导师带徒式智能指挥决策应用模式及关键技术

指挥决策智能化需求日益迫切,而近年来国内外军事智能方面的成就较少涉及这一领域。缺数据、缺知识、缺模型的现状,导致该领域智能化发展相对滞后。基于对领域问题的理解,创新提出导师带徒的指挥决策领域智能化发展思路,并基于近年来知识图谱、强化学习、大型语言模型等前沿技术的发展,构想了“学徒式知识提炼”“授徒式博弈推演”2套导师带徒式指挥决策应用模式,并指出了其中需要突破的关键技术,对指挥决策智能化攻坚具有一定指导意义。     

基于贝叶斯网络的态势评估算法研究

论述了基于贝叶斯网络专家系统的特点,研究了贝叶斯网络的推理模型以及基于此模型的信息传播算法,分析了基于态势评估的决策过程,并详细阐述了基于贝叶斯网络的态势评估算法在空 - 空作战态势推演中的应用.研究结果表明,此算法能够比较准确地反映态势评估过程,可较好地应用于决策支持系统中.     

基于离散事件仿真要素的军事仿真因果追溯方法

基于离散事件系统建模与仿真的军事仿真系统在军事筹划阶段扮演着至关重要的作用。因果追溯与分析是军事仿真中重要的技术，它可以在大量的数据与复杂的交互关系中找出时序上的关联关系，帮助研究人员确定作战行动中的一些关键实体或事件，用于探究战争的发展脉络与蕴含其中的因果关系。首先对作战仿真领域的因果追溯分析做了简要介绍，然后提出了一种基于离散事件仿真要素的因果追溯分析方法，这种方法可以分析军事仿真中的因果关系，并且有很高的通用性和良好的实用性。     

又到“汉光”开演时

6月22日，台军年度“汉光24”号演习电脑兵棋推演将正式展开。这是马英九上任后台军进行的第一次年度军事演习，预定马英九在23日进入衡山指挥所，首次视察演习情况。     

透过历史窥探兵棋未来发展

克劳塞维茨将战争中大量存在的不确定性和偶然性因素比为"战争迷雾"。透过迷雾,形成决策优势是千百年来军事活动孜孜追求的制胜之道。信息时代,战场感知技术让我们可以从空间上看到"山那边"的景物;伴随信息技术与兵棋高度融合,严格式兵棋还将指引我们从时间上预知战争的结果,甚至催生世界范围的新军事变革。     

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。     

撩起兵棋推演和运筹分析的面纱

俗话说：“外行看热闹，内行看门道”。提起兵棋推演，人们很自然会想到兵棋推演和我们以前经常谈到的运筹分析究竟是什么关系，二者有什么区别，又有什么不同呢？