无人驾驶坦克自主作战决策系统框架

提出了一个分布式解决无人驾驶坦克自主作战决策的框架,将自主作战、动态任务规划和任务策略的智能评估等思想引入无人驾驶坦克自主作战决策系统.包括以下两个重要内容:主体个体的能力和职责;信息和知识如何在主体之间传播使得他们能准确地完成作战任务.文中重点是无人驾驶坦克自主作战决策系统中主体之间动态知识的交换.主体确保自己的行为是一种动态的经验操作和直接与其他主体交流事实、需求和规则的结合.在各个主体中,知识可以作为事实、规则、需求的结合体来传播交换.     

网络坦克作战系统基于MAS的决策过程分析与研究

网络坦克作战系统的决策过程是一个群组决策过程.系统决策过程实质上是各组成部分协作进行问题求解的过程.基于多Agent系统(MAS)的网络坦克作战系统决策是系统中多个Agent面向作战任务进行协作问题求解的过程.运用MAS技术对系统的决策过程进行了分析,提出了系统基于MAS的群组决策基本框架,给出了分布式的系统决策结构,并对决策过程进行了设计和详细分析.MAS协作规划有利于系统的群组决策.     

基于知识库的无人机作战自主决策方法的研究

提高无人机的自主决策能力是提升无人机在现代战争中作战能力的重要手段。通过对无人机对地作战过程的研究,分析归纳影响无人机自主决策的相关因素,并将无法用数学模型描述的军事规则使用产生式规则来表达,建立作战规则库。然后提出一种基于知识库的自主决策方法,该方法通过动态贝叶斯网络模拟人对态势的认知,通过产生式规则进行决策,其中加入实体的状态描述来控制决策流程,以此来完成无人机的自主决策。仿真结果表明,该方法科学有效,可使无人机自主做出合理决策。     

无人驾驶汽车决策系统的规则描述与代码生成方法

无人驾驶汽车的高层决策系统是其实现自主驾驶功能的核心,在决策系统的开发过程中,由于信号变量与状态数量庞大等原因,系统面临着可维护性与可拓展性差的难题。UNMANNED_RULE_EDIT是面向无人车高层决策系统的规则编辑与代码自动生成辅助工具,具有图形化编辑和代码自动生成的功能,有利于开发人员清晰直观地设计规则,并摆脱繁琐的编码工作。主要讨论了UNMANNED_RULE_EDIT的中间语言(规则语言)设计和代码自动生成算法。目前,该工具已初步应用在国内某单位研制的无人车上,为其决策系统的开发提供便利。     

基于知识的指控系统智能决策关键技术研究

着眼于知识在指挥控制中的作用机理,以提升军队指挥控制系统智能决策的科学性、智能化和适应性为目标,设计基于知识的指挥控制系统智能决策框架结构,采用基于本体的知识表示技术构建决策任务空间知识体系,研究面向情景空间的智能化知识服务技术,提出基于产生式规则的指挥实体静态决策推理模型和基于动态贝叶斯网的动态决策推理模型,旨在为未来我军智能化指挥控制系统的论证和建设提供理论与技术准备。     

结合状态机和动态目标路径的无人驾驶决策仿真

目的 决策系统是无人驾驶技术的核心研究之一。已有决策系统存在逻辑不合理、计算效率低、应用场景局限等问题,因此提出一种动态环境下无人驾驶路径决策仿真。方法 首先,基于规则模型构建适于无人驾驶决策系统的交通有限状态机;其次,针对交通动态特征,提出基于统计模型的动态目标路径算法计算状态迁移风险;最后,将交通状态机和动态目标路径算法有机结合,设计出一种基于有限状态机的无人驾驶动态目标路径模型,适用于交叉口冲突避免和三车道换道行为。将全速度差连续跟驰模型运用到换道规则中,并基于冲突时间提出动态临界跟车距离。结果 为验证模型的有效性和高效性,对交通环境进行虚拟现实建模,模拟交叉口通行和三车道换道行为,分析文中模型对车流量和换道率的影响。实验结果显示,在交叉口通行时,自主车辆不仅可以检测冲突还可以根据风险评估结果执行安全合理的决策。三车道换道时,自主车辆既可以实现紧急让道,也可以通过执行换道达成自身驾驶期望。通过将实测数据和其他两种方法对比,当车流密度在0.20.5时,本文模型的平均速度最高分别提高32 km/h和22 km/h。当车流密度不超过0.65时,本文模型的换道成功率最高分别提升37%和25%。结论 实验结果说明本文方法不仅可以在动态城区环境下提高决策安全性和正确性,还可以提高车流量饱和度,缓解交通堵塞。     

