基于注意力机制的兵棋对抗态势预测方法

以不可观察算子实时位置预测为例进行兵棋对抗态势预测方法研究。训练基于注意力机制的陆战场战术级兵棋不可观察算子实时位置端到端预测模型。对高维离散兵棋态势特征进行低维嵌入,用多头自注意力机制学习特征交叉,通过把兵棋地图的各个六角格视为单独的类,将算子位置预测转化为稀疏特征下的多分类问题,达到33.47%的top＿1预测准确率,相较其他模型至少提高2.57个百分点,并具有良好的可解释性。     

兰德战略评估系统及其影响

兰德战略评估系统是一套基于作战模拟和建模分析的自动化、计算机化的兵棋推演系统,用于改善美国国防部的战略分析方法。梳理分析了该系统的发展历程、设计思想、模型结构和推演过程,介绍了系统在美军战争计划制定、政策层战略规划、世界发展趋势和军力平衡、联合作战演习和多国联合军事演习、制定和测试军事理论方面的典型应用。兰德战略评估系统的核心价值,就在于其开创了现代美国战略评估与战略分析的新思维、新方法、新时代。     

海空跨域协同兵棋AI架构设计及关键技术分析

以深度强化学习为核心的智能博弈技术在游戏领域内的突破和进展为海空兵棋AI的研究提供了借鉴。智能体架构设计是需要解决的关键问题,良好的架构能够降低算法训练的复杂度和难度,加快策略收敛。提出基于随机博弈的海空跨域协同决策博弈模型,分析了相关的均衡解概念;在分析典型智能体框架基础上,针对海空兵棋推演决策博弈过程,提出基于多智能体分层强化学习的智能体双层架构,能够有效解决智能体间协作和维度灾难问题;从兵力协同、智能体网络设计、对手建模和训练机制共4个方面分析了关键技术。期望为海空兵棋AI设计实现提供架构指导。     

装备保障兵棋动态评估方法研究

针对装备保障兵棋推演中的方案裁决和分析评估问题,对装备保障效能动态评估方法进行了研究.从分析装备保障兵棋要素入手,构建基于兵棋地图的评估模型.该兵棋地图评估模型能够充分利用地图中的静态地理环境信息和动态战场环境信息,对装备保障方案进行综合分析并给出评估结果,为装备保障方案的制定、调整和执行提供依据.     

战略战役兵棋系统中的被动声纳探测仿真

针对海战反潜作战实际,结合战略战役兵棋特点,设计了被动声纳探测仿真流程框架。为模拟探测时间的随机性,提出了被动声纳探测时间模型,并确立了探测时间与探测噪声的关系方程。从舰艇声源特性和战场环境对噪声传播的影响两方面考虑,建立了舰艇声源方程和噪声传播模型。最后,在某模拟系统上进行了验证,结果表明模型符合战略战役模拟实际。     

基于兵棋推演的联合侦察预警能力评估

联合侦察预警体系的能力指标是联合作战指挥员在作战筹划与指挥控制阶段关注的重要基础信息之一。根据联合作战指挥员对联合侦察预警能力分析评估需求,基于兵棋推演基础想定和实时推演数据,采用体系能力边界静态评估与实时作战效能评估相结合的方法,从宏观整体与局部细节不同层次系统全面地评估联合侦察预警体系作战能力,设计构建了联合侦察预警体系基本作战能力与实时作战效能评估两大类十五个具体评估指标,并对每一个评估指标的内涵、外延和计算方法进行了详细阐述;最后,基于兵棋推演基础想定和推演模型输出结果,设计并实现了联合侦察预警体系能力评估软件工具,为兵棋推演中面向指挥员的联合侦察预警能力评估提供了新思路和新方法。     

基于时空和作战编组的兵棋推演系统轨迹聚类算法

针对兵棋推演系统信息繁杂,不利于用户理解作战态势的问题,提出了基于时空和作战编组的轨迹聚类CTUW算法。该算法分为轨迹压缩、相似性度量、轨迹线段聚类和可视化4个部分,可从繁杂的轨迹信息中提取主要内容并进行概括表达,达到既简洁概述兵棋推演的整体态势变化,又不丢失棋子机动过程中的重要细节信息的目的。实验结果表明,CTUW算法的轨迹聚类效果相比TRACLUS算法和CTECW算法更精细,计算复杂度也较低,即使在处理具有异常机动速度、特殊轨迹形态、路线交叉重叠等特殊轨迹数据时仍能保持较好的聚类效果。     

兵棋导演战争的“魔术师”——近代军事科学的第三大发明

兵棋是作战模拟的重要方式之一，通过兵棋推演可以在一定程度上预测未来作战的进程，结局和可能发生的重要事件。而台军每年的“玉山兵推”更是引人关注。那么，何谓兵棋？兵棋推演又是怎么回事？下面就让我们一起来揭开兵棋的神秘面纱。     

联合战役兵棋AI体系框架设计及关键技术分析

深度强化学习在游戏智能决策领域取得了令人瞩目的突破。多智能体深度强化学习、分层深度强化学习等领域的研究工作正将深度强化学习研究引向深入。由于联合战役兵棋博弈复杂的问题构成难以仅依靠深度强化学习方法解决,因而需要将人的知识经验有机融入强化学习过程中。对深度强化学习算法进行综合分析,并系统总结梳理联合战役兵棋AI的军事运用需求,在此基础上设计联合战役兵棋AI的体系框架并就框架中的相关技术进行探讨。