基于强化学习的多对多拦截目标分配方法

针对空中对抗环境中多对多拦截的武器目标分配问题,提出了一种基于强化学习的多目标智能分配方法。在多对多拦截交战场景下,基于交战态势评估构建了目标分配的数学模型。通过引入目标威胁程度和拦截有效程度的概念,充分反映了各目标的拦截紧迫性和各拦截器的拦截能力表征,从而全面评估了攻防双方的交战态势。在目标分配模型的基础上,将目标分配问题构建为马尔可夫决策过程,并采用基于深度Q网络的强化学习算法训练求解。依靠环境交互下的自学习和奖励机制,有效实现了最优分配方案的动态生成。通过数学仿真构建多对多拦截场景,并验证了该方法的有效性,经训练后的目标分配方法能够满足多对多拦截中连续动态的任务分配要求。     

基于生成对抗网络的多智能体对抗仿真建模方法

多智能体对抗仿真建模技术在军事上具有重要作用,其中强化学习深度增强网络(DQN)是重要的建模技术.随着体系对抗建模中环境输入信息及智能体数量的增加,DQN的复杂性不断增长,而单纯采用强化学习技术只能通过极度稀疏的对抗胜负结果提供反馈进行训练,模型训练的收敛速度是一个难题.探讨在多智能体对抗建模中采用基于生成对抗网络(G...     

基于深度强化学习的无人战车自主行为决策

针对高动态强对抗战场环境下,无人战车面临的自主行为决策问题,分析了未来陆战场无人战车实际作战需求,构建了基于马尔可夫决策过程的自主行为决策模型,提出了一种深度强化学习结合行为树的方法,利用行为树的逻辑规则与先验知识降低强化学习问题的难度,保证收敛性和鲁棒性,同时使行为决策模型具有学习能力.构建典型作战场景,验证深度强化学习结合行为树的无人战车自主行为决策方法的有效性.     

海战仿真中的智能对抗行为建模方法研究

在海上模拟训练领域,战场仿真中兵力行为的逼真性、对抗性直接影响训练效果,兵力行为建模技术是海战仿真中的核心,随着深度强化学习在军用领域研究的逐步深入,采用规则推理与强化学习相结合的思路实现海上兵力行为建模是一条较为可行的技术途径,为构建模拟训练中智能对手提供了技术支撑.     

融合先验知识的异构多智能体强化学习算法研究

近年来,基于深度强化学习的机器学习技术突破性进展为智能博弈对抗提供了新的技术发展方向。针对智能对抗中异构多智能体强化学习算法训练收敛速度慢,训练效果差异大等问题,提出了一种先验知识驱动的多智能体强化学习博弈对抗算法PK-MADDPG,构建了双重Critic框架下的MADDPG模型。该模型使用了经验优先回放技术来优化先验知识提取,在博弈对抗训练中取得显著的效果。论文成果应用于MaCA异构多智能体博弈对抗全国竞赛,将PK-MADDPG算法与经典规则算法的博弈对抗结果进行比较,验证了所提算法的有效性。     

低空／超低空突防及其雷达对抗措施

低空／超低空突防作为现代雷达防空系统的“四大威胁”之一,对国家防御系统产生了严重影响和威胁。文章在阐述低空／超低空突防的发展历程、经典战役和主要武器装备的基础上,分别从技术层面和战术层面重点分析讨论了其技战术特点及对雷达防空系统造成的影响和威胁,并结合当前实际情况,提出了几点对抗措施。对深入理解低空／超低空突防和促进我国雷达防空系统的发展具有重要意义和指导价值。     

靶机模拟反舰导弹相似性评估及威胁态势构建

对强敌典型亚声速反舰导弹性能及主要突防技术手段进行了分析,提出了基于威胁目标特性分解的相似度分析方法,构建了靶机模拟威胁目标相似度模型,并运用此方法对靶机的相似度进行综合评估,分析了其与典型模拟对象的差距。在此基础上,研究了当前构建典型威胁态势的主要方法与能力的不足之处,针对如何提高模拟强敌反舰导弹目标能力、提升防空反导训练效果和构建体系化空中蓝军发力方向提出了几点思考,为靶场空中威胁态势构建提供依据。     

