兵棋推演

摘要： 为满足海战兵棋推演中多目标路径规划的需求,解决传统A^(*)算法无法在兵棋推演中直接运用的问题,提出一种可供类似兵棋推演环境参考、基于改进A*算法的路径规划方法。建立一种映射机制,实现了A^(*)算法在兵棋推演环境中的初步运用。构建一种既能满足多目标需求又能保证生成最优路径的估价函数。为验证算法有效性,在实际推演平台上进行了相关实验。结果表明,改进A^(*)算法可较好地统筹多个决策目标之间的关系,有效提升路径方案的质量,解决使用A^(*)算法在海战兵棋推演中进行最优路径规划的实际问题。

摘要： 在兵棋推演过程中,面对策略的不确定性和决策情况的复杂性,人类专家制定的策略往往需要经过计算推演的验证,计算结果也可能会和预想结果大相径庭,而智能决策辅助推演可以极大地提升推演过程中策略制定的准确性。针对传统有限状态机决策机制的不灵活,模糊状态机又缺乏适应性的问题,提出了一种基于行为树的智能决策方法来实现兵棋的实时决策过程,并基于Behavior3 Editor平台实现行为树的策略生成过程,最后将基于行为树的智能决策方法用于海空兵棋推演,实现了作战策略的生成,验证了该方法的可行性和有效性。

摘要： 军事行动、反恐突击等强对抗场景中,实时信息的碎片化、不确定性对制定具有博弈优势的弹性行动方案提出了更高的要求,研究具有自学习能力的智能行动策略规划方法已成为编队级强对抗任务的核心问题.针对复杂场景下行动策略规划状态表征困难、数据效率低下等问题,提出了基于预测编码的样本自适应行动策略规划方法.利用自编码模型压缩表示任务的原始状态空间,通过任务环境的状态转移样本,在低维度状态空间中使用混合密度分布网络对任务环境的动态模型进行学习,获得了表征环境动态性的预测编码;基于预测编码展开行动策略规划研究,利用时间差分敏感的样本自适应方法对状态评估值函数进行预测,改善了数据效率,加速了算法收敛.为了验证算法的有效性,基于全国兵棋推演大赛机机挑战赛的想定,构建了包含大赛获奖选手操作策略的5种规则智能体,利用消融实验验证编码方式、样本采样策略等不同因子组合对算法的影响,并使用Elo评分机制对各个智能体进行排序;实验结果表明:基于预测编码的样本自适应算法——MDN-AF得分排序最高,对战平均胜率为71%,其中大比分获胜局占比为67.6%,而且学习到了自主波次划分、补充侦察策略、“蛇形”打击策略、轰炸机靠后突袭等4种长时行动策略.该算法框架应用于2020年全国兵棋推演大赛的智能体开发,并获得了全国一等奖.

摘要： 推进国防科技管理创新变革,深化军事战略竞争2021年,随着人工智能、量子等前沿科技快速发展与应用,世界国防科技创新进入活跃发展时期。世界主要国家推出多项国防科技管理创新举措,增设创新管理机构,频繁开展样机研发、兵棋推演、成果转化应用等活动,加强国防科技创新政策制度、基础条件与人才队伍建设,不断增强国防科技创新能力,提升本国战略竞争力。

摘要： 针对当前营区应对复杂突发事件情景下的应急指挥管理能力薄弱、应急方案效能难以量化评估决策的问题,提出了基于兵棋的营区突发事件应急保障方案的仿真推演评估方法。结合营区应急作战特点和兵棋要素技术,建立基于“情景-应对”应急模式的营区突发事件机理形式化描述,采用案例推理方法将当前突发事件情景与历史案例库进行相似度对比分析,构建一套适合突发事件快速响应生成应急方案的方法。以H营区油料库及核燃料库遭敌特偷袭引发的突发事件为想定背景,采用兵棋方法开展对营区应急保障行动方案的仿真推演与效能评估,验证了突发事件应急方案快速评估方法的可行性,可为营区非常规突发事件应急决策提供重要的支持。

