模型组成和特点，结合自然环境建模，研究了基于多Agent的战场角色建模方法，描述了战场角色Agent所需的组件及其功能。设计了一种面向战场角色建模的通用Agent体系结构，并对战场角色Agent的规划、通信和协作等理论和应用问题进行了研究。     

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。     

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。     

基于HLA的智能Agent仿真环境研究

智能Agent建模方法是一种描述复杂现象、研究复杂系统、实现复杂自适应性计算的有效手段。高层体系结构(HLA)为复杂大系统建模与仿真提供了公共的技术支撑框架，但HLA／RTI提供的数据交换方式不能充分满足Agent之间的通信需求。研究了基于HLA的智能Agent仿真环境，通过HLA／RTI与知识共享和操作语言(KQML)的集成，实现智能Agent之间的通信和合作，并通过实验验证了该环境的可行性。     

虚拟指挥训练环境中受控对象的建模技术研究

虚拟指挥训练环境中的受控对象模型是指挥行为模型的表现载体。针对虚拟指挥环境对受控对象属性的要求,根据集合论的有关原理,基于系统功能提出了受控对象的SMOT模型,定义了模型的分类、结构以及运行机理,分析了受控对象SMOT模型的基本特点和信息传递关系。运用SMOT模型构建了舰船损管指挥虚拟训练系统的受控对象模型,讨论了系统的主要虚拟实体的模型结构和基本属性,给出了系统响应指挥行为的过程和主要虚拟实体之间的信息交互过程。     

基于信息加工理论的指挥决策行为建模研究

分析了指挥决策行为建模在模拟训练、方案推演及指挥信息系统辅助决策功能设计开发等方面的需求。简要回顾了指挥决策行为建模的现状并梳理了建模难点,明确了指挥决策行为建模的目标。从信息加工的视角出发,结合信息加工理论的理论基础和指挥决策的信息特征论证了信息加工理论在指挥决策建模中的适用性。给出了指挥决策信息的分类及指挥决策信息向量描述方式,对指挥决策信息感知、信息综合处理和指控信息生成三个信息加工环节进行了建模,并建立了指挥决策信息加工流程。结合应用情况,对指挥决策信息加工一般过程模型的适用性和局限性进行了分析。     

基于Agent的协同虚拟试验流程管理技术研究

针对分布式虚拟试验流程管理的应用背景,分析了虚拟试验流程的层次划分,结合相关的工作流规范和Agent规范提出了基于Agent的协同流程管理系统框架,包括流程系统与Agent系统之间的映射关系以及多Agent的功能定义等内容;进一步的,阐述了实现框架所涉及的若干关键技术,重点包括基于本体的流程ACL、基于＂块结构＂的流程定义和基于功能Agent的流程引擎等;最后给出了原型系统实例和下一步工作。     

基于Agent技术的人员疏散微观仿真模型研究

从疏散群体中的个体角度研究人员疏散的规律,提出一种基于Agent技术的微观仿真模型.每个个体的运动动作是由战略级、战术级和动作级反应式三级决策体系确定的,其中战略级决策是指宏观上的目标选择和路径规划,战术级决策是指个体速度方向和大小的选择,动作级反应式决策是指个体与其它个体的碰撞检测与消除冲突.同时,在个体速度方向确定时引入反馈机制,从而提高疏散效果.     

基于多主体和前景理论的应急风险决策仿真研究

针对多部门参与的突发事件应急风险决策的建模与仿真问题,提出了一种基于多主体和前景理论的仿真模型及仿真框架。通过引入Agent思想,描述了应急风险决策的多Agent体系结构模型,并对决策主体进行建模;通过引入前景理论思想,着重考虑了随着突发事件的动态演化决策者心理状态变化对决策结果产生的影响。在此基础上,设计并实现了多Agent应急风险决策仿真框架。以石油化工厂火灾应急风险决策为例,验证了仿真模型及框架的有效性和可行性。     

基于改进层次聚类法的指挥控制资源部署

以网络化作战战场资源部署为研究背景,对战术指挥控制资源部署问题进行了描述。以决策实体工作负载的均方根最小为目标函数,建立了指挥控制资源部署问题的数学模型,提出了基于改进层次聚类法的指挥控制资源部署算法。该算法以作战任务-平台资源的分配结果为输入信息,对可部署决策实体数目范围设定、决策实体合并项选择和决策实体能力约束判定进行了改进,着重分析了每一层聚类的N-best备选策略和决策实体合并项选择方法。通过一个作战想定,分别从目标函数值、搜索空间大小两个方面对本算法和其他算法进行了比较。     

基于聚簇的大规模虚拟试验实体分配策略研究

在大规模虚拟试验中,能否为数量众多的试验实体合理指定其所在的宿主机将直接影响系统性能.针对现有实体分配算法大都以线性聚簇策略为主,不适用于大规模松耦合的试验环境,提出了一个较为系统性的细粒度实体分配理论.在网络仿真实时性理论指导下,建立了实体交互图EIG,定义了虚拟试验系统的实体粒度.提出了大规模试验中非线性聚簇的实体划分策略,并证明了细粒度下非线性聚簇要优于线性聚簇.该实体分配理论对实体聚合算法的选取和分配方案的评价都具有指导意义.     

一种基于TENA的应急指挥模拟演练平台架构设计

通过分析应急指挥模拟演练平台现状及发展需求,并结合大多数应急指挥案例场景的共性特点,设计提出了一种基于试验与训练使能体系结构(Test and Training Enabling Architecture,TENA)的应急指挥模拟演练平台架构,可多粒度、组件化地扩充灾害事故、承灾主体、上下级联动指挥组织机构、救援力量、...     

可组合的Agent体系仿真模型框架研究

当前基于Agent建模仿真(Agent based modeling and simulation, ABMS)方法被军事仿真界普遍认为是军事作战研究、特别是网络中心战(network centric war, NCW)环境下的网络中心作战研究的最佳方法。针对体系效能评估应用,需要在统一的作战概念框架下形成可重用的体系模型框架,能够根据体系(system of systems, SOS)效能评估需求定义和灵活组合不同的作战实体Agent模型,支持对不同体系效能评估问题的研究。基于ABMS开发方法,在统一的作战概念模型框架下对物理域、信息域、认知域和社会域进行合理抽象,建立了可组合的体系仿真模型框架,据此开发了面向体系效能分析应用的仿真平台,用户可以根据体系效能评估问题和作战背景,快速定义和组合不同的作战实体Agent模型形成体系仿真应用系统,进行体系对抗仿真分析与评估。     

复杂虚拟试验实体聚簇分配策略适应性研究

复杂虚拟试验系统往往需要基于异构网络环境互连的方法搭建,以满足不同试验实体间通信的实时性要求.在不同网络环境中使用相同的聚簇策略很难满足虚拟试验系统的要求.在网络仿真实时性理论和实体交互图基础上,针对复杂虚拟试验的松耦合网络环境定义了系统的细粒度,针对紧耦合网络环境定义了系统的粗粒度.提出了复杂虚拟试验中基于聚簇的实体划分策略,并证明了细粒度下非线性聚簇要优于线性聚簇而粗粒度下线性聚簇要优于非线性聚簇.应用结果表明,该实体分配适应性理论对实体聚合算法的选取和分配方案的评价都具有指导意义.