导弹突防后弹道机动调整策略强化学习

针对弹道导弹中段突防后飞行弹道与标准弹道产生较大偏离的弹道机动调整问题,建立了机动调整时机策略最优化模型。设计了机动调整逆序Q学习算法,采用Tile coding逼近器编码状态特征空间,并对其进行线性逼近。构建了Q学习算法与蒙特卡罗方法相结合的逆序更新策略机制,以对导弹机动调整最优时机进行训练。仿真测试分析结果表明,在给定场景参数下,通过10 000代强化学习算法训练得到的策略能够可靠地使用最少机动次数控制导弹突防后飞行弹道的调整决策,验证了方法的有效性。     

基于元深度强化学习方法的智能博弈决策模型研究

针对陆军装甲分队博弈对抗决策问题,在分析深度强化学习方法在构建智能博弈对抗决策模型适用性基础上,对基于马尔科夫决策过程的陆军装甲分队博弈对抗过程模型进行了形式化描述,提出了基于元深度强化学习的博弈对抗决策模型,给出了分队战术平台下基于元深度强化学习的智能博弈对抗策略生成与优化框架.研究成果可为智能博弈对抗问题的解决提供一种思路.     

基于深度强化学习的兵棋推演决策方法框架

针对兵棋推演的自动对抗问题,文章提出基于深度学习网络和强化学习模型来构建对抗策略。文章结合深度强化学习技术优势,立足多源层次化的战场态势描述,提出面向智能博弈的战场态势表示方法;将作战指挥分层分域的原则同即时策略游戏中的模块化和分层架构相结合,提出一种层次化和模块化深度强化学习方法框架,用于各决策智能体与战场环境交互的机制以及对抗策略的产生;为满足实际作战响应高实时特点,提出压缩的深度强化学习,提升模型输出速度;为改善对不同环境的适应性,提出利用深度迁移学习提升模型泛化能力。     

分队战术训练仿真系统CGF技术

计算机生成兵力(CGF)是攻防对抗作战仿真的重要组成部分和重点研究内容,也是分队战术训练仿真系统的一个重要技术支撑。给出了仿真系统中CGF实体在基于HLA协议下的功能结构和拓扑结构,介绍了仿真系统中CGF建模所研究的内容和实体建模技术,最后指出了将人工智能技术应用于CGF实体行为决策建模的思路。     

多分辨率建模航空武器装备体系对抗效能评估

根据多分辨率建模的思想,分析航空武器装备体系对抗的特点,提出基于多分辨率建模的航空武器装备体系对抗效能评估模型框架,通过体系对抗过程物理特性的分析提炼数学描述方法,基于主动元建模技术建立从高分辨率实体仿真模型的仿真元模型,探讨了对仿真元模型进行基于马尔科夫链的串联聚合和基于元胞自动机的空间聚合方法,提出效能评估多维矢量空间指标体系,研究结果对我军航空武器装备效能评估以及作战论证都具有一定的指导意义和参考价值.     

基于课程强化学习的联合海空博弈决策模型训练方法

针对多智能体深度强化学习在解决联合海空作战战术博弈决策模型难以训练优化问题,结合多智能体深度强化学习在智能化指挥决策问题中的应用性优势,以及课程学习在复杂问题研究中的改进优势,构建基于马尔可夫决策过程的联合海空战术决策过程模型,提出基于复杂度指数函数的任务复杂性度量方法,建立基于值分解网络算法的求解模型。针对一个典型联合海空作战战术决策场景,构建从易到难的课程学习任务和模型求解框架,设计针对任务的决策模型训练方法,在兵棋推演仿真系统上,对模型训练方法的可行性进行了验证。     

基于视觉的飞行器智能目标检测对抗攻击技术

随着人工智能技术和计算机视觉技术的快速发展,利用智能目标检测技术识别空中出现的侦察机、无人机等飞行器目标已经成为了一种常见的军事防御手段.针对从数字图像层面对基于深度学习网络的目标检测模型进行混淆、欺骗,并在未来将数字攻击结果实物化的可行性问题,提出了一种基于视觉的限定攻击区域的飞行器目标检测对抗攻击方法.利用飞行器数...     

