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。     

模型驱动的作战概念工程化设计方法

作战概念设计是一项军事科学与系统科学相互交织的复杂领域。本文利用模型驱动的“V型”工程化设计方法将军事设计的艺术性和工程方法的科学性进行有机融合,通过构建可视化展现模型、体系化设计模型及科学化论证模型三类核心模型簇,支撑开展作战需求分析、作战概念研提、作战概念体系设计、作战概念验证优化与作战需求确认等活动,形成由作战需求牵引的作战概念研提、设计和验证的工程化设计链路,实现作战概念由原型到样品再到产品的螺旋迭代优化。采用模型驱动的工程化方法设计作战概念必将促进作战概念设计由粗放式的概略定性思辨向系统化的精细定量设计转变,提高作战概念的可操作性和实用化水平。