基于课程强化学习的联合海空博弈决策模型训练方法

针对多智能体深度强化学习在解决联合海空作战战术博弈决策模型难以训练优化问题,结合多智能体深度强化学习在智能化指挥决策问题中的应用性优势,以及课程学习在复杂问题研究中的改进优势,构建基于马尔可夫决策过程的联合海空战术决策过程模型,提出基于复杂度指数函数的任务复杂性度量方法,建立基于值分解网络算法的求解模型。针对一个典型联合海空作战战术决策场景,构建从易到难的课程学习任务和模型求解框架,设计针对任务的决策模型训练方法,在兵棋推演仿真系统上,对模型训练方法的可行性进行了验证。     

学习贯彻党的二十大精神应坚持科学方法

当前和今后一个时期,学习贯彻党的二十大精神是全军官兵的首要政治任务。要做到学习贯彻全面、深入、高效,坚持科学的方法至关重要。方法得当,则事半功倍,更容易入脑入心、走深走实。为此,推荐五种典型方法供基层战友们借鉴参考。一是坚持“原汁原味”学。习近平主席强调指出:“学习理论最有效的办法是读原著、学原文、悟原理。”学习贯彻党的二十大精神,最有效的方法就是精读报告原文,逐字逐句学深悟透,理解理论内涵,领悟精髓要义,为履职尽责、担当作为打下扎实基础。深钻原文“反复”学。     

多约束强化学习最优智能滑翔制导方法

为提升复杂飞行任务下滑翔制导的自主性,提出一种基于最优制导与强化学习的多约束智能滑翔制导策略。引入三维最优制导以满足终端经纬度、高度以及速度倾角约束。提出基于侧向正弦机动的速度控制策略,研究考虑机动飞行的终端速度解析预测方法。针对速度控制中机动幅值无法离线确定的问题,研究基于强化学习的智能调参方法。该方法基于终端速度设计状态空间,以机动幅值设计动作空间,设计综合终端速度误差与滑翔制导任务的回报函数,采用Q-Learning实现机动幅值的智能调整。仿真结果表明,智能滑翔制导方法能够高精度满足终端多种约束,并能有效提升复杂任务下的自主决策能力。     

基于强化学习的通信受限环境多无人机协同策略

随着人工智能技术的发展,空域无人作战正由“单平台遥控”向“多平台协同”转变。多无人机协同作战任务具有非完全信息、通信受限、高实时、强动态等特点,给协同决策生成带来巨大挑战。针对通信受限环境中的多无人机协同决策问题,提出一种基于动态层级网络通信架构的通信强化学习协同策略,该策略能够显著减少无人机集群间的通信次数,同时准确传递其决策需要的信息,从而得到较优协同策略。针对多无人机协同围捕的典型任务场景,基于OpenAI平台对所提出的算法进行了仿真验证。结果表明,与传统强化学习算法相比,提出的通信强化学习策略可以显著减少无人机间的通信次数,同时在一定程度上避免潜在的信息欺骗问题。完成任务需要的平均通信次数相比于传统两两通信结构减少约77%,为实现通信受限环境中的多无人机协同任务提供技术支撑。     

21世纪无人机关键技术

无人机因其独特而优异的战术性能,在近几次现代局部战争中得到了越来越广泛的应用,执行的任务也越来越多。从未来无人机的军事需求及其战术性能入手,结合技术发展趋势和发展可行性,对未来无人机发展需要的一些关键技术进行了分析研究,这些关键技术对提高未来无人机的战术性能具有重要作用。     

装备作战需求论证综合集成环境的系统结构

运用多智能主体 (MAS)技术 ,对装备作战需求论证综合集成环境 (EORD -IE)的功能需求和系统结构要求进行了深入分析 ,提出了基于公共主体请求代理体系结构CARBA、基于客户 /经纪人 /服务器 (C/B/S)和客户 /服务器 (C/S)的服务模式、基于合同网协议的多主体协作协商机制的EORD -IE系统结构 ,并进行了系统的功能配置和主体配置。     

生活眼

大小事国内南京军区新型蚊虫驱避剂研制成功。一种名叫"蚊不叮"的新型野战单兵蚊虫驱避剂,日前由南京军区某疾病控制中心研制成功。该蚊虫驱避剂能有效驱逐30余种蚊虫。用上了该驱避剂的野外驻训官兵,再也不用担心蚊虫叮咬了。武警部队"兵情观察员"成为新时尚。武警浙江总队金华支队依托政工网,以网友无记名投票的方式选举产生20名"兵情观     

坦克实体智能机动路径模型

根据坦克机动作战的一般原则,首先对影响坦克实体机动的因素进行了分析和合理的假设;充分考虑战术模拟中的实际情况,将数字地图中各点间的空间距离转化为以各点间机动时间为权边的网图,通过求任意两点间的最短距离的方法,建立坦克实体机动最短时间路径的数学模型。并给出了人工智能算法,把问题求解过程简化,从而解决战术模拟系统中智能机动中的路径选择问题。     

基于多智能体的反导传感器任务规划算法

首先探讨了反导作战中各类传感器资源的构成特点和功能划分,然后基于多智能体multy-agent system(MAS)的分布式人工智能技术提出了适应反导作战需求的传感器任务规划体系架构,既而深入分析了体系架构中各类agent的主要功能,最后给出了一个实体层传感器的任务规划流程和算法实例,为构建高效率、智能化的反导作战多传感器任务规划技术提供了一种有效的研究方法。     

MAS中Agent属性冲突形式化描述及消解系统研究

由于多智能体系统(MAS)中各个Agent具有自治性、分布性和异构性等特征,导致MAS内部经常会出现冲突现象。首先,运用数学方法对MAS中存在的属性冲突进行形式化描述,并将其分为6类,针对每类冲突提出了相应的消解对策。其次,对属性冲突智能消解系统(AACIRS)流程框架进行了分析,并在此基础上建立了AACIRS系统,实现了MAS中属性冲突的消解。从而为解决MAS中Agent属性冲突提供了解决方案,为MAS的稳定运行提供了技术保证。