基于智能体技术的CGF行为模拟研究

为了有效模拟CGF物理行为和智能行为的不同特性,提出了一个复合CGF智能体模型,将CGF的行为模拟分为认知、内部环境、规划决策和行动四个模块,该模型综合了反应式行为模式和基于规划模式两方面优点.利用行为模式采用层次化方法建立CGF物理行为模型,使CGF智能体能对动态战场环境做出灵活的反应.结合CGF不同类型任务规划决策方法的分析介绍了基于规划模式的CGF智能行为模拟方法,使CGF智能体能按照战术原则进行作战任务规划.采用基于军事命令控制结构对CGF进行组织和控制,为CGF间的指挥协同提供了与实际作战环境相似的框架.     

坦克兵力行为智能体模型研究

为了有效模拟兵力物理行为和智能行为的不同特性,提出了一个复合结构坦克兵力智能体模型,该模型综合了反应式行为和慎思行为两方面的优点。采用层次化组合方法建立了基于行为模式的兵力物理行为模型,使兵力智能体能对动态战场环境作出灵活的反应。结合兵力不同类型任务的分析,设计了基于规划的兵力智能行为模拟方法,使兵力智能体能按照战术原则进行作战任务规划。     

带保障智能体的多智能体战斗模型仿真研究

为了研究基于复杂适应系统理论的多智能体仿真模型的演化和涌现规律,在Swarm平台上建立了一个多智能体的战斗保障模拟仿真系统,并对战斗过程双方兵力耗损和弹药消耗进行了仿真研究,其结果和现实情况比较吻合.基于复杂适应系统理论的多智能体仿真模型可以模拟复杂系统的微观行为,进而能够显现出系统的宏观涌现现象,对作战研究有着非常重要的方法论意义.     

基于MAS的航空集群体系结构探究

以多智能体理论为基础,对航空集群体系结构进行了探究。采用传统的自顶向下与基于涌现的自底向上相结合的方法,将集群系统划分为三层:系统层、任务层、自组织层;设计了三类智能体:任务决策智能体、任务管理智能体、任务执行智能体,三类智能体分别实现系统的三层功能。最后以航空集群反隐身任务为例进行分析。结果表明:该体系结构具有自适应性、鲁棒性,能够适应未来复杂多变的战争环境。     

基于合作博弈的智能集群自主聚集研究

智能集群是指由大量智能体构成、采用自组织策略协作完成任务的群体。以无人车集群系统协同监视再入体着靶过程为任务背景,开展智能集群自组织策略的关键技术研究。设计了无人车集群执行再入体着靶协同监视的集群行为模式,提出了基于合作博弈的智能集群自组织策略,各智能体以实现群体聚集为“合作目标”,以降低自身能量消耗为“竞争目标”,开展博弈,基于微粒群算法规划局部路径,最终使群体系统涌现出聚集行为。仿真实验验证了设计的自主聚集策略的有效性。     

装甲兵作战多智能体建模技术及其应用

利用作战领域启发知识,综合传统建模技术和智能体优点,首先按照分层结构化组合思想建立了装甲兵兵力智能体模型,并基于层次任务网的决策规划机制和基于军事命令控制结构构建了多智能体模型,然后采用VRMS平台开发了装甲兵作战多智能体应用验证演示系统,最后结合实例探索了多智能体系统在模拟训练、作战实验、辅助决策等领域的仿真应用,其研究有效地提高了装甲兵作战行为仿真的智能性、自主性和逼真性。     

障碍环境下具有多领导者的组行为生成方法

针对由多个领导智能体和多个跟随智能体组成的多智能体组,提出一种障碍环境下具有多领导者的组行为生成方法。该方法属于分布式控制方法,其利用组中的领导智能体控制跟随智能体,使得跟随智能体的中心和速度分别指数收敛于组中所有领导智能体的加权位置中心和加权平均速度,且每个领导智能体权重的大小取决于其所带领的跟随智能体的数目。另外,该方法通过在障碍的边缘引入虚拟的“ β-智能体”,使组中的个体具有与环境中的静态和动态障碍避碰的能力,最终生成真实的障碍空间中具有多领导者的组行为。最后以虚拟人智能体组为载体进行仿真实验,验证了该方法的有效性。     

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。     

协同空战指挥控制系统智能体模型研究

建立了由多个智能体(Multi-AgentSystem)组成的多机协同空战指挥控制系统的总体结构模型及基于信念、期望、意图(BDI)结构的单个智能体的结构模型,并针对多机协同空战指挥控制的特点,对基于BDI框架的智能体结构、智能体的内部行为、触发事件和结合作战效能的BDI解释器等形式化建模问题进行了研究。最后,指出需完成的后续工作以及相关技术问题。     

舰艇编队防空体系复合免疫多智能体模型(英文)

舰艇编队对空防御作战是舰艇编队作战的主要样式之一。针对舰艇编队的防空问题,借鉴生物系统的防御机理,实现了舰艇编队防空体系与生物系统在结构和功能上的映射,并且结合多智能体理论与方法,设计了智能体的功能结构模型,构建了舰艇编队防空体系复合免疫多智能体网模型。该模型从整体上体现了舰艇编队防空体系的自组织性、自适应性、记忆性、自学习性和进化性等特性。这种新颖的研究思路也可为其他防御作战研究提供参考。     

