坦克火力对抗仿真研究

利用"蒙特卡罗"随机模拟方法对坦克火力对抗这一过程进行仿真,得出了近似实战的仿真结果。通过改变作战系统的初始值,还可以获得不同战术背景下理想的、描述了火力对抗结果的基本数据,这对坦克火力对抗中兵力部署和火力控制具有十分重要的意义。

基于改进反馈神经网络的坦克分队对抗模型

坦克分队对抗效能评估是一个典型的动力学系统问题,而反馈神经网络是一种反馈动力学系统。通过分析影响对抗效能的主要因素入手,建立坦克分队火力对抗效能的评估指标体系,构建改进反馈神经网络对抗模型。通过编制应用程序,对该模型进行实例验证,其结果表明,该模型能够较好地解决坦克对抗的问题,为坦克对抗模型的研究提供了新思路。

战场迷雾中的欺骗路径规划

计算机生成兵力是由计算机生成的虚拟作战力量对象,是军事仿真领域的关键要素。欺骗路径规划是欺骗行为的一种基本呈现模式,对提高计算机生成兵力的智能性和竞争力具有重要意义。然而,目前欺骗行为与军事仿真的结合还不够充分,经典的路径规划方法不能有效利用战场的部分可观测性,进而达到更好的欺骗效果。为了解决这些问题,在路网定义的基础上重新定义了一种,并基于四种经典的欺骗策略,提出了四种新的欺骗路径规划方法。为了对新方法和经典方法进行可视化比较,在基于KD-HLA-RTI中间件搭建的坦克对抗实验平台上进行了红蓝对抗实验。红色坦克作为被观察者,依据不同的策略进行欺骗路径规划,而蓝方作为观察者,依据观测序列对红色坦克的真实目标进行在线识别,并为其部署防御资源。实验结果表明,在战场环境部分可观测条件下,与经典方法相比,四种新方法能在确保更强欺骗性的同时,更有效地减少被观察者抵达真目标的时间。后续多次仿真实验表明,第三种方法在欺骗效果的提升上对于战场环境变化有较好的鲁棒性。