不完全信息下战斗机综合作战效能评估方法

为了处理评估过程中的不完全信息,将偏好规划理论引入到战斗机作战效能评估研究中,在RICH方法基础上,提出了一种不完全信息下战斗机综合作战效能评估方法.并将RICH法使用范围进行拓展,讨论了更适合效能评估的多层值树的RICH法使用问题.最后,通过一个效能评估仿真示例对方法进行了验证.结果表明,该效能评估方法在不完全信息条...     

基于间接互惠理论的合作生成算法研究

在快速变化的战场环境下,时间是制约作战效果的因素,能否尽快地寻找到最佳的合作伙伴是协同作战的关键。通过对现代战场时限的需求分析,建立了以时间为量化指标的战场作战单元合作模型。为了解决名誉值机制的合作生成算法产生的“马太效应”问题,运用合作博弈理论和间接互惠理论,提出了一种“好”“坏”直接评判机制的合作生成算法。仿真结果表明,“好”“坏”直接评判机制的合作生成算法比名誉值机制的合作生成算法稳定性更高。     

基于博弈视角的会计信息造假分析

策略博弈问题普遍存在于社会生活的方方面面,会计工作也不例外。文章认为,会计信息提供者与监管者之间以及会计信息提供者之间都进行着博弈,并基于博弈的结果决定是否进行会计信息造假以牟取经济利益。     

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.     

无人机集群作战智能培育平台构建研究

面向红蓝双方非完备信息条件下的无人机集群自主作战场景,参考即时战略游戏星际争霸人工智能技术思想,提出一种基于人工智能与军事仿真深度融合的无人机集群作战智能培育平台构建方法,给出了技术实现路径,旨在通过大样本训练,培育无人机集群自主作战决策能力,探索无人机集群战法运用模式,支撑作战人员对无人机集群进行高级指挥控制.     

网络空间安全博弈的策略分析

随着网络信息技术的更新换代,网络空间日益成为国际安全博弈的新兴领域。网络空间安全博弈的核心在于对国家利益的争夺和维护,关键环节在于如何通过各种策略方式对别国施加影响,进而达成本国利益诉求。对于如何区分和评估网络空间安全博弈策略,当前学界尚未形成统一共识,不同学者之间提出的策略分类存在明显交叉甚至相互矛盾。本文梳理分析了国家行为体在网络空间安全博弈中主要采取的控制、损耗、拒止三种策略,从实施策略的技术可行性、己方实施策略所需付出的代价大小、策略实施后对目标国国家行为造成的影响三方面讨论了各种网络空间安全博弈策略在不同条件以及不同目的下的适用性,最后从各种网络空间安全博弈策略的特征属性出发,结合本国网络安全环境进行深入分析,提出了对加强我国网络安全建设具有借鉴、启发意义的对策建议。     

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。     

冷战后美国联盟战略调整的新特点

联盟战略是美国防务政策的重要组成部分 ,也是美国国家安全战略的主要战略要素之一。第二次世界大战后 ,随着冷战的开始 ,美国联盟战略作为实现国家目标的有力工具逐步形成和发展起来。几十年来 ,美国已经在世界上构建了一个规模庞大的联盟体系 :在北大西洋地区 ,美国与其他十几个欧美国家结成北约 ;在亚太地区 ,美国与日本、韩国、菲律宾、新加坡、泰国、澳大利亚等国结为盟友 ;在中东地区 ,以色列是美国绝对的盟友 ,沙特阿拉伯、科威特等国又在很大程度上依赖于美国 ;另外 ,美国与许多国家保持的各种非正式联盟关系更是灵活多样。当前 ,世…     

军工企业集团化变迁的博弈分析

集团化变迁是我国军工企业管理史上迄今为止最具实质性的一次制度变革。文章以此为背景,构建了一个军工企业集团化变迁模型,通过模型求解和对纳什均衡的寻找,分析了变迁的不稳定性。认为非正式制度的形成和正式制度的建立、变迁目标的设定和变迁模型的选择对变迁结果意义重大。     

基于改进QGA的有/无人机编队多任务联盟生成

针对有/无人机编队作战中多约束复杂任务分配问题,提出一种改进QGA(Quantum Genetic Algorithm,QGA)的多任务联盟求解方法。首先确定任务需求、时间、平台能力等多种约束,综合考虑联盟总任务收益、耗费成本与任务时间因素,构造目标函数,建立了多任务联盟生成优化问题模型;从多分组并行演化、观测值修正、动态旋转角调整3方面对QGA算法进行改进用于问题求解;并结合实际案例进行了仿真分析,结果表明,提出的方法可以有效生成多任务联盟,解决有/无人机编队多约束复杂任务分配问题,解质量较高。