混合案例推理和规则推理的集成推理框架

在智能决策系统（IDSS）获取知识的推理体系中，案例推理和规则推理有着各自的优点，而混合两者的集成推理可以克服两者的缺点，提高系统的效率和综合推理能力。但是集成推理系统缺乏通用性，延长了开发周期，且不利于规则库和案例库的重用。一种可扩充的集成推理框架为了解决上面的问题而被提出，该框架利用智能决策支持语言Knonit的组件性，对不同的集成方式可方便地扩充相应的集成推理方案，从而快速地搭建IDSS应用；同时规则和案例是作为Knonit广义知识元存在，可以在集成推理框架中复用，另一方面，Knonit的动态特性和可扩充性也对案例库和知识库动态的调整和扩充提供了支持。     

信息牵引的空基任务系统能力需求分析方法

空基任务系统大规模集成传感器、计算设备和通信设备,具有高度复杂性。基于电子设备物理特性和操作特性获取系统能力需求的传统方法过于关注模块细节,系统性差,难以准确全面反映军事需求。针对该情况,提出信息牵引的系统能力需求分析方法。该方法基于作战任务需求,以信息为纽带,建立作战行为与系统行为的映射关系,依次分析系统信息的获取、加工、存储、应用、分发等过程以及各过程之间的相互关系,在此基础上获取对具体软硬件模块的能力需求。在新型空基任务系统装备研制中,该方法有效提升了需求产品质量和需求开发效率,得到了用户肯定。实践表明,该方法可以准确、全面地获取空基任务系统的能力需求。     

一种基于约束传播的多主体规划算法

提出了一种基于约束传播的分布式多主体规划算法。主体之间的冲突检测与协调通过一种特殊的多主体协商来解决。在确定环境中该算法是可靠的。算法中主体之间交换的只是与冲突有关的动作、因果链和约束，具有通信量小、安全性高的优点。     

基于时序活动逻辑的复杂系统多Agent动态协作模型

动态复杂问题求解是人工智能和复杂自适应系统理论与应用重要研究领域,多Agent动态协作是研究热点和难点之一,如何将问题与任务切分有待进一步地研究.借鉴组织学思想将自适应系统中的自主运行单元抽象为Agent,把复杂自适应系统视为多Agent系统组织,从时间和状态角度对复杂动态系统的行为进行描述,提出了基于时序活动逻辑的多Agent系统动态协作任务求解自适应机制和构造模型,建立了用于协作推理的语义规则、授权规则和行为规则,通过在中国科学院智能信息处理重点实验室开发的MAGE等平台上多方实验和仿真测试,验证了方法的可行性和有效性.     

基于次协调逻辑的空战决策支持系统研究

为了解决传统逻辑推理在引入两个相互矛盾的事实时,推理将停止,继而提供不出有价值的结论的问题,给出了基于次协调逻辑理论的一种推理方法.在此基础上构造了次协调逻辑辅助推理空战决策支持系统,在传统逻辑推理因矛盾停止时,启动次协调推理,使得空战决策支持能够在矛盾中求协调,避免了系统陷入平庸状态.在某型空战模拟器上使用取得了初步成效,从仿真结果看具有次协调逻辑辅助推理的空战决策支持系统对复杂的空战环境具有良好的适应性.     

不协调目标信息系统的知识约简

在不协调目标信息系统中引入了最大分布约简的概念，讨论了最大分布约简、分配约简、分布约简和近拟约简之间的关系。最大分布 间弱于分布约简，克服了对信息系统过于苛刻的要求。同时，它又克服了分配约简可能产生与原系统不相容的命题规则的缺陷；给出了这些知识约简的判定定理和相应的可辨识属性矩阵，从而提供了不协调目标信息系统的知识约简的新方法。     

A Strategy of Dynamic Reasoning in Knowledge-Based System with Fuzzy Production Rules

Fuzzy production rules have been successfully applied to represent uncertainty in a knowledge-based system. The knowledge organized as a knowledge base is static. On the other hand, a real system such as the stock market is dynamic in nature. Therefore we need a strategy to reflect the dynamic nature of a system when we make reasoning with a knowledge-based system.This paper proposes a strategy of dynamic reasoning that can be used to takes account the dynamic behavior of decision-making with the knowledge-based system consisted of fuzzy rules. A degree of match (DM) between actual input information and antecedent of a rule is represented by a value in interval [0, 1]. Weights of relative importance of attributes in a rule are obtained by the AHP (Analytic Hierarchy Process) method. Then these weights are applied as exponents for the DM, and the DMs in a rule are combined, with the Min operator, into a single DM for the rule. In this way, the importance of attributes of a rule, which can be changed from time to time, can be reflected to reasoning in knowledge-based system with fuzzy rules.With the proposed reasoning procedure, a decision maker can take his judgment on the given decision environment into a static knowledge base with fuzzy rules when he makes decision with the knowledge base. This procedure can be automated as a pre-processing system for fuzzy expert systems. Thereby the quality of decisions could be enhanced.     

