摘要：无人集群作战正在成为一种改变战争形态的新型作战样式。针对当前无人装备试验相对独立、缺乏一体化闭环设计与集成验证手段的问题,提出了一种体系设计与仿真评估方法。该方法包含了作战概念建模与需求分析、体系设计理念与体系设计、内场仿真实验与方案探索、体系原型研发与评估优化、外场集成试验与综合决策五个阶段,创新发展了体系设计、仿真试验、评估优化的理论方法、工具链路、集成环境,为无人集群的体系化、智能化、实战化提供了一定的理论与技术支撑。

摘要：多模态数据间交互式任务的兴起对于综合利用不同模态的知识提出了更高的要求,因此融合不同模态知识的多模态知识图谱应运而生.然而,现有多模态知识图谱存在图谱知识不完整的问题,严重阻碍对信息的有效利用.缓解此问题的有效方法是通过实体对齐进行知识图谱补全.当前多模态实体对齐方法以固定权重融合多种模态信息,在融合过程中忽略不同模态信息贡献的差异性.为解决上述问题,设计一套自适应特征融合机制,根据不同模态数据质量动态融合实体结构信息和视觉信息.此外,考虑到视觉信息质量不高、知识图谱之间的结构差异也影响实体对齐的效果,本文分别设计提升视觉信息有效利用率的视觉特征处理模块以及缓和结构差异性的三元组筛选模块.在多模态实体对齐任务上的实验结果表明,提出的多模态实体对齐方法的性能优于当前最好的方法.

摘要：试验评估是促进装备系统作战能力生成和实战化应用的重要手段。无人集群依靠自组网实现复杂交互,具备典型的智能性和涌现性,开展无人集群试验评估研究面临着指标不清、标准模糊、技术方法落后等难题。为了进一步推动无人集群试验评估理论研究,对国内外已开展的无人集群试验评估相关规划和项目实践现状进行了概述。面向评估指标设计和评估方法研究两个试验评估关键环节,首先对已有无人集群评估文献中使用的指标进行了分类梳理,并分析了现有研究在指标选取和构建方面的特点与不足;然后,结合不同无人集群关键技术研究中涉及的评价指标,提出了面向无人集群关键技术能力的评估指标设计思路。在此基础上,根据具体含义及计算方式,将已有指标划分为基础指标和综合指标2类,分类介绍了可用的评估方法,期望为后续无人集群试验评估的指标构建和评估方法选取工作提供一定借鉴。

摘要：仿真建模作为一种模型驱动的机理建模,一直是武器装备系统采办、设计和评估等工作的主要手段.随着大数据和人工智能的深入应用,数据驱动的数据建模越来越受到关注.首先从模型驱动、数据驱动和模数驱动三个方面对武器装备作战建模方法进行概述,分析单独使用仿真建模或数据建模在应对当前武器装备作战建模工作的不足,提出一种模数驱动的数字化建模方法.该方法核心是模数驱动架构的设计,在此基础上运用功能决策树表示作战行为模型,对于行为模型中的决策环节,基于深度强化学习训练和嵌入数智Agent.通过构建弹道导弹突防过程中的多目标分配场景,对比仿真实验显示,采用智能网络决策比传统基于规则脚本的目标命中率有显著提高.

摘要：近年来,无人机在物流、通信、军事任务、灾害救援等领域中展现出了巨大的应用潜力,然而无人机的续航能力是制约其使用的重大因素,在无线充电技术不断突破和发展的背景下,本文基于深度强化学习方法,提出了一种考虑无线充电的无人机路径在线优化方法,通过无线充电技术提高无人机的任务能力.首先,对无人机功耗模型和无线充电模型进行了构建,根据无人机的荷电状态约束,设计了一种基于动态上下文向量的深度神经网络模型,通过编码器和解码器的模型架构,实现无人机路径的直接构造,通过深度强化学习方法对模型进行离线训练,从而应用于考虑无线充电的无人机任务路径在线优化.文本通过与传统优化方法和深度强化学习方法进行实验对比,所提方法在CPU算力和GPU算力下分别实现了4倍以及100倍以上求解速度的提升.

