智能蓝军作战行为模型构建技术研究

本文针对当前蓝军建设逼真度不高、对抗性不强、训练样式难以满足体系作战要求等问题,提出了一种智能蓝军作战行为模型构建技术.首先,本研究基于当前国内外蓝军建设实际,分析了军队智能蓝军模型建设需求;其次,聚焦蓝军合成兵种营,根据智能蓝军建模规律提出智能蓝军模型技术框架,分析了智能蓝军作战行为建模的真实性和对抗性要求,围绕要求...     

面向作战决策智能体的融合赋权评估方法

在兵棋等对抗性作战实验环境下,通过使用基于强化学习方法训练的智能体进行仿真推演,能够检验作战决策效果,达到辅助决策的目的。针对当前作战决策智能体评估往往采用胜率这一单一数据指标的局限,提出了一种基于融合赋权的综合评估方法。通过构建涵盖作战决策有效性、作战意图实现性、作战环境适应性、智能体训练效率、智能体训练体系和智能体训练方法等技战术效果指标的评估体系,然后使用主客观方法对不同类型指标进行赋权,再根据指标性质将权值融合进入评估体系,实现基于融合权重的智能体决策效果评估。构建了陆上合成分队进攻作战场景,利用该方法对6个智能体进行评估验证,能够获得智能体的综合排名,有效避免了单一指标的评估局限。该方法对作战决策智能体评估提供了新的思路,符合作战环境需要,具有一定的应用价值。     

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.     

石油与当代世界军事

二战以来,军事活动中的石油消耗巨大,不仅在战争中直接争夺石油,而且许多局部战争的目的就是为了争夺和控制石油,即使在和平时期,为了争夺和控制石油,各大国也为此保持强大而直接的军事存在。目前,以美国为首的一些军事强国,正在中亚和中东地区加强其军事存在,出现了一张新的大规模争夺石油的军事地图。     

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。     

完善国有资本有进有退、合理流动的机制

党的十六届三中全会《决定》提出要完善国有资本有进有退、合理流动的机制,这对于推进国有企业改革和进一步完善社会主义市场经济体制有着极为重要的现实意义。     

基于深度逆向强化学习的行动序列规划问题研究

针对深度强化学习在解决序贯决策任务中严重依赖回报函数，而回报函数又存在着反馈稀疏和反馈延迟等问题，论文提出了基于深度逆向强化学习方法的行动序列生成与优化方法，通过专家示例轨迹数据重构回报函数，实现高质量示例轨迹数据中隐性专家经验的获取和利用，挖掘数据背后的规律。然后将重构的回报函数与环境固有的回报函数进行奖赏塑型，生成的新的回报函数能够更加及时、准确地对智能实体的行为给予反馈，大幅加速了强化学习的收敛速度。     

智能化陆军建设

智能化陆军建设面临军事理论、作战运用及智能技术等多方面挑战。从指挥信息系统发展规律来看，由信息优势到决策优势的转变正在发生。必须深刻理解人工智能技术的本质，把握智能化建设的核心要义。研究认为，陆军智能化建设的重点包括智能化指控理论、知识体系构建等2个基础及智能指挥控制、无人集群作战、智能模拟训练3个核心。     

联合作战任务智能规划关键技术及其应用思考

作战任务规划是战场指挥和决策的关键一环。随着多军兵种联合作战思想的发展与成熟,作战任务规划领域正成为传统作战指挥方法与各类新兴技术相结合的集中点,该领域也不断成为智能化指挥和决策指导未来作战的核心点。本文主要阐述了作战任务规划的基本概念和智能化需求,并结合战区级联合任务规划系统对智能化关键技术进行了分析研究,提出了几种具体技术实现架构,并对未来研究做出了展望。