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。     

国外兵棋推演及系统研究进展

兵棋推演系统作为进行战争推演、方案评估、作战分析等活动的重要手段,能够支撑作战问题研究、战法创新以及作战概念开发。从推演方法和系统研究的角度梳理了国外计算机兵棋系统的发展现状,重点介绍了在线推演和多级联合推演等方法,以及多级兵棋融合设计、多系统组合仿真和辅助工具开发等研究现状,为计算机兵棋系统的发展和运用提供借鉴和参考。     

面向兵棋推演复盘分析的机器学习数据集构建

运用机器学习进行兵棋推演复盘分析,首先要解决的是数据集构建问题。由于机器学习对数据结构的规范化要求,以及算力和存储限制,通过兵棋推演数据构建机器学习数据集,在如何描述兵棋推演状态,如何描述推演过程,如何处理高维数据,如何数据保真等方面,还面临不少问题。针对此类问题,构建了兵棋推演过程数据向机器学习数据集映射模型,在总体框架上对数据集构建的映射流程、态势描述数据范围和数据统计计算规则进行规范,并从时间关联数据、地理空间关联数据和高维数据降维3个视角设计针对性处理方法,以保证构建数据集的数据结构统一、高维数据降维需求和数据集保真要求。通过数据集构建实验进行了验证,结果表明：在时间分辨率和地理空间分辨率适中情况下,所构建数据集映射模型,既能较好对兵棋推演高维数据进行降维,又能较好防止构建的数据集失真。     

面向智能成长的兵棋推演生态系统

构建下一代智能化兵棋系统,难在不能一蹴而就,需要通过构建生态系统逐渐成长智能。界定了智能化兵棋生态系统的基本概念,提出动态开放、层次多样和协同演化的理念。借鉴人类智能成长过程和学习进化机制,构建了下一代兵棋认知智能演化成长的双螺旋模型,给出了基于观察-学习-测试-应用循环的兵棋推演生态系统体系框架;分析了数字孪生、人机融合共生、数据样本生成、智能测试评估、云原生等技术在构建兵棋推演生态系统中的应用。     

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%。     

兵棋推演态势认知的态势数学表达方法

为满足态势认知智能化需求, 提出一种面向兵棋推演战场态势认知的机器学习数据集规范化构建方法。以陆军战术兵棋推演为研究对象, 基于特征工程分析其战场态势关键要素, 提出一种分层栅格化的战场态势特征表达模型。采用等间隔时间关联模式对兵棋推演过程数据进行滑动切片、映射变换, 解决兵棋数据结构不统一、特征标签不均衡、数据变换保真困难等问题, 实现样本的自动收集与存储。构建并公开包含26万个样本的数据集兵棋推演态势认知机器学习数据集, 实验表明采用所提方法构建的数据集主观色彩少, 数据保真效果好, 数据集采集过程自动且高效, 数据集一致性好。     

基于连通树的兵棋推演热区检测算法

提出了一种基于连通树的热区检测算法, 可检测任意形状的热区, 目的是通过检测兵棋推演过程中军事行动频繁的区域, 为受训人员了解整个战场态势提供辅助参考. 算法在明确了热区定义的基础上, 首先构建连通树将数据集按连通区域进行最小划分, 再根据设定的密度阈值对连通树进行剪枝. 剪枝处理后的每棵连通子树是最终的热区. 理论和实验结果均验证了该算法的有效性.     

面向兵棋系统的卫星导航对抗行动推演模型研究

随着信息化作战体系对天基时空基准的依赖逐渐增强,卫星导航对抗快速发展为夺取天基定位、导航和授时信息优势的主要作战行动。以构建卫星导航对抗行动推演模型为目标,在分析相关研究现状的基础上,设计了导航信息环境计算模型和导航对抗行动仿真模型,探索了兵棋系统导航信息环境可视化和高分辨率仿真计算模型代替低分辨率概率效果模型的实现途径,支撑了在天基导航信息支援下的战前筹划和战时评估,实现了导航对抗行动的兵棋推演。     

基于密度的计算机兵棋推演数据快速聚类算法

针对计算机兵棋推演数据的特点,提出了一种基于密度的快速聚类算法-基于密度的快速空间聚类算法(quick density based spatial clustering of applications with noise, QDBSCAN),目的是通过聚类检测孤立点,快速定位地面部队兵力部署上的缺陷。QDBSCAN算法在基于密度的空间聚类算法(density based spatial clustering of applications with noise, DBSCAN)算法的基础上做了相关改进:在邻近度度量上提出了最短可行路径的概念,使聚类更符合计算机兵棋的规则;动态设置密度参数;采用提出的代表对象选择方法来减少对对象邻域的判断次数;按区域对数据进行分组以缩小聚类规模。实验表明,QDBSCAN算法的性能在数据规模较大的情况下,明显优于DBSCAN算法。     

