基于多Agent的编队导弹攻击火力分配的优化研究

目前解决火力分配优化问题的更多的是运用静态的数学模型,忽略了作战是一个激烈对抗的过程.为了更全面地研究编队导弹攻击分配的优化问题,提出了一种基于多Agent的编队导弹攻击火力分配仿真优化研究的方法.首先建立了舰艇Agent的模型,研究了Agent的演化模型,建立了基于Agent的火力分配的优化模型.通过Agent自身的演化,从而达到整个编队导弹攻击的火力分配决策的优化目的.最后给出了仿真试验,对仿真结果数据的分析,验证了方法的可行性.     

美军几种有效提高频谱利用率的技术

文中简要介绍了美军的几种可有效提高频谱利用率的技术,如基于信号传播控制的频谱复用技术:定向天线和组网;利用信号问差异的频谱复用技术:扩展频谱、信号极化和智能天线等。文中对这些技术的特征以及应用于频谱复用时的特点作了简要阐述。     

智能时代大学生思想政治教育的机遇、挑战与对策研究

智能时代,网络技术快速发展,人们的生活被各种新的思想、观念、方式所包围。大学生群体正处于身心不稳定时期,他们好奇心和求知欲旺盛,面对纷繁复杂的信息不能做出正确辨别很容易受到诱导误入歧途。因此,如何最大限度利用智能技术开展思想政治教育,传播先进思想文化,如何让智能成为大学生获取知识,扩宽视野的渠道已成为目前高校思想政治教育工作亟待解决的非常重要而又急迫的时代课题。     

C2系统仿真及评价研究进展

以网络中心战价值链的分析为核心,对指挥控制系统的地位特点及仿真与评价的必要性进行了论证,在此基础上,从"忽略或淡化"、人在回路中、专家系统、基于Agent的方法及基于Swarm的方法5个角度对智能行为建模领域的研究进展进行了分析,同时从"基于能力"及"基于优势"两个视野对指挥控制系统指标体系的构建方法及相应架构进行了剖析.     

防空反导机理分析及筹划决策

由弹道导弹、新一代战机、临近空间飞行器和智能无人系统等组成的空天一体化打击系统已成为空天防御面临的巨大威胁与挑战.本文首先从战场环境、空天打击特点和防空反导特点等角度分析防空反导作战的内在机理,对防空反导作战部署、拦截打击、协同规则等典型作战规则展开了探索设计,提出包含预先筹划、应急筹划和战时临机调控的防空反导筹划流程...     

汽车加油机器人关键技术分析

传统加油模式使操作人员易受有毒易燃油气的侵害,而且严冬酷暑时加油站作业环境恶劣,因此在加油站配置机器人实现智能化加油变得十分迫切。介绍了国内外汽车加油机器人的研究进展,指出其作业对象的差异性、环境的多变性以及作业过程的危险性。分析了当前汽车加油机器人所采用的加油机构、加注接口以及识别与定位技术的特点,指出加油机构优化、安全控制、智能识别与定位研究是汽车加油机器人发展的方向。     

基于深度强化学习的智能对手自主空战决策技术

为提升空战训练对手的智能性与自主性,提升空战训练效果。针对空战战术训练智能对手自主空战决策问题,提出一种基于深度强化学习的智能体训练方法,采用最大熵强化学习（SAC）算法平衡策略探索与利用的优势,引入自博弈和多智能体联盟训练方法提升空战智能体策略的多样性和鲁棒性。针对一对一近距格斗空战场景建立智能博弈框架及奖励函数,仿真结果表明,基于零经验训练得到的智能体能够有效自主机动决策并实施近距导弹攻击,产生较好的战术效果,证明该方法在一对一近距格斗空战智能体训练中的有效性。     

基于多Agent的装甲装备动用与维修保障过程仿真

结合装备动用与维修保障评估需求,以装甲装备动用和维修保障过程为研究对象,分析装甲装备动用管控的方式方法和全寿命维修保障过程,建立控制台Agent、装甲装备Agent、部件Agent 3类智能体模型,对装甲装备动用与维修过程进行仿真和评估,为陆军部队装甲装备动用策略评估、装备动用计划制定以及维修保障资源调配提供参考。     

论智能化条件下党的创新理论武装

习主席指出:“人工智能是引领新一轮科技革命和产业变革的重要驱动力,正深刻改变着人们的生产、生活、学习方式,推动人类社会迎来人机协同、跨界融合、共创分享的智能时代。”当前,以智能化为主要标志的信息技术飞速发展与普及应用,使得开放、多样的思想舆论对部队官兵产生越来越大的影响,重构着官兵的思维、行为和活动方式。如何实施精准理论教育,是智能化条件下党的创新理论武装面临的最现实、最紧迫的课题,必须适应教育环境对象的新变化,加强对新时代官兵思想心理、认知规律、接受特点、行为取向的研究,以需求为基础.     

针对无人机集群对抗的规则与智能耦合约束训练方法

基于无人机集群智能攻防对抗构想,建立了无人机集群智能攻防对抗仿真环境。针对传统强化学习算法中难以通过奖励信号精准控制对抗过程中无人机的速度和攻击角度等问题,提出一种规则与智能耦合约束训练的多智能体深度确定性策略梯度(rule and intelligence coupling constrained multi-agent deep deterministic policy gradient, RIC-MADDPG)算法,该算法采用规则对强化学习中无人机的动作进行约束。实验结果显示,基于RIC-MADDPG方法训练的无人机集群对抗模型能使得红方无人机集群在对抗中的胜率从53%提高至79%,表明采用“智能体训练—发现问题—编写规则—再次智能体训练—再次发现问题—再次编写规则”的方式对优化智能体对抗策略是有效的。研究结果对建立无人机集群智能攻防策略训练体系、开展规则与智能相耦合的集群战法研究具有一定参考意义。