无人机集群智能化指挥控制能力提升对策研究

本文针对无人机集群智能化指挥控制系统的构成与特点、关键要素以及提升对策进行了深入研究。首先,分析了无人机集群智能化指挥控制系统的构成。其次,对无人机集群智能化指挥控制能力的关键要素进行了分析。最后,提出了提升无人机集群智能化指挥控制能力的对策。

地面无人系统编组作战的指挥与控制智能化

介绍了国内外地面无人系统编组作战的指挥与控制的发展概况,总结分析了地面无人系统编组作战指挥与控制智能化的顶层设计、产品和技术发展规律与趋势,重点是单平台智能化等级不断提高和集群智能化发展两个方向,进一步分析了体系结构与互操作性、智能感知决策、协同任务处理、平行指挥与控制等8个方面的关键技术,提出了研制编组作战的智能指挥与控制系统是地面无人系统发展面临的一项重要任务.

演化博弈强化学习模型在智能博弈对抗中的应用

智能化指挥控制的核心问题是智能决策问题,智能决策的基础是作战计划的推演和行动计划的优化。演化博弈强化学习模型通过引入演化博弈,使模型能够充分考虑对手的博弈意志和指挥艺术,并且在求解过程中可以使用现有的强化学习算法进一步提升模型的效率。针对离散和连续两种不同场景,分别推导出对应的复因子动力学方程,并给出了非对称博弈问题的一般性求解策略,摆脱了“理性人”这一假设的演化博弈强化模型。相较于现有模型,表征精度更好,刻画博弈对抗更精确,更符合军事对抗实际,有助于智能蓝军的精准化建设,相关结论在多智能体建模平台NetLogo上进行了验证。

基于元权值学习方法的智能博弈对抗研究

针对基于传统强化学习方法的策略模型在解决博弈对抗问题时,存在初始策略模型优化的冷启动问题,提出了基于历史行动轨迹梯度的元深度强化学习方法,通过研究不同历史轨迹梯度的特点和形式,根据指挥员对不同历史轨迹数据的评价,确定网络参数梯度更新方向,在此基础上学习元知识,为初始策略模型提供一种高效的网络初始化方法。实验结果表明,该方法缩短了策略模型训练时长,提升了决策模型性能。

舰艇电子战综合对抗系统应用探讨

通过对现代海上电子战特点深刻探讨 ,分析了现代海战条件对舰船电子战对抗能力需求 ,并对现代舰船电子战综合对抗系统所采用的新技术情况进行探讨。

基于元深度强化学习方法的智能博弈决策模型研究

针对陆军装甲分队博弈对抗决策问题,在分析深度强化学习方法在构建智能博弈对抗决策模型适用性基础上,对基于马尔科夫决策过程的陆军装甲分队博弈对抗过程模型进行了形式化描述,提出了基于元深度强化学习的博弈对抗决策模型,给出了分队战术平台下基于元深度强化学习的智能博弈对抗策略生成与优化框架。研究成果可为智能博弈对抗问题的解决提供一种思路。