基于对抗分析的战略博弈推演方法

大国博弈日趋激烈,战略博弈推演逐渐成为各国面对战略博弈问题进行评估决策的重要方法。立足战略博弈特征,提出基于对抗分析的战略博弈推演方法,从战略博弈中各推演方针对策略选项的立场、意图和质疑等认知信息描述推演场景,识别当前场景各推演方存在的冲突矛盾点,评估战略态势,并构建多阶段战略博弈推演模型。通过示例表明该方法分析战略博弈问题的可行性与适用性,可为指挥决策提供支撑。     

融合先验知识的异构多智能体强化学习算法研究

近年来,基于深度强化学习的机器学习技术突破性进展为智能博弈对抗提供了新的技术发展方向。针对智能对抗中异构多智能体强化学习算法训练收敛速度慢,训练效果差异大等问题,提出了一种先验知识驱动的多智能体强化学习博弈对抗算法PK-MADDPG,构建了双重Critic框架下的MADDPG模型。该模型使用了经验优先回放技术来优化先验知识提取,在博弈对抗训练中取得显著的效果。论文成果应用于MaCA异构多智能体博弈对抗全国竞赛,将PK-MADDPG算法与经典规则算法的博弈对抗结果进行比较,验证了所提算法的有效性。     

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。     

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。     

面向维和装备保障的模拟训练系统研究

由于国际维和任务环境复杂、装备繁多、支撑条件有限,装备保障成为影响遂行任务的关键点,而强化对保障人员能力体系的培训,是有效遂行境外装备保障任务的保证.运用以模拟仿真、虚拟现实等技术为核心的各类模拟训练手段,借助互联网、卫星等信息传输平台,构建一套综合模拟训练系统,能够有效解决装备保障训练全面性、可持续性、便易性、经济性...     

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。     

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？     

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。     

第二核时代

保罗·布拉肯,美国耶鲁大学管理学与政治学教授,主要研究全球竞争以及技术在商务和防务领域的战略应用,曾在国防部多个咨询委员会工作。2013年7月22日,他在美国洛斯阿拉莫斯国家实验室发表演讲,强调指出美国需要重新认真关注核武器问题,本文是对他此次演讲内容的摘编。     

基于体系推演的作战概念建模与验证方法

针对未来新兴作战概念建模和验证需求,分析国内外作战概念建模和验证现状,采用体系工程建模分析与验证方法,构建基于DoDAF2.0框架和推演仿真的作战概念建模和验证方法,提出要害破击型和优势压倒型的作战概念制胜机理分析方法,并以美国海军一体化协同防空作战概念为例,进行作战概念建模和效能验证分析,初步验证了方法可行性。