激光在防空武器装备体系中的应用与发展

面对精确制导武器对地面军事目标日趋严重的威胁,对抗精确制导武器已成为防空作战体系的最主要任务之一。由于精确制导武器多为光电制导(如激光制导、红外制导、电视制导和红外成像制导),或采用了光电引信(如激光近炸引信)等光电装置,所以在防空武器装备体系中大力发展激光对抗技术,可大大提高所保卫目标的生存能力,具有十分重要的现实意义。防空武器装备体系中采用的激光对抗技术主要包括:对空中目标的激光主动侦察与被动告警,对精确制导武器的激光有源对抗、激光致盲与激光摧毁等。一、防空体系中的激光侦察告警武器装备1.激光主动侦察武…     

无人机集群作战智能培育平台构建研究

面向红蓝双方非完备信息条件下的无人机集群自主作战场景,参考即时战略游戏星际争霸人工智能技术思想,提出一种基于人工智能与军事仿真深度融合的无人机集群作战智能培育平台构建方法,给出了技术实现路径,旨在通过大样本训练,培育无人机集群自主作战决策能力,探索无人机集群战法运用模式,支撑作战人员对无人机集群进行高级指挥控制.     

导弹攻防对抗评估系统方案设计

针对现代战略武器对抗技术的发展,根据导弹攻防对抗评估的系统需求和组成结构,基于HLA构建的仿真系统为导弹武器系统的模型设计、场景模拟、整体实现以及作战效能评估提供了有效的系统仿真、数据驱动和可视化交互手段,进而为导弹攻防对抗的时空关系仿真分析、突防策略实现、防御效果评定和方案设计提供技术平台.     

人工智能赋能军事训练

随着大数据、物联网和5G的不断发展,海量数据的获取变得越来越容易,人工智能技术利用GPU的强大计算能力和深度学习网络对高维数据和非线性模型的拟合能力,迎来了飞跃式发展,深刻改变着人类生产、生活和学习方式,出现了语音识别、机器翻译、无人驾驶及智能机器人等场景,计算、数据与模型的不断发展也成为推动人工智能前进的主要动力。本文分析了人工智能技术的主要发展方向,包括自然语言处理、语音识别和图像识别分析等,结合当前人工智能的主要技术方向和典型应用,展望了人工智能在军事训练领域的广阔应用前景,同时,聚焦发展智能化军事训练亟需解决的关键问题,针对解决网络、数据、模型等面临的问题提出措施建议,指出应通过模拟仿真训练提高训练效率,基于训练数据科学评价训练效果。     

平行系统理论在体系对抗训练中的应用初探

简述了体系对抗训练的必要性,并根据平行系统理论中的ACP方法,对体系对抗训练中的平行系统构建、计算实验及平行执行进行了初步建模与分析。研究结果表明,应采用将体系对抗训练中实际系统存在的自然要素和作战部队要素分别采用数字孪生技术和基于agent仿真方法投影到虚拟战场空间的方法构建人工系统,从而方便对作战行动的效果投影进行分析。对在体系对抗训练人工系统中如何进行计算实验及人工系统与实际系统如何平行运行等问题进行了初步探讨,为构建实际可用的体系对抗平行系统提供了解决方案。     

基于GAN的入侵检测系统对抗样本生成模型

随着人工智能技术的兴起,基于深度学习的网络入侵检测系统已广泛应用,但神经网络模型很容易受到对抗扰动的影响。攻击者通过在网络流量中添加微小的扰动来构建对抗样本,使得入侵检测系统对其错误分类。论文基于GAN进行设计与改进,提出了一种对抗样本生成模型AdvWGAN,该模型针对恶意流量生成满足网络流量特性的对抗性恶意流量,并对黑盒入侵检测系统进行对抗攻击。实验表明：AdvWGAN能够在保证网络流量真实有效的前提下实现对深度学习入侵检测模型的有效黑盒攻击。