【摘 要】
：
随着机器学习特别是深度学习技术的快速发展,采用学习方法辅助进行军用仿真中计算机生成兵力(Computer Generated Force,CGF)的行为建模,已成为克服传统有限状态机等基于知识工程方法面临的建模效率低,自适应差等问题的重要途径和发展方向。本文对采用机器学习进行CGF行为建模的应用现状、需求及发展趋势等若干问题进行了系统论述。梳理总结了CGF行为建模中三类典型学习方法的应用现状;分析
【机 构】
：
国防科技大学系统工程学院,湖南长沙410073
论文部分内容阅读
随着机器学习特别是深度学习技术的快速发展,采用学习方法辅助进行军用仿真中计算机生成兵力(Computer Generated Force,CGF)的行为建模,已成为克服传统有限状态机等基于知识工程方法面临的建模效率低,自适应差等问题的重要途径和发展方向。本文对采用机器学习进行CGF行为建模的应用现状、需求及发展趋势等若干问题进行了系统论述。梳理总结了CGF行为建模中三类典型学习方法的应用现状;分析了三类典型军用仿真系统引入学习的优缺点和带来的影响;提出CGF系统对学习建模方法的功能和性能需求;提出并
其他文献
为规范和促进计算机生成兵力各类认知行为模型的标准化开发,对面向计算机生成兵力的认知行为模型架构进行综述研究,以计算机生成兵力的意图识别行为为例,探讨了一般认知行为在标准认知架构基础上的功能实现方式。论证结果表明,良设计的认知行为模型架构对于复杂认知行为建模具有很强的指导意义。还提出了需求分析、设计实现、理论基础、协作机制四个方面具体的研究建议。
感知模型是计算机生成兵力行为建模的重要研究领域,作为推理模块的输入,感知模型获取的信息准确与否对仿真的逼真性有着重要影响。对计算机生成兵力感知模型进行研究,重点对注意力的形成机制,作用时间,作用方式进行分析,并与传统的感知模型进行比较。通过对注意力的知识库构建、信息反馈方面进行建模,提出了基于注意力机制的虚拟人感知框架,并在仿真环境中进行实验验证。
为提高萤火虫算法精度,解决该算法迭代步长固定易陷入局部最优等问题,提出一种改进的萤火虫算法—极值优化萤火虫算法(Extremal Optimization Firefly Algorithm,EOFA)。EOFA是将极值动力学算法强大的局部搜索能力与萤火虫算法的强搜索性相结合,采用倒S型函数的迭代步长,提高萤火虫算法的寻优能力。函数寻优测试的仿真结果表明:改进的EOFA相较于萤火虫算法以及粒子群算
热带气旋的灾害信息不但表达了强度,还反映了对人类生活的影响程度,具有十分重要的研究意义。目前,还没有学者给出基于Cesium的水淹没灾害动态可视化方法,也没有将它与热带气旋的其它灾害信息整合。针对这些问题,提出了一种水淹没动态可视化方法,并将其与热带气旋的路径、所致损失等其它灾害信息整合于同一数字地球平台中。实验证明,提出的方法能够在灾害场景中模拟水淹没的动态过程,并与地形、地物要素叠加;还原的路
数字孪生连接物理世界和信息世界,为复杂交通问题的分析与解决提供了新的思路。在梳理数字孪生基础概念、发展历程和关键技术的基础上,对交通场景数字孪生的研究与应用现状进行综述;结合交通运行的要素特征,从"人—车—路—环境"4个方面对交通场景数字孪生构建亟待突破的关键技术进行分析;对数字孪生在运载工具研制、重要基础设施智能运维、无人驾驶虚拟测试、交通问题的分析与实验等方面的应用前景进行了展望。
构建计算机生成兵力(Computer Generated Force,CGF)模型是作战仿真的一项十分重要的工作,其核心内容在于对战场中的各种人类复杂行为进行建模,包括认知行为建模和物理行为建模。可信性是行为模型的至关重要的品质。在行为建模的全生命周期中进行校核与验证(Verification and Validation,V&V)能够确保行为模型的有效性和可信性。在阐释行为建模V&V及其相关概念