Assigning multiple job types to parallel specialized servers

In this paper methods of mixing decision rules are investigated and applied to the so-called multiple job type assignment problem with specialized servers. This problem is modeled as continuous time Markov decision process. For this assignment problem performance optimization is in general considered to be difficult. Moreover, for optimal dynamic Markov decision policies the corresponding decision rules have in general a complicated structure not facilitating a smooth implementation. On the other hand optimization over the subclass of so-called static policies is known to be tractable. In the current paper a suitable static decision rule is mixed with dynamic decision rules which are selected such that these rules are relatively easy to describe and implement. Some mixing methods are discussed and optimization is performed over corresponding classes of so-called mixing policies. These mixing policies maintain the property that they are easy to describe and implement compared to overall optimal dynamic Markov decision policies. Besides for all investigated instances the optimized mixing policies perform substantially better than optimal static policies.     

基于优势关系下信息系统分配约简的矩阵算法

在基于优势关系下的信息系统中引入了优势矩阵和目标分配矩阵的概念,进一步建立了优势关系下信息系统分配约简的矩阵算法,通过实例分析验证了该算法的有效性,说明了其优点是对数据复杂的信息表也可相对容易地求出所有的分配约简。该方法提供了在优势关系下信息系统分配约简的便捷操作方法。     

路由器配置诊断及优化系统研究与设计

路由器的配置错误在查找和定位上一直是诊断的难点,并且配置命令的无关联性也通常是造成配置出错的原因.路由器配置诊断系统能对配置命令分类找出其相关性,诊断并优化路由器配置.系统利用决策树算法生成配置命令的决策树,并从中提取有价值的配置命令的分类信息和规则,形成配置命令知识库.分析原有的配置文件,提取配置种类,利用知识库改进路由器的配置和诊断方法.系统简化了网络管理员的大部分的工作,将配置的错误率减到最低,并降低资源的消耗.     

A Predator-prey Particle Swarm Optimization Approach to Multiple UCAV Air Combat Modeled by Dynamic Game Theory

Dynamic game theory has received considerable attention as a promising technique for formulating control actions for agents in an extended complex enterprise that involves an adversary. At each decision making step, each side seeks the best scheme with the purpose of maximizing its own objective function. In this paper, a game theoretic approach based on predatorprey particle swarm optimization (PP-PSO) is presented, and the dynamic task assignment problem for multiple unmanned combat aerial vehicles (UCAVs) in military operation is decomposed and modeled as a two-player game at each decision stage. The optimal assignment scheme of each stage is regarded as a mixed Nash equilibrium, which can be solved by using the PP-PSO. The effectiveness of our proposed methodology is verified by a typical example of an air military operation that involves two opposing forces: the attacking force Red and the defense force Blue.      

智能教学系统中知识表示模型的研究与设计

研究了智能教学系统功能与结构。分析了知识库模型在智能教学系统中的重要地位;通过对知识库中的教学内容与教学规则两类知识的分析和对超媒体知识表示的研究,构建了一个基于层次结构的超媒体网络模型,并在知识网络图中节点里嵌入教学规则,以实现教学内容的动态组织、呈现和教学过程中的自适应导航。该模型为教学系统的决策与分析提供了智能的辅助手段。     

主战坦克火力打击仿真模型浅析

随着作战实体的多样化和战争过程的复杂化,利用仿真描述兵力对抗成为趋势,而火力打击模型是进行战场仿真的基础.从作战的角度分析了敌我双方对抗的过程中,主战坦克进行火力打击的一般性模型,这包括了打击目标的优化选择、打击目标的转移、多辆坦克间的火力分配以及打击效果的计算等问题.通过对火力打击过程的分析总结出了目标转移和火力分配的基本规则,并给出了以正态分布为基础的弹着点概率统计模型.当然,作为研究还可以对模型做进一步的细化.