基于对抗推演的训练样本生成框架

针对军事目标图像智能识别、智能平台对抗等AI算法学习训练缺乏高质量样本难题,提出了一种基于对抗推演的训练样本生成框架。从训练样本的数据格式、作战业务的维度,建立了训练样本分类体系;从样本特征、样本标签两方面,提出了训练样本的表征方法,建立了军事目标图像、目标航迹等训练样本表征模型;建立了基于对抗推演的训练样本生成框架,依据红蓝双方的行为决策模型,开展对抗式仿真推演,积累训练样本数据;以智能空战决策训练样本为典型案例,提出了基于规则与微分方程求解相结合的方法,通过自主对抗模拟产生训练样本数据,支撑智能空战决策AI算法训练。     

导弹对抗离散数学模型

针对现代非接触战争的特点,用数学方法研究导弹对抗模型问题,针对作战的不同目的和要求,建立两个导弹对抗的非线性规划数学模型,对模型求解设计了近似方法,该方法把上述非线性规划模型化为多个线性规划模型进行求解.对一类较简单的特殊情况进行了仔细分析,得到了分析解.最后指出该方法如何应用于动态实时优化决策.本文的方法可用来预测和评估导弹对抗的效果,为作战实时优化决策提供参考.     

信息对抗军事运筹理论的创新与实践

从信息对抗作战效能分析与评估、信息对抗作战模拟与仿真建模、信息对抗作战运筹分析与指挥辅助决策三个方面，讨论了信息对抗军事运筹理论与实践的创新方向、建设思路及应用性研究等问题。     

创建体系对抗运筹理论的若干思考

信息化条件下作战呈现出体系对抗的鲜明特征,军事运筹学科建设面临新的挑战和机遇。依据体系对抗特点和指挥人才谋划、决策能力的培养需求,明确了构建体系对抗运筹理论的重要性和必要性。从基础理论、应用理论和技术理论三个方面对体系对抗运筹理论的基本框架进行了设计,并对当前重点需要解决的若干现实问题进行了分析和探讨。     

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.     

军事系统工程专业委员会第十四届学术年会优秀论文

论文题目机会约束规划在联合作战决策中的应用导弹联合作战辅助决策系统的设计研究体制对抗下的固定发射核作战系统生存能力分析基于Gls的江河兵要地志信息管理系统研究联合防空作战威胁评估的决策方法及应用分析网络化空间反TBM作战指挥决策模型研究基于构件开发和领域支撑框架的作战模拟系统架构技术研究舰艇作战系统实装模拟训练系统设计小口径舰炮对掠海飞行反舰导弹的毁伤概率研究一个新的海上战斗模拟方法一种新的舰艇编队防空火力分配模型两异类地面防空兵力的优化配置研究天基红外系统对抗研究兵力规划论证的探索性决策分析方法研…     

基于HLA的海战场信息对抗仿真系统设计

海战场信息对抗仿真系统为海军信息作战理论与战法研究、信息作战装备的作战效果模拟提供了一种新的途径。在对体系对抗仿真的体系结构分析的基础上,给出了海战场信息对抗仿真系统的设计思想,提出了系统的功能和总体框架,并对其中的一些关键技术进行了分析和探讨。     

基于HLA的海战场信息对抗仿真系统设计*

海战场信息对抗仿真系统为海军信息作战理论与战法研究、信息作战装备的作战效果模拟提供了一种新的途径.在对体系对抗仿真的体系结构分析的基础上,给出了海战场信息对抗仿真系统的设计思想,提出了系统的功能和总体框架,并对其中的一些关键技术进行了分析和探讨.     

体系攻防条件下的多阶段目标选择模型

针对体系攻防对抗条件下的目标选择问题,提出了一个基于完全信息序贯博弈的多阶段目标选择模型。该模型分析了目标体系攻防的博弈过程,使用动态贝叶斯网络描述了对抗双方策略对博弈状态的影响,将目标选择问题转化为标准的博弈树对策问题求解。然后设计了一种消除目标体系结构中与或子树的方法,以简化目标选择策略空间。最后通过案例说明了使用逆向归纳法求解目标选择策略的过程。结果表明,该模型和方法能够在体系攻防、目标间具有复杂层次关联的条件下为目标选择决策提供辅助。     

命中概率的近似计算

本文详细介绍了一个近似计算方法,用于求解射击学中经常遇到的命中概率问题,。目的是为了解决在武器系统分析中射吉效能评定以及战术对抗模拟中需要使用计算机进行大量命中概率计算的问题,减少计算量,提高计算效率。     

联合作战体系对抗效能评估探索性分析框架

联合作战体系对抗效能评估问题是一个战略层次上的复杂系统问题,研究意义重大。本文分析了联合作战体系对抗效能评估问题的复杂性,基于复杂系统理论和探索性分析方法,构建了一种包括“三个空间”、“两个体系”、“两层评估”和“一层分析”的联合作战体系对抗效能评估探索性分析框架,并对该框架中的一些重要的具体过程进行了阐述。     