摘要：未来智能化战争复杂多变,敌我双方往往以对抗博弈情况出现,当我方作为攻击者时,如何有效隐藏我方意图实施有效打击,以及我方作为防御者时如何识别敌方意图实施有效防御,对战争局势的走向起到决定性作用。为把握战争局势,做到“知己知彼,百战不殆”,基于强化学习方法针对对抗意图识别问题提出了解决方案。仿真结果表明,基于强化学习被识别者可以有效地进行意图欺骗,而识别者可以通过意图识别设计方法有效地迫使被识别者暴露意图,从而采取攻防措施。

摘要：针对潜艇综合防御决策时存在的目标类型不明、目标运动信息解算不明、对抗环境信息不明3类信息不确定问题,构建基于不确定信息的潜艇防御鱼雷组合优化框架,设计基于蒙特卡洛模拟的随机搜索优化模型,采用基于离散边界收缩的粒子群优化(Particle Swarm Optimization,PSO)方法计算局部最优决策。建立战术对抗仿真模型对潜艇防御鱼雷策略进行选择与优化,针对不同鱼雷报警位置和行动策略,以安全余量作为评价标准,综合考虑3类不明条件下使用潜艇转向+定深规避与潜艇转向+使用水声器材防御两种策略,并结合PSO方法与过程仿真分别给出两类策略的选择边界条件及不同作战态势下的决策建议。防御效能分析结果表明:目标解算不收敛是最主要的防御行动影响因素,基于PSO方法的潜艇转向角度决策精度为±10°/20°;在相同的条件下,组合优化框架的决策加速比相比于传统搜索方法达到92~156,相比于并行计算方法达到10~16,在满足决策实时性的基础上可以为潜艇防御鱼雷争取更大的防御决策时间。

摘要：在梳理总结当前兵棋智能决策方法研究现状的基础上,明确指出了开展任务级兵棋智能决策研究的8项难点,从博弈活动中智能体定位、信息流转与知识流转等问题出发,设计给出了任务级兵棋智能博弈框架、智能策略生成优化框架以及多智能体策略协同演进框架,进而分析了高维度下长时序的态势信息数据综合、异步策略分布式学习优化、基于语义模板的任务指令生成、多智能体训练营博弈调度等4项关键问题,并给出了基本解决方案,点明了开展任务级兵棋智能决策研究的技术要点与基本路线,为后续任务级兵棋智能体设计提供了有益参考。

摘要：数据在现实世界中通常呈现长尾分布,即,少数类别拥有大量样本,而多数类别仅有少量样本.这种数据不均衡的情况会导致在该数据集上训练的模型对于样本数量较少的尾部类别产生过拟合.面对长尾视觉识别这一任务,提出一种面向长尾视觉识别的特征平衡方法,通过对样本在特征空间中的收缩、分离和聚合操作,增强模型对于难样本的识别能力.该方法主要由特征平衡因子和难样本特征约束两个模块组成.特征平衡因子利用类样本数量来调整模型的输出概率分布,使得不同类别之间的特征距离更加均衡,从而提高模型的分类准确率.难样本特征约束通过对样本特征进行聚类分析,增加不同类别之间的边界距离,使得模型能够找到更合理的决策边界.该方法在多个常用的长尾基准数据集上进行实验验证,结果表明不但提高了模型在长尾数据上的整体分类精度,而且显著提升了尾部类别的识别性能.与基准方法BS相比较,该方法在CIFAR100-LT、ImageNet-LT和iNaturalist 2018数据集上的性能分别提升了7.40%、6.60%和2.89%.

摘要：面对动态防空资源分配问题中存在的空袭目标突现和雷达、发射车等资源受干扰现象,在综合考虑雷达、发射车和导弹等武器装备性能的基础上,基于目标集、资源集建立了最小化目标总拦截价值与生存概率的混合整数决策模型。提出了一种新的改进差分进化算法进行求解,采用反向学习策略生成初始解,确保初始种群的质量,设计了一种快速修复与重构的启发式规则作用于多阶段,以提升算法的搜索能力。仿真实验验证了该算法具有求解时间和求解精度上的优越性。该研究能使武器系统在动态事件的随机影响下,保持高效的作战能力和决策效果。