计算机兵棋推演系统公共数据的建模与VV＆C研究

计算机兵棋推演系统涉及作战要素多,建模涵盖范围广,使得公共数据的建模与VV＆C基础工作难度增大。在具体的工程实践中,通过对系统所需的公共数据进行分类与抽象,建立了数据结构模型与级联关系,开发了多种形式数据录入和基于数据规则引擎驱动的一致性数据校验软件,最后探讨了数据VV＆C过程。试验和应用表明,公共数据模型有效、质量较高,对计算机兵棋推演系统模型的构建及其原型系统的运行起到了很好的支撑作用。     

用遗传算法解模糊交货期下Flow Shop调度问题

运用模糊的观点研究了flowshop调度问题,基于模糊交货期的概念建立了两种不同的模糊flowshop调度问题的模型,模糊交货期的隶属函数对应于完成时间的满意度,目标函数定义为所有任务加权的隶属函数之和问题是确定任务的加工顺序极大化目标函数文章运用遗传算法(GA)确定了任务的调度,仿真实验验证了算法的有效性.     

基于模糊Petri网的空战战术决策研究

空战过程中由于空战态势的不确定性,战术决策也应作为一个动态的不确定性决策问题进行研究。针对该不确定性动态决策过程,在分析超视距空战战术决策的基础上,综合利用模糊逻辑理论与Petri网理论的优点,构建了超视距空战机动战术的模糊推理规则,提出了超视距空战战术决策的Petri网模型,并对该模型进行了仿真分析。此模型的仿真结果表明该模型能够提高决策的自动化和智能化程度,这是一种快速、实用、直观的方法。     

一种融合遗传算法和粒子群算法的改进模糊C-均值算法

针对模糊C-均值(FCM)算法必须预先给定聚类数c和容易陷入局部极小的缺点,提出了融合遗传算法和粒子群算法的GA-PSO-FCM算法.遗传算法(GA)嵌套在FCM算法的外层,用于自动寻找最优聚类数,并把有效性准则函数作为其适应度函数;粒子群(PSO)算法嵌套在FCM算法的内层,用于优化类中心向量,提高算法的全局搜索能力.最后,运用GA-PSO-FCM算法对Iris data、Wine data、Zoo data、WPBC data和WDBC data进行仿真实验,并与基于有效性准则函数改进的FCM算法、GA-FCM算法的仿真结果进行比较,表明GA-PSO-FCM算法能在预先未知聚类数的情况下,提高分类结果的精确性和稳定性.     

Research on the Method of Nonlinear Combining Forecasts based on Fuzzy System

1　ＩｎｔｒｏｄｕｃｔｉｏｎＯｎｅｏｆｔｈｅｍｏｓｔｉｍｐｏｒｔａｎｔｆｕｎｃｔｉｏｎｓｏｆｍａｎａｇｅｍｅｎｔａｔａｌｌｌｅｖｅｌｓｉｎａｎｏｒｇａｎｉｚａｔｉｏｎｉｓｐｌａｎｎｉｎｇ ,ａｎｄｆｏｒｅｃａｓｔｓｐｌａｙａｋｅｙｒｏｌｅｉｎｔｈｅｐｌａｎｎｉｎｇｐｒｏｃｅｓｓ .Ｍａｎａｇｅｍｅｎｔｎｅｅｄｓｔｏｒｅｄｕｃｅｔｈｅｒｉｓｋｓａｓ ｓｏｃｉａｔｅｄｗｉｔｈｄｅｃｉｓｉｏｎ ｍａｋｉｎｇ ,ａｎｄｏｎｅｏｆｔｈｅｗａｙｉｎｗｈｉｃｈｔｈｉｓｃａｎｂｅｄｏｎｅｉｓｂｙａｎｔｉｃｉｐａｔｉｎｇ…     

基于供应商满意度与模糊能力的服务大规模定制供应链调度优化

稳定多样的服务资源是服务大规模定制绩效的重要保障,服务集成商不单要重视客户需求,还要注重提高供应商满意度,从而吸引更多服务资源整合到服务供应链中.供应商满意度被分解为订单需求偏好和协调配合程度两个维度,并从服务供应链的集成特性和供应商相互制约特性出发,论述了其对服务大规模定制模式下供应链调度方案的重要影响.服务供应商的...