基于Multi-Agent技术的动态电磁环境建模与仿真

针对传统的电磁环境建模方法难以准确地描述电磁环境动态变化的问题,提出了一种基于Multi-Agent技术的动态电磁环境建模方法。首先分析了电磁环境建模的层次结构;然后建立了通信电台、雷达、侦察站、干扰站的Agent实体模型,建立了Agent行动模型和Multi-Agent系统交互模型,解决了个体Agent模型设计中的感知、动作、决策及实现方法上的问题。最后设置某仿真场景,利用Netlogo仿真平台建立仿真验证系统,仿真结果验证了模型的有效性,表明了应用Multi-Agent建模方法解决电磁环境的动态模拟的可行性。     

基于改进核极限学习机和集成学习理论的目标机动轨迹预测

为了提高目标轨迹预测的精度以及预测模型的泛化能力,提出基于改进蝙蝠算法优化的核极限学习机(Kernel Extreme Learning Machine,KELM)和集成学习理论目标机动轨迹预测模型。构建KELM模型,并采用改进的蝙蝠算法对KELM的参数进行优化;以优化后的KELM神经网络为弱预测器,结合集成学习算法生成强预测器,通过训练不断优化强预测的结构和参数,得到一种基于集成学习理论的目标机动轨迹预测模型;基于不同规模的样本,将所得预测模型与逆传播神经网络、支持向量机和极限学习机等模型进行对比分析。仿真结果表明:所提目标机动轨迹预测模型具有较好的预测精度和泛化能力。     

Maneuvering target tracking of UAV based on MN-DDPG and transfer learning

Tracking maneuvering target in real time autonomously and accurately in an uncertain environment is one of the challenging missions for unmanned aerial vehicles(UAVs).In this paper,aiming to address the control problem of maneuvering target tracking and obstacle avoidance,an online path planning approach for UAV is developed based on deep reinforcement learning.Through end-to-end learning powered by neural networks,the proposed approach can achieve the perception of the environment and continuous motion output control.This proposed approach includes:(1)A deep deterministic policy gradient(DDPG)-based control framework to provide learning and autonomous decision-making capa-bility for UAVs;(2)An improved method named MN-DDPG for introducing a type of mixed noises to assist UAV with exploring stochastic strategies for online optimal planning;and(3)An algorithm of task-decomposition and pre-training for efficient transfer learning to improve the generalization capability of UAV's control model built based on MN-DDPG.The experimental simulation results have verified that the proposed approach can achieve good self-adaptive adjustment of UAV's flight attitude in the tasks of maneuvering target tracking with a significant improvement in generalization capability and training efficiency of UAV tracking controller in uncertain environments.     

基于Multi-Agent的武器装备虚拟维修训练系统

提出了一种基于Multi-Agent的虚拟维修训练系统(VMTS)结构框架,整个系统分别由主控Agent、仿真Agent、和接口Agent3个具有交互作用的Agent组成,从而将虚拟维修训练系统的开发转化为一个多Agent系统的设计与开发.基于多Agent的框架结构可实现受训者的智能模型及虚拟训练场景中虚拟物体的行为模型,从而可以提高VMTS的健壮性和可重用性.基于Agent的概念模型实现了Agent之间的交互和协作,并介绍了主控Agent和仿真Agent的具体实现方法.     

基于MAS的末端防御网络化作战系统指控网

在简要介绍末端防御防空导弹网络化作战系统的基础上,分析了其指控网的结构和功能,并利用多智能体系统中的BD I模型对指控网的单个智能体进行描述,并重点研究了基于BD I结构的智能体的环境感知模型、作战意图模型、决策模型和通讯行为。     

基于多Agent的网络防御建模与仿真

为了提高网络防御建模的有效性,本文提出了应用多Agent对网络防御进行建模的方法。并且分析了多Agent的建模仿真流程,通过多Agent建模仿真方法,建立了分布式拒绝服务攻击的防御模型。最后,用Netlogo软件进行了仿真实验,通过仿真结果验证了防御模型的有效性。     

一种可扩展的Cyber空间作战体系描述模型

研究了Cyber空间作战体系模型构建技术,提出一种面向Cyber空间作战模拟的战争系统建模新思路,并以此为基础提出了Cyber空间作战体系一体化逻辑网络模型。将Cyber空间作战涉及到的敌我双方作战实体视为一个整体系统的组分,抽象为网络模型的实体节点,实体间的各种合作、协同、对抗等不同类型交互行为统一抽象为网络模型的逻辑边。针对网络模型的节点和边分别建立了基于本体的实体描述模型和基于OO-LAMBDA语言的行为描述模型。通过一个真实战例的仿真实验验证了本文提出的方法的有效性和正确性。     

动态WTA问题的混沌人工鱼群算法

针对不同作战平台上多个武器单元对一批目标进行射击时的武器目标分配问题,建立了该问题的数学模型。采用混沌人工鱼群算法对动态条件下的武器目标分配问题进行求解,并设计一个实例进行仿真实验。仿真结果表明,在时间约束条件下该算法较遗传算法更具优越性,验证了混沌人工鱼群算法用于动态武器目标分配的有效性。     

复杂网络下基于Agent的舆情演化研究

<正>确认识、预测、引导和处理舆情对公众的影响,对社会稳定有重大的现实意义。通过综合运用多Agent和动力学微分方程的思路建立模型,结合社会人群中个体的行为规律,重点描述个体的行为细节和交互规则,构建了自下而上的舆情演化模型,并模拟广场"自焚"事件在网络上的传播,对模型进行了实证研究,验证了模型的有效性,运用Net Logo软件进行数值仿真,得到了舆情演化的规律,进而提出相应的对策建议。