基于强化学习的对抗意图识别

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。

基于自适应网格多目标鲸鱼算法的火力分配问题研究

传统多目标优化算法在解决多于两个目标函数的火力分配问题时收敛效果不佳,多样性差,耗时过大。基于此,提出了一种自适应网格多目标鲸鱼优化算法(AG-MOWOA)来解决以震塌比例、弹药成本和自身剩余价值为目标函数的火力分配问题。该算法引入混沌映射和外部Pareto存档进化策略提高了种群的多样性,通过自适应网格选取最优个体的方法极大地减少了算法运行时间。仿真实验结果表明,该算法较其他算法收敛速度更快、收敛质量更高、解集分布更多样,能够有效解决火力分配问题。

欺骗谋略在网络空间防御行动中运用

军事欺骗是谋略运用的重要内容。结合网络空间攻防行动特点,剖析了网络欺骗的原理;借鉴运用博弈理论,分析了欺骗谋略在网络空间防御行动中的制胜机理;总结了支撑网络欺骗实施的蜜罐蜜网、拟态防御和移动目标防御等3种主要技术手段的原理及研究重点;给出了欺骗谋略在网络空间防御行动中的组织运用方法。研究成果对于提升网络空间防御效能具有理论价值和实践指导意义。

基于演员-评论家框架的层次化多智能体协同决策方法

针对复杂作战环境下多智能体协同决策中出现的任务分配不合理、决策一致性较差等问题,提出一种基于演员-评论家(Actor-Critic,AC)框架的层次化多智能体协同决策方法。通过将决策过程分为不同层次,并使用AC框架来实现智能体之间的信息交流和决策协同,以提高决策效率和战斗力。在高层次,顶层智能体制定任务决策,将总任务分解并分配给底层智能体。在低层次,底层智能体根据子任务进行动作决策,并将结果反馈给高层次。实验结果表明,所提方法在多种作战仿真场景下均取得了较好的性能,展现了其在提升军事作战协同决策能力方面的潜力。

面向栅格地图的区域渐进均分算法

单架无人机续航能力限制了区域全覆盖侦察,合理的区域划分是实现多无人机协同全域侦察的关键。栅格法规划侦察区域是无人机区域侦察的常用研究方法。为了解决栅格地图等量划分的问题,提出了一种面向栅格地图的区域渐进均分算法。算法由4个阶段构成。阶段1,建立区域边界确认的跳跃迭代法,根据栅格的特点制定判定条件,进行栅格特征标识。阶段2,提出一种双特征标识方法,对射线法进行改进,确定区域内部栅格。阶段3,模仿水波扩散,提出了一种邻边扩散法,实现区域初步的扩散分割。阶段4,设计补偿规则,通过邻边补偿算法,对各子区域栅格数进行数量补偿。实验证明,区域渐进均分算法相较于其他算法,具有较好的聚集性,连续性和均匀性,为多无人机协同全域侦察提供了理论保证。

论智能时代的新质战斗力

当前,以人工智能技术、生物技术、定向能技术、新材料技术、新能源技术、量子技术等为代表的多个新技术群推动战争面貌日新月异。从这些新技术群的产业基础、发展潜力、技术成熟度、影响广度与深度等多方面综合考量,如同蒸汽时代的蒸汽机、电气时代的电动机、信息时代的计算机和互联网一样,人工智能是当前最具代表性和最有效率的生产工具。人工智能技术已成为引领新一轮军事变革,推动战争形态演变的主导性技术群,正以“智能+”和“+智能”方式全面赋能军事领域,改变着战斗力的构成要素、基本类型与生成模式,涌现出智能时代的新质战斗力。

面向对海监视的舰船目标跟踪与航迹融合数据集

对海监视中航迹实时关联与轨迹融合任务是安全防控、区域态势监视、远程精确打击等军民应用领域的热点和难点问题,高质量的数据集对推动目标跟踪与融合技术在该领域的研究有重要作用。本研究针对目标跟踪与融合领域技术研究的数据需求以及目前公开数据集所存在的数据缺乏、场景设计针对性差、数据格式单一、数据描述不全等问题,通过仿真软件对复杂场景中多传感器多目标探测数据进行仿真,提供了一套面向典型对海监视场景(以舰船为探测对象的2D雷达与侦察传感器﹝ESM﹞)的目标跟踪与航迹融合数据集。其中仿真软件包括剧情发生器和传感器模拟器两部分,是一套成熟的目标跟踪场景仿真环境,提供逼真的探测数据模拟能力。本数据集涵盖的传感器对象包括2D雷达与侦察传感器,目标包括典型的海上舰船类别,并支持携带辐射源配置,设计了高速运动、密集交通、多传感器数据融合、特定舰船侦测和交叉定位等多种典型场景。本数据集中共包含368155条目标点迹,舰船数量为101条,时间范围15000秒,数据格式符合实际设备上报情景、探测误差模型符合实际。本数据集通过对数据误差进行正态性检验、对检测率、虚警率的场景检验以及实地调研,完成了对数据的准确性评估与数据完备性控制,可为舰船目标跟踪、轨迹融合等算法研究与验证提供基础数据。

