基于机器学习的联合作战任务筹划模型

战争复杂性日益提高,快速完成作战任务筹划对于提高指挥效率至关重要。提出了联合作战任务矩阵分析模型,为作战任务筹划提供了一种理论方法;以此为基础,构建作战任务-支撑要素-威胁要素信念网络模型;设计了信念网络关键参数的贝叶斯学习方法,采用想象力机制来提高算法在自博弈学习中的收敛速度;给出了一种深度最小威胁生成树搜索算法,该算法能够通过平衡搜索误差和搜索速度,高效完成任务优先级排序。最后,通过仿真实验验证了上述模型和算法的有效性。

CGF行为建模方法研究

计算机生成兵力(Computer Generated Forces,简称 CGF)是指在作战模拟软件中,自动生成并自主控制虚拟兵力的计算机应用程序,目前已经在作战推演、战法验证和武器研发等场景中发挥了重要作用。在真实作战兵力建模的过程中,行为建模是重中之重。文章阐述了 CGF 行为建模方法的研究现状,分析了各应用场景对 CGF 行为建模的需求,从“类人”与“智能化”两个方面对行为建模方法进行了论述,探讨了 CGF 行为建模技术的发展趋势,仅供参考。