基于深度强化学习和导航向量场的卫星规避拦截算法

针对在轨卫星规避拦截问题,提出了一种新的基于强化学习和三维李雅普诺夫导航向量场（3D-LGV）算法。首先,采用3D-LGV产生收敛于椭圆轨道的趋近律,保证规避拦截后能再次入轨。其次,针对拦截卫星利用扰动流体动态系统算法（IFDS）产生扰动流场,利用该扰动流场对导航向量场产生的趋近律进行修正,从而保证卫星能有效地规避拦截。由于IFDS算法中扰动流场大小和方向主要受其中反应系数和方向系数的影响,采用近端策略优化深度强化学习算法作为决策层输出反应系数和方向系数,用于指导卫星在不同场景下提供合适的对导航向量场的修正。最后,通过将IFDS算法修正后的趋近律作为卫星的最终运动方向,实现了整个规避过程。在构建的不同场景下进行了对比实验,结果表明,相较于滚动时域优化算法（RHC）、人工势场算法（APF）和传统IFDS算法,基于强化学习的算法决策时间更短、规避效果更好,在不同场景下均能实现有效规避。同时,对该算法进行蒙特卡洛仿真,统计结果显示卫星规避成功率高达98%。因此,此研究对智能方法在卫星规避拦截领域的应用具有一定价值。     

基于异环境重要性采样的增强DDRQN网络

针对局部可观测多智能体学习环境下,智能体与环境频繁交互造成环境不稳定,导致智能体无法使用经验回放机制(experience replay)的问题,采用了一种基于异环境重要性采样的回放经验利用机制。并结合该机制再深度强化学习算法,深度分布式循环Q网络(DDRQN)基础上进行了改进,提出一种增强型的深度分布式循环Q网络。通过对Deep Mind的Py SC2平台Defeat Roaches局部可观测多智能体学习环境实验结果对比分析表明,增强型的深度分布式循环Q网络相比于DDRQN网络,具有良好的学习性能,稳定性、收敛速度均具有显著提升。     

着眼时代特点和问题导向 全面提升《纲要》落实质效

习主席指出,基层是部队全部工作和战斗力的基础,基层强则部队强。随着改革深入推进,广大官兵响应号召,全身心投入强军实践,引领基层发展走上正轨、初见成效。但对照"三个过硬"要求,末端检视还存在一定的差距不足。今年初,军委出台新版《纲要》,为解决基层深层次问题提供了目标路径,需要各级对照理清思路、加深思考理解、强化实际检验。一、强化制度落实,解决组织虚化的问题习主席深刻指出了基层"战斗堡垒作用跟不上"的突出问题。实践反复证明,组织制度实起来,党委支部建设才有领导力、组织力。     

充分发挥临时党组织功能强化对抽组保障模块的集体领导

联勤保障旅是新一轮国防和军队改革中诞生的一支新型作战保障力量,人员装备主要从各仓库、医院、汽车部队抽组,面临抽组力量多元、人员类别多样、执行任务多变等问题。如何把握这一特点,充分发挥临时党组织功能,强化对作战保障行动的组织领导,是需要认真研究探索的一个现实课题。     

着眼“四个强化”大力培塑军官职业精神

军官职业精神,是军官在军事职业活动中逐渐养成并内化为普遍认同的价值取向、理想追求、意志品质、道德情操等方面的行为准则,它既是军官个体在职业体验中升华形成的职业文化,同时也是社会对于军官职业群体寄予的道德要求。随着国防和军队历史性变革的深入推进,我军以军衔制为主导的军官职业化进程迈开实质性步伐。军官职业精神作为军事职业文化和价值观层面的一种内在力量,是反映军官职业化水准的重要内容之一。大力培塑军官职业精神,是推进军官职业化的内在要求,也是提升军队战斗力的重要举措,必须作为基础性长期性工作紧抓不放。     

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。     

当前消防建审工作面临的挑战及对策

以我国从计划经济向社会主义市场经济转型的国情实际为出发点 ,结合WTO的规则要求 ,分析当前消防建审工作存在的问题 ,并提出应对方法和措施。     

使用关联规则技术构建入侵检测系统行为模式规则库

入侵检测是用来发现网络外部攻击与合法用户滥用特权的一种方法。数据挖掘技术是一种决策支持过程。它能高度自动化地分析原有的数据 ,做出归纳性的推理 ,从中挖掘出潜在的模式 ,预测出客户的行为。根据数据挖掘技术在入侵检测中的应用情况 ,可采用关联规则技术实地建立了一个网络行为模式规则库