基于D3QN的火力方案优选方法

针对在多类弹药协同攻击地面工事类目标任务中火力方案优选效率低的问题,提出一种基于双层决斗DQN(dueling double deep Q network,D3QN)的火力方案优选方法。该方法将打击过程建模为马尔科夫决策过程(Markov decision processes,MDP),设计其状态空间和动作空间,设计综合奖励函数激励火力方案生成策略优化,使智能体通过强化学习框架对策略进行自主训练。仿真实验结果表明,该方法对地面工事类目标的火力方案进行决策,相较于传统启发式智能算法能够获得较优的火力方案,其计算效率和结果的稳定性相较于传统深度强化学习算法具有更明显的优势。

Agent视域下的人工智能赋能作战系统

针对作战系统的智能化设计问题,提出了基于Agent的人工智能技术概念框架和应用方法。首先,阐述了Agent概念,讨论了在作战系统中研究Agent的重要意义。然后,介绍了基于Agent的人工智能研究框架,列举了Agent在作战系统中的多种应用方式。最后,分析了Agent技术发展趋势及其作战应用可能面临的风险与挑战。

第二届“科技+军事”未来战争高端论坛专题编者按

习近平主席在致国防科技大学建校70周年的贺信中强调,希望学校以建校70周年为新的起点,深入贯彻新时代强军思想,全面落实新时代军事教育方针,坚持立德树人、为战育人,坚持面向世界军事和科技前沿、面向国防和军队现代化,勇担时代重任,锐意开拓进取,大力培养高素质专业化新型军事人才,加快国防科技自主创新步伐,努力在实施科技强军战略、人才强军战略中发挥重要作用,为实现建军一百年奋斗目标、开创国防和军队现代化新局面作出更大贡献。

未来智能网络信息体系发展设想

立足实现未来战争的智能优势,本文首先分析战争形态演进、未来战争面临的威胁与挑战,深入研究人工智能井喷式发展带来的作战技术体系变革,提出智能网络信息体系发展需求;然后,从相关概念内涵、能力构想、体系架构等多个维度剖析和勾勒智能网络信息体系发展蓝图;最后,从深化顶层设计、加强前瞻布局、创新发展模式等方面提出智能网络信息体系发展建议。

基于HFACS模型的军事演训活动风险评估指标体系构建

基于人因分析与分类系统(HFACS)分析军事演训活动的全面风险,考虑联合军事演训和新域新质作战力量的特点,并突出演训活动的战斗力标准。在改进HFACS模型分析框架的基础上,逐层次细化拆解,建立初步的风险评估指标库,并结合专家知识运用风险矩阵对指标库进行优化。构建人为因素视角下涵盖战斗力的风险、组织管理的风险、不安全行为的前提条件的风险和不安全行为的风险等4个方面以及包含战斗精神、新型主战武器、智能装备等在内的15项极高风险指标、20项高风险指标和8项中风险指标的风险评估指标体系。

两栖攻击舰编队海上航渡对潜防御队形优化配置研究

针对两栖攻击舰编队对潜防御时的队形配置问题,从潜艇对编队的威胁分析入手,建立了潜艇鱼雷极限射距圆模型,通过模型分析与仿真计算,得出了两栖攻击舰应配置在威胁圆圆心稍后位置的结论,并给出了优化位置计算模型;结合潜艇威胁范围与威胁距离模型及警戒舰艇对潜防御范围模型,给出了护航兵力优化配置方法,为两栖攻击舰编队海上航渡时的对潜防御提供了参考。

基于大语言模型的复杂任务自主规划处理框架

随着深度学习和自然语言处理技术的进步,大语言模型(Large language models, LLMs)展现出巨大潜力.尽管如此,它们在处理复杂任务时仍存在局限性,特别是在任务需要结合规划及外部工具调用的场合.面向这一挑战,提出国内首个以军事游戏为背景的中文的复杂任务规划与执行数据集(Complex task planning and execution dataset, CTPaE),以及一个基于LLMs的自主复杂任务规划(Complex task planning, CTP)处理框架AutoPlan.该框架可以对复杂任务进行自主规划得到元任务序列,并使用递进式ReAct提示(Progressive ReAct prompting, PRP)方法对已规划的元任务逐步执行.该框架的有效性通过在CTPaE上的实验及与其他经典算法的比较分析得到了验证.项目地址:https://github.com/LDLINGLINGLING/AutoPlan.

