兵棋推演在登陆作战任务中的应用研究

传统兵棋是模拟战争对抗的各方人员,使用代表战场及其军事力量的棋盘和棋子,依据从战争经验中总结的规则,对战争过程进行逻辑推演研究和评估的军事科学工具.兵棋推演带来的比较适合作战分析的推演方式,如何在新的信息化系统中加以体现是计算机作战模拟所要研究和解决的问题.首先从兵棋概念的角度分析了兵棋推演的本质和作用,接着分析了传统兵棋与计算机兵棋推演系统,最后结合研讨型兵棋和综合集成的思想,探讨了兵棋推演在海军海上军事任务中应用的可能性及一般应用方式方法,设计了一个研讨型兵棋推演系统.     

机器博弈海战兵棋推演系统的设计实现

设计兵棋推演海上作战过程,可以“在实验室中学习战争”,是现代技术和战争艺术的结合.分析了基于机器博弈海战兵棋推演的基本原理,指出用兵棋模拟战争应具备的几个特点,详细阐述了机器博弈海战兵棋推演系统的具体设计方法,包括棋盘表示、兵力表示、规则设计、态势评估和搜索策略等技术难点,实现了基于机器博弈的海战兵棋推演系统.并基于上述兵棋推演系统进行了实例仿真分析,以某红蓝海军编队为博弈对象,进一步阐明了系统对海战兵棋推演的功能.     

兵棋推演中地形量化算法研究与实现

传统手工兵棋推演计算机化的一个重要方面是实现兵棋棋盘的计算机化.需要借助于计算机实现兵棋棋盘的数字化并对兵棋地图进行地形量化.兵棋推演系统采用不同大小的六角网格量化地形,将兵棋推演系统与地理信息系统组件MapX结合.在MapX中显示兵棋推演区域的Maplnfo格式地图数据,并提出了一种基于MapX的六角网格绘制算法,算法充分利用MapX中图元与组合图元的思想,可以根据推演需求实时生成不同比例尺的六角网格覆盖整个或部分作战区域,降低了手工兵棋地形量化的工作量,对提高兵棋推演效率有一定的意义.     

兵棋推演系统设计与建模研究

介绍了海战推演在信息获取、实体行为及系统输入方面的特点。分析了战术级海战推演与其它级别推演的区别,明确了兵棋推演系统设计中各仿真要素与推演目标、推演规模、推演推进相结合的重要性;针对传统的基于组件库的推演事件定制方法在事件编制灵活性上的不足,提出了由XML描述的“事件一触发关联模型”。实际应用表明,新的模型使得推演系统具备更高的可信度,并大大提高了推演系统的功能扩展能力。最后对兵棋推演系统建模技术的下一步工作和发展做出了展望。     

计算机兵棋中兵力并行化机动的实现

在传统的计算机兵棋以及手工兵棋中,机动命令的实现采取串行模式,即:只有当前机动命令从起始六角格执行到达最终格,下一条机动命令才得以执行.这样的机动模式对传统意义上的回合制兵棋游戏来说尚可,但对于具有实战仿真意义的兵棋推演来说则会引起严重的失真问题,从而导致推演结果不可信、无参考价值.论文针对上述问题,提出了一种基于时间片的并行化机动算法.经过实践检验,算法不仅解决了上述问题,而且大大提高了机动推演的效率.     

兵棋推演的智能决策技术与挑战

近年来,以人机对抗为途径的智能决策技术取得了飞速发展,人工智能(Artificial intelligence, AI)技术AlphaGo、AlphaStar等分别在围棋、星际争霸等游戏环境中战胜了顶尖人类选手.兵棋推演作为一种人机对抗策略验证环境,由于其非对称环境决策、更接近真实环境的随机性与高风险决策等特点,受到智能决策技术研究者的广泛关注.通过梳理兵棋推演与目前主流人机对抗环境(如围棋、德州扑克、星际争霸等)的区别,阐述了兵棋推演智能决策技术的发展现状,分析了当前主流技术的局限与瓶颈,对兵棋推演中的智能决策技术研究进行了思考,期望能对兵棋推演相关问题中的智能决策技术研究带来启发.     

计算机兵棋中基于GA的补给中心选址研究

补给中心是兵棋中后勤补给的关键,合理地为补给中心选址影响着整个兵棋推演效果。基于兵棋的概念,针对计算机兵棋中后勤补给的特点,应用层次分析法分析了补给中心选址的影响因素,列出了补给中心选址原则。针对兵棋中后勤补给特点和补给中心选址影响因素,结合补给中心选址原则,建立了补给中心的优化选址模型,并应用遗传算法进行模型求解。应用实例通过MATLAB进行仿真计算,结果表明,证实方法能得到良好的选址方案,为兵棋推演和计算机生成兵力(CGF)仿真提供参考。     

战术级兵棋实体作战行动智能决策方法

战术级兵棋对抗系统结构严格、对抗性强,可以作为研究军事智能决策的一个推演平台.鉴于此,设计一个战术级兵棋实体作战行动智能决策模型框架,并在该框架指导下设计一款兵棋智能引擎.所设计引擎通过挖掘兵棋历史推演数据,提取棋子历史位置概率、夺控热度、观察度等评价属性,利用多属性综合评价软优选算法和兵棋基本规则决策出棋子的下步行动.实验结果表明,所提出引擎具有实时性强、灵活性高、可移植性好的优点,可以在兵棋机机对抗和人机对抗挑战赛中取得优异成绩.     

MWGM:基于兰彻斯特方程的微观兵棋推演模型

传统兵棋推演需要过多的人工干预,因此存在诸多主观干扰,并且很难实现全局实验.为解决上述问题,提出了基于兰彻斯特方程的微观兵棋推演模型,给出了该模型的主要系统结构、内部数据结构以及运行流程等.该模型采用消息驱动方式提高推演系统运行的全局性和时效性,并实现仿真对象的联动;用兰彻斯特模型生成描述敌我损耗关系,并生成微观战场态...     

计算机兵棋作战实体轨迹聚类算法

针对计算机兵棋系统的实际应用,提出计算机兵棋实体轨迹聚类算法——CTECW(clustering trajectoriesof entities in computer wargames).算法分为3部分:轨迹预处理、轨迹分段聚类以及可视化表现.轨迹预处理将实体原始轨迹转化成实体简化轨迹,再进一步处理成轨迹分段;在DBSCAN算法的基本框架下引入DENCLUE算法中密度函数的概念,并基于提出的相似性度量函数对轨迹分段进行聚类;可视化表现将轨迹分段聚类的结果以赋有军事涵义的形式展现给参与兵棋推演的受训指挥员,体现出算法的实际应用价值.理论分析与实验结果表明,CTECW算法能够得到与TRACLUS算法比较接近的聚类结果,但计算效率却比TRACLUS算法要高,并且聚类结果不依赖于用户参数的仔细选择.