摘要：针对部队实兵演习作战能力评估模型机械单一、要素不全、评估虚实数据脱节,流程上不适应导演部演习组织筹划,内容上无法区分指挥程序、指挥质量、指挥时效、战斗作风等不同评估对象的问题,提出一种体系完整、要素齐全、指标科学的多维聚合评估模型,同步设计AHP+权重+归一化的作战能力计算方法,可自动化地将不同评估对象分层加权求和、回溯归一到演习导演部预设统一标准。以某基地组织的实兵演习作战能力评估为例,验证该方法的可用性与有效性。

摘要：针对现有战术训练模拟或作战仿真实验系统中军事轮式平台在非连通交通网络中的机动路径规划问题,在道路插值预处理结果基础上,设计一种基于Geohash的空间搜索算法,将机动时起点、终点与原有交通路网构造连通,进一步考虑地形地貌对机动性能的影响,修正Dijkstra最优路径算法,计算生成最短路径图,有效解决起点、终点不在交通路网上的非连通机动路径寻优问题。实验表明所提算法在访问顶点数目和搜索效率上存在明显优势。

摘要：现代战争的战场较大且兵种较多,利用多智能体强化学习(MARL)进行战场推演可以加强作战单位之间的协同决策能力,从而提升战斗力。当前MARL在兵棋推演研究和对抗演练中的应用普遍存在两个简化:各个智能体的同质化以及作战单位分布稠密。实际战争场景中并不总是满足这两个设定,可能包含多种异质的智能体以及作战单位分布稀疏。为了探索强化学习在更多场景中的应用,分别就这两方面进行改进研究。首先,设计并实现了多尺度多智能体抢滩登陆环境M2ALE,M2ALE针对上述两个简化设定做了针对性的复杂化,添加了多种异质智能体和作战单位分布稀疏的场景,这两种复杂化设定加剧了多智能体环境的探索困难问题和非平稳性,使用常用的多智能体算法通常难以训练。其次,提出了一种异质多智能体课程学习框架HMACL,用于应对M2ALE环境的难点。HMACL包括3个模块:1)任务生成模块(STG),用于生成源任务以引导智能体训练;2)种类策略提升模块(CPI),针对多智能体系统本身的非平稳性,提出了一种基于智能体种类的参数共享(Class Based Parameter Sharing)策略,实现了异质智能体系统中的参数共享;3)训练模块(Trainer),通过从STG获取源任务,从CPI获取最新的策略,使用任意MARL算法训练当前的最新策略。HMACL可以缓解常用MARL算法在M2ALE环境中的探索难问题和非平稳性问题,引导多智能体系统在M2ALE环境中的学习过程。实验结果表明,使用HMACL使得MARL算法在M2ALE环境下的采样效率和最终性能得到大幅度的提升。

摘要：分析了影响两栖攻击舰对空自防御作战目标威胁程度的因素,并对各因素属性值进行量化,采用基于熵值法和层次分析法(AHP)的组合赋权方法确定各因素权重。根据两栖攻击舰对空自防御武器性能和当时态势将来袭空中目标按紧迫程度进一步分为4类,在此基础上建立了两栖攻击舰对空自防御作战目标威胁评估模型。最后,设计了2种典型态势进行仿真计算,结果验证了模型的实用性。

摘要：针对靶场无人装备仿真试验手段缺乏问题,在构建无人艇动力学模型和运动模型的基础上,基于CoppeliaSim仿真软件,设计了一套无人艇运动控制仿真试验训练系统,构建了PID、滑膜和模糊PID三种控制器,并采用Navmesh寻路算法实现无人艇仿真平台的路径规划。该系统弥补了靶场无人装备仿真试验的不足,解决了无人艇模拟训练手段缺乏的难题,可为无人装备数字化试验鉴定提供基础支撑。

摘要：平行指控概念建立了数字化战场“虚”与“实”的互动,为军事指控的智能化奠定了基础;边缘指控概念建立了“中心”与“边缘”的无缝衔接,为无人作战系统(单元)广泛进入战场在指挥控制要素上的融合提供了框架指导。论文基于平行指控与边缘指控概念实现的需求,借鉴民用“滴滴打车APP”架构,提出新一代指挥信息系统的架构,框架由三部分组成:联合全域战场管理平台、基于PREA环的指挥信息系统和基于OODA环的边缘自适应C2系统,联合全域战场管理平台接受来自各军兵种的力量,并进行联合全域作战力量的管理和控制;基于PREA环的指挥信息系统提供任务的理解分析功能,并向“基于OODA环的边缘自适应C2系统”发布任务指令清单;基于OODA环的边缘自适应C2系统解析任务指令,并接受来自“联合全域战场管理平台”的资源推荐,基于任务需求和推荐资源,生成虚拟任务组织。