基于演化计算的迷彩目标隐蔽策略仿真设计

针对典型自然环境下军事装备的隐蔽问题,提出一种新颖的演化计算策略,将其与图像仿真设计手段相结合,根据环境状况,构建一种快速仿真计算进而给出迷彩目标隐蔽策略的新方法。该方法主要包括迷彩目标与场景图像的融合仿真计算,引入视错觉条带覆盖的迷彩目标隐蔽计算,基于粒子群优化算法和概率分布采样的搜索计算,以及基于深度神经网络图像特征的融合度计算。运用深度神经网络图像分割模型,结合迷彩目标的分割识出率,评估新方法的性能。仿真实验结果表明:在林地和荒漠环境中获得的隐蔽仿真图像平均融合度可达0.99以上,平均分割识出率低于0.90;新方法能够为设计给定目标在场景图像中的隐蔽策略提供有效的依据,具有较高的实用价值和可扩展性。

2的将计就计和1的安全隐蔽策略

令A=(a_ij)_m×n是二人零和对策的支赋矩阵,且假定A有计策解(见[1])。本文讨论两个专题:1.如果2的最初判断X≠X~*,并且作出第二个判断,那么他最好怎样去对付1? 2.1的最安全隐蔽策略是什么?如何求解?

基于Double Deep Q Network的无人机隐蔽接敌策略

基于深度强化学习的连续状态空间无人机隐蔽接敌问题,提出了基于马尔可夫决策过程的隐蔽接敌双深度Q网络(DDQN)方法。利用DDQN生成目标值函数的方法解决了传统DQN的过拟合问题;采用按优先级随机抽样的方法获取训练样本,加速了神经网络的训练速度;设定贪婪系数按照指数下降的方法,解决了传统强化学习的“探索利用窘境”;在势函数奖赏函数设计中引入角度因子,使其更加符合实际作战情况。仿真实验结果表明,DDQN具有较好的收敛性,能有效生成隐蔽接敌策略。

连续对策上的计策问题

限定一个连续对策不是平凡地无意义 (例如对某个局中人绝对有利等 ) ,我们提出了连续对策上的计策的基本概念。最后得到结论 :如果局中人 1使用经典对策 ,那么他的赢得期望必不是赢得函数的最大值。如果局中人 1使用计策成功 (即使得局中人 2中计 ) ,那么局中人 1必取得赢得函数的最大值。局中人

关于零和二人有限计策问题(英文)

令［ａｉｊ］ｍ ×ｎ是二人零和对策的支付矩阵．本文研究局中人１ 用“计策”获取最大支付ａ＝ ｍ ａｘ｛ａｉｊ｜１≤ｉ≤ｍ 。

一种扩张n人正规对策上的计策问题

1°本文扩充了经典 n人正规对策的结构及平衡局势的概念 ;2°引进最优结盟及最优局势集以及求最优结盟方案的算法 ;3°在施计论中给出计策的结构和性质 ;4°在破计论中 ,给出将计就计的模型及其值得度的概念 ;

动态矩阵对策上的无中生有计及其实例

设两个局中人都仅有有限个纯策略,则《三十六计》中的第七计——无中生有计是一个保持赢得矩阵不变的动态矩阵对策系统。研究无中生有计的对策模型、对策结构以及破此计的算法,用实例说明了这些模型,阐明了"聘用"计算机担任大对策系统的现代化"谋士"的可行性。

多人非零和对策上的计策

介绍了多人非零和对策上的计策的数学理论,阐述了在封闭系统——经典对策论基础上建立开放系统——数理谋略论的基本思想.作为该系列的第4部分,在前2部分所得出的结果和结论的基础上,给出了主动用计方的施计理论和从动用计方的破计理论以及最优隐蔽策略的数学模型.

计策理论中的模型(之一)

对策论只给出了收入期望的最小值和相应的最佳策略。怎样才能得到最大收入?这个问题超出了对策论的研究范围。想要得到最大收入,必须使用计策。本文建立了计策理沦的一个模型,并讨论了模型的概念、性质、判定及求法等。初步建立起计策理论的数学体系。

试论新形势下高校德育工作的创新

2 1世纪是网络化、数字化的时代 ,是信息大爆炸的时代。以往“灌输式”的教育方式和过于空泛的教育内容已经无法适应当前形势下的高校德育工作。本文主要探讨了提高高校德育的针对性和实效性 ,在教育方式上实施隐敝德育意图策略。

n人非零和计策引论

在经典n人对策论中,局中人（或联盟）不判断其他局中人将用何策略,也不判断其他局中人将如何判断上述问题,更不允许诱使其他局中人失误来使自己获取尽可能大的支付期望。如将对策论的结构予以扩充,则可建立一种新理论——计策论。