面向计算机兵棋推演的决策支持系统的研究

发布时间：2021-10-23 00:46

　　随着军事信息化建设的不断推进,计算机兵棋推演的应用日渐广泛,已经成为一种高效的指挥演练方式,这也对兵棋推演中的智能决策系统提出了更高的要求。兵棋推演的决策系统通常难以理解战场的宏观态势,容易被限制与单个实体行为的反应控制,无法把控战场的整体状态,效果不佳。提高兵棋推演决策系统的智能程度,有利于兵棋推演系统的推广,降低推演成本,为推演提供更多思路。针对兵棋推演系统,本文设计了对应的决策支持系统,对战场状态进行智能的预测与分析,将细节信息汇总,以方便决策模型理解的方式进行存储,在群体识别、意图预测、态势描述三个方面为决策模型提供战场的信息,从而提高决策系统的性能。在群体识别、意图预测的研究中,利用推演系统中探测器探测到的敌方信息,使用孪生网络和循环神经网络结构通过不同的方式进行建模,识别敌方的作战分组情况,并预测敌方各个作战分组的作战意图。设计了带激活状态的神经网络单元,方便的处理作战单元损毁和新增的情况,减少了内存整理操作。在此基础上,设计了多任务学习模型,在群体识别与意图预测模型中共享部分参数,一方面提高了群体识别模型的效果,另一方面降低了系统的冗余,提高了预测效率。态势描述方面,借鉴... 

【文章来源】：北京邮电大学北京市 211工程院校 教育部直属院校

【文章页数】：88 页

【学位级别】：硕士

【部分图文】：

一临近传播中的传播方向

?（ｃ）??图３－１?单元状态变化时的内存整理??如在图３－ｌ－（ａ）中，当单元ｂ退出战场时，需要整理内存，得到图３－ｌ－（ｂ）中新的??批次。当有新的作战单元ｅ加入战场时，又要重新申请内存，将新的作战单元的信??息加入到批次末尾（如图３－ｌ－（ｃ）所示）。这其中，产生了两次内存的的整理工作。??如果第一次单元ｂ退出时，不重新整理，将该位置置空。当单元ｅ加入战场时，??将该位置复用，即可减少一部分内存操作。但在神经网络状态中，该位置包含的是??２０??

只要修改激活状态即可。当某单元退出战场，只需要将其在批次中所在??位置的激活状态设置为０，即可阻止信息的传播。当某单元进入战场，需要使用批次??中某位置，只需要将激活状态设为１即可。如图３－２所示。??／■?＼??Ａｌｉｖｅ?ＲＮＮ?Ｕｎｉｔ??ｒ?＼???？?ＲＮＮ?Ｕｎｉｔ??Ｖ?＿?Ｊ??（ｔ）?６??图３－２?带激活状态的循环神经网络单元??ＡＳＲＵ只是对其他循环神经网络的封装，其内部单元可以更换。如简单的ＲＮＮ??和ＧＲＵ中，单元的输出只有／Ｖ因此只需要对￣使用激活状态，限制信息向后流动：??ｈ＇ｔ＝ａ，ｈｔ?（３－４）??其中＆表示时刻ｒ该单元的激活状态，当＝?１时表示激活，信息可以向后??传播；当￣?＝?０时表示非激活状态，信息化不会向后传播。??对于ＬＳＴＭ，除了会输出化外，单元内还会保存细胞状态Ｃｆ，因此需要同时对??２１??

【参考文献】：
期刊论文
[1]战场目标作战意图识别问题研究与展望[J]. 姚庆锴,柳少军,贺筱媛,欧微.  指挥与控制学报. 2017(02)
[2]战略战役兵棋演习系统兵力聚合问题研究[J]. 周超,胡晓峰,郑书奎,夏荣祥.  指挥与控制学报. 2017(01)
[3]一种基于分层智能混合决策的多Agent框架[J]. 冯进,朱江,沈寿林.  火力与指挥控制. 2017(01)
[4]基于时序特征编码的目标战术意图识别算法[J]. 欧微,柳少军,贺筱媛,郭圣明.  指挥控制与仿真. 2016(06)
[5]融合规则推理和案例推理的作战指挥决策建模[J]. 樊延平,郭齐胜,穆歌.  火力与指挥控制. 2013(09)
[6]兵棋技术综述[J]. 王桂起,刘辉,朱宁.  兵工自动化. 2012(08)
[7]兵力聚合中的目标分群方法研究[J]. 龙真真,张策.  计算机工程与应用. 2011(20)
[8]基于实体图层划分法的兵力聚合方法[J]. 刘水泉,张长泉,李增路,韩洋.  火力与指挥控制. 2011(06)
[9]计算机兵棋推演系统研究[J]. 韩志军,柳少军,唐宇波,景民.  计算机仿真. 2011(04)
[10]贝叶斯网络的战场作战意图评估方法[J]. 马静.  西安工业大学学报. 2010(04)

博士论文
[1]Agent建模理论在信息化联合作战仿真中的应用研究[D]. 杨建池.国防科学技术大学 2007

硕士论文
[1]面向作战推演的博弈与决策模型及应用研究[D]. 鲁大剑.南京理工大学 2013
[2]兵棋推演人机博弈决策模型的设计与实现[D]. 李乃金.东北大学 2009
[3]基于模板匹配的目标意图识别方法研究[D]. 夏曦.国防科学技术大学 2006



本文编号：3452138