奖励引导的辅助防空反导自主作战决策研究

现代作战态势愈加复杂,人工智能的跨越发展为提高军事决策智能化水平提供了新思路。利用深度强化学习技术,发挥深度网络在态势特征提取方面的能力,结合强化算法对智能体决策方法的迭代与优化,实现了作战智能化。针对复杂的作战态势,提出了一种对战训练框架,为执行辅助防空反导任务的歼击机构建智能体,并利用奖励重塑的方法缓解稀疏奖励问题,探讨了全面实现军事决策智能化的道路。

基于动态云贝叶斯网络的舰艇防空目标威胁评估

针对目标威胁评估中信息表达的不确定性以及威胁评估模型专家网络结构的主观性,提出一种基于结构学习的动态云贝叶斯网络评估模型。首先,利用云模型良好的知识表达能力定量描述不确定连续性信息;其次,使用爬山算法进行结构学习,综合专家提出的网络结构构建贝叶斯网络;接着引入时间变量,将其扩展成为动态贝叶斯网络,然后用最大似然概率估计算法学习网络参数;最后,利用联合树算法对动态云贝叶斯网络进行推理评估。仿真结果表明,该模型能够有效的对观测信息进行威胁评估,具有合理性和可行性。