基于插件技术的人工免疫智能空间优化平台研究

采用人工智能方法求解空间优化问题已成为当前地理学研究领域的热点之一。研究目的在于通过设计一个开放的、可扩展的人工免疫空间优化模型框架,开发基于插件技术的优化工具软件,丰富空间优化决策支持的方法和技术体系。研究从空间优化问题的基本特点和计算需求出发,定义了面向空间优化问题求解的克隆选择优化模型框架。在此基础上,采用"插件-宿主平台"结构设计了人工免疫智能空间优化平台的总体架构,定义免疫算子插件与空间优化问题应用插件开发机制。实验结果表明,平台的架构和功能设计充分考虑了计算平台的开放性和扩展性,通过平台标准接口的功能扩展可实现对不同类型空间优化问题的求解。空间优化问题研究者或政府决策部门无需关系人工免疫优化方法的具体内涵即可基于本平台完成其具体空间优化决策支持任务。     

火力对抗条件下反坦克导弹目标分配优化

以对抗条件下反坦克导弹作战过程为依据,建立了火力对抗条件下反坦克导弹目标分配的优化模型,并提出了坦克火力分配优化模型,研究利用改进的遗传算法来设计求解,在VC++下对实例进行求解,所得结论合理,本研究对反坦克导弹分队火力分配决策具有一定的参考作用和现实意义.     

策略不确定条件下基于高阶超博弈的军事对抗决策方法

军事对抗决策中面临的一个主要问题是难以确定敌方的策略集。基于超博弈分析策略不确定条件下的军事对抗决策问题。在分析超博弈中信念迭代原理的基础上,提出了基于高阶超博弈的对抗决策方法。将高阶信念中的结果反思到低阶信念,并最终反思到一阶信念中,将己方的决策建立在对敌方可能决策的分析的基础上。使得己方的决策具有针对性且更加合理。以二战中西线战役为例验证了方法的可行性和有效性。     

基于改进蚁群算法的战时不确定性路径规划模型求解

战时路径规划的不确定性包括参数、约束条件和决策目标等的不确定性。以基本蚁群算法为基础，结合随机模拟和模糊模拟技术，提出了一种改进蚁群算法来求解战时不确定性路径规划问题，并通过仿真示例与其他算法进行了比较。结果表明：该算法求解效率更高，求解过程更为直观，能够满足战时不确定性路径规划问题的研究。     

基于综合势力图的态势估计方法

在AI兵棋对抗中,能够更全面地理解态势信息是AI棋手获胜的前提条件.提出了基于综合势力图的态势估计方法,阐述了势力图的原理和一般生成过程,提出基于综合势力图的态势分析框架;将AI兵棋的静态信息、经验信息和动态信息计算叠加形成综合势力图,在此基础上分析敌方位置、视野以及火力威胁等态势相关信息,得到态势估计结果,为AI决策提供信息支撑;基于AI兵棋推演平台进行内置规则AI和基于势力图的AI之间的对抗实验,实验结果表明该方法能够提升AI决策的准确性,提高AI在兵棋对抗中的胜率.     

信息化条件下军队后方油库油料保障决策模拟研究

从后方油库油料保障决策模拟概念入手,分析归纳了后方油库油料保障决策的基本范围,在分析后方油库油料保障决策信息处理流程的基础上形成了模拟模型的总体框架,包括情况综合分析模型组、方案辅助生成模型组和方案评估与选择模型组。后方油库油料保障决策模拟数据根据不同划分标准,可分为多个类别,其主要来源有试验、训练或演习、战史或战例、兵要地志等多种。     

陆军分队对抗训练数据工程实现及思考

以陆军分队对抗训练辅助裁决系统的实现过程数据需求为背景,讨论和分析了分队对抗训练数据的基本框架和流程,给出了系统数据的配置与管理主要过程,以及系统数据处理的关键技术,最后就分队级别对抗系统的数据工程问题提出了几点思考。     

边防战术大屏幕模拟教学介绍

边防战术大屏幕模拟教学,是利用大屏幕、投影仪、计算机、扫描仪等现代化教学设备,操纵处理战场环境,模拟敌我双方对抗行动;调动、存贮、查询、打印有关作战资料;协助决策,模拟决策结果,对决策进行量化评估和裁决;把指挥决策与量化的部队战斗行动有机的进行结     

基于策略偏好模糊矩阵对策的协同决策方法

基于OODA环作战理论,分析了协同作战的主要环节和机制,提出用对策论研究协同决策的思路.然后针对经典矩阵对策和模糊矩阵对策的不足,提出了一种策略偏好模糊矩阵对策模型,给出了基于模糊规划的最优策略求解算法.并以防空导弹混编群对抗反辐射导弹及载机时的纵向协同决策问题为案例,给出了协同决策的方法.