装备数字工程概念与实践思考

在全球数字化时代背景下,针对高端复杂装备系统工程实践中如何进一步提高效率、降低成本的问题,提出了数字工程实践的本质是系统工程在系统全生命周期中的进一步扩展应用,应通过数字工程实践提高复杂系统的立项、研发、采购和运维的效率,进一步降低成本。本文基于美军的实践经验,梳理出1个核心为基础、3类实践为驱动、4个步骤为指引的数字工程实践方法。这套数字工程实践方法涵盖了装备从概念论证到实际运维的全生命周期,为数字工程研发提供了系统性的指导,包括体系论证、需求分析、样机设计等关键环节,可实现对复杂系统的全方位、全过程管理。

基于被动声呐音频信号的水中目标识别综述

基于被动声呐音频信号的水中目标识别是当前水下无人探测领域的重要技术难题,在军事和民用领域都应用广泛.本文从数据处理和识别方法两个层面系统阐述基于被动声呐信号进行水中目标识别的方法和流程.在数据处理方面,从基于被动声呐信号的水中目标识别基本流程、被动声呐音频信号分析的数理基础及其特征提取三个方面概述被动声呐信号处理的基本原理.在识别方法层面,全面分析基于机器学习算法的水中目标识别方法,并聚焦以深度学习算法为核心的水中目标识别研究.本文从有监督学习、无监督学习、自监督学习等多种学习范式对当前研究进展进行系统性的总结分析,并从算法的标签数据需求、鲁棒性、可扩展性与适应性等多个维度分析这些方法的优缺点.同时,还总结该领域中较为广泛使用的公开数据集,并分析公开数据集应具备的基本要素.最后,通过对水中目标识别过程的论述,总结目前基于被动声呐音频信号的水中目标自动识别算法存在的困难与挑战,并对该领域未来的发展方向进行展望.

基于“马赛克战”的水下有人-无人作战使用探讨

通过对“马赛克战”概念的背景和特点进行分析,提出基于马赛克的水下攻防作战运用构想,构建基于马赛克的水下有人-无人作战网络,分析多域背景下水下OODA作战网络的构成,利用OODA作战环理论对水下马赛克作战网络作战能力进行分析,并提出水下马赛克作战网络对抗单个平台和对抗作战网络的使用方法。最后,从通信组网、集群使用、人工智能、察打一体等4个方面对“马赛克战”概念下水下无人航行器装备使用提出建议。

基于改进差分进化算法的跨平台武器目标分配方法

现代战争中,跨平台武器单元的协同利用,是合同编队体系的重要内容,作战方式也正由平台级协同向着能力要素级协同转变,这对武器目标分配问题的解决提出了更大挑战。本文将武器单元的最小划分单位细化到能力要素级,以毁伤概率与成本消耗为优化目标,面向多种来袭目标的编队防空场景,提出了跨平台武器目标分配算法。同时,基于混沌映射提出了混沌种群重构(chaotic population reconstruction,CPR)机制,并结合带存档的自适应差分进化(adaptive differential evolution with optional external archive,JADE)算法提出了CPR-JADE算法,利用CPR机制可以帮助算法在解决高维复杂约束问题时跳出局部最优。再将其运用到武器目标分配模型上,实现了对模型的高效求解。最后,通过在多种数据规模下与其他进化优化算法的仿真对比试验分析,验证了所提方法的正确性与有效性。

基于大模型的态势认知智能体

针对战场态势信息众多、变化趋势认知困难的问题,提出基于大模型的态势认知智能体框架和智能态势认知推演方法。从认知概念出发,结合智能体的抽象性、具身性特点,明确了智能体构建的3个关键环节:学习环境、记忆方式和产生知识机制;设计了战场态势认知智能体架构,包括记忆部件、规划部件、执行部件、评估部件以及智能体训练要点。在长期记忆部件中,围绕战场复杂状态建模特点,分析大语言模型、多模态大模型、大序列模型的运用问题。

无人空战指控建模仿真方法研究

针对当前无人空战仿真中,缺乏支持全流程作战指挥控制建模与仿真这一问题,结合当前无人空战仿真系统相关研究,系统梳理和研究指控模型构建方法,通过探索不同仿真层级不同类型的无人机指挥控制建模原理和方法,设计并且构建了一套适合指挥信息系统装备特点的指控模型仿真系统。通过进行符合预设约束的想定设定,对目标作战任务进行了效能评估和对比,可为无人空战相关指挥信息系统装备的论证、评估方式提供理论和现实指导。