作战任务序列智能生成方式及其态势表征方法

作战任务序列(course of action,COA)智能生成,特别是战役层次COA智能生成,是军事智能决策领域研究的热点问题.COA智能生成领域多使用基于层次任务网络(hierarchy task network,HTN)、简单时序网络(simple temporal network,STN)等知识规则的方法,而很少采用以深度强化学习为代表的数据驱动智能技术.造成这种现象的原因之一是数据驱动智能技术依赖于有效的态势信息输入,而战役层次战场态势的高度复杂,无法直接输入智能模型,需要精心设计的态势抽象与表征模型作为输入来驱动智能模型.解决这一问题的关键是以具体的COA智能生成方式为牵引,根据COA智能生成模型的具体需求来确定态势抽象与表征方法.因此,研究了较为常用的COA生成方式,并进行对比分析,根据战役层次兵棋推演的特点,设计适用于战役层次COA智能生成方式;基于COA智能生成方式的关键信息需求,提出基于作战能力的战场态势的抽象与表征方法;该方法可以为数据驱动的COA智能生成模型提供恰到好处的输入,并在2020年“先知·兵圣”战略战役兵棋对抗演习中得到检验验证.