摘要： 兵棋推演被誉为导演战争的“魔术师”,依托先进科学技术、着眼战争特点规律,通过模拟基于“战场元宇宙”的未来战争图景,让部队官兵在酷似实战的多维、超级时空环境中锤炼打仗本领,这对提升我军实战化水平和打赢能力具有划时代的意义。对此,我们只有充分了解兵棋推演的发展历史、认清兵棋推演的重要意义,才能真正发挥兵棋推演战斗力“倍增器”效能。

摘要： 针对战场态势变化快、体量大导致指挥员难以快速认知这一问题,提出了一种融合多尺度特征与软注意力机制(MSF-SAM)的战场态势认知方法,其中,特征提取网络通过对不同卷积层的输出进行操作,并结合软注意力机制分配特征的不同权重,从而获得网络对图像不同部分的关注度,即上下文信息,并将上下文信息输入到LSTM网络中进行解析,最后得到图像态势认知结果。在兵棋态势图像数据集上进行了验证,通过比较该方法与经典方法、有无软注意力的对比方式,验证了所提方法的有效性,且在智能兵棋推演中具有一定的应用价值。

摘要： 针对从“人在回路”兵棋推演的复盘数据中提取推演者战术经验高价值知识的问题,提出一种基于深度神经网络从复盘数据中学习战术机动策略模型的方法。将战术机动策略建模为在当前态势特征影响下对目标候选位置进行优选的分类问题:梳理总结影响推演者决策的关键认知因素,定义了由机动范围和观察范围等7个属性构成的基础态势特征,建立了带有正负样本标注的态势特征数据集;设计了基于卷积神经网络的分类器,以分类概率实现了单个棋子战术机动终点位置的预测。实验结果表明:该模型的预测准确率可达到78.96%,相比其他模型提高至少4.59%。

摘要： 针对一种大地图和稀疏奖励的兵棋推演对抗环境下,单纯的深度强化学习算法会导致训练无法快速收敛以及智能体对抗特定规则智能体胜率较低的问题,提出了一种基于监督学习和深度强化学习相结合以及设置额外奖励的方法,旨在提升智能博弈的训练效果.使用监督学习训练智能体;研究基于近端策略优化(Proximal policy optimization,PPO)的对抗算法;改进强化学习训练过程的额外奖励设置.以某在研兵棋推演环境为例的实验结果表明,该博弈对抗算法能使智能体在对抗其他智能体时的胜率稳步提升并在较短时间内达到收敛.

摘要： 将人工智能应用于兵棋推演的智能战术兵棋正逐年发展,基于Actor-Critic框架的决策方法可以实现智能战术兵棋的战术行动动态决策.但若Critic网络只对单算子进行评价,多算子之间的网络没有协同,本方算子之间各自行动决策会不够智能.针对上述方法的不足,提出了一种基于强化学习并结合规则的多智能体决策方法,以提升兵棋推演的智能水平.侧重采用强化学习对多算子的行动决策进行决策分析,并结合产生式规则对战术决策进行规划.构建基于Actor-Critic框架的多算子分布执行集中训练的行动决策模型,对比每个算子互不交流的封闭式行动决策学习方法,提出的分布执行集中训练方法更具优势且有效.

摘要： 当前社会内涝灾害频发,给居民生命安全及城市基础设施造成巨大损失.兵棋推演模拟城市内涝灾害救援过程,可对未发生灾害风险进行预判,最大限度降低灾害风险造成的损失.以哈尔滨道里区为例,以内涝灾害应急救援为研究对象,利用动态贝叶斯模型及兵棋推演理论,实现了内涝灾害应急救援过程兵棋推演.结果表明:基于贝叶斯网络与兵棋推演模型支持下的内涝灾害应急救援全概率进行分析是可行的.对进一步研究不确定性灾害应急救援有一定指导意义.

摘要： 城市内涝灾害对居民生命财产安全构成极大威胁,因此对城市内涝灾害居民避难的研究得到广泛重视.以哈尔滨市道里区为研究对象,应用兵棋推演方法,对内涝灾害居民应急避难推演体系进行研究.推演体系从兵棋三要素和兵棋推演模型开展,设计既具有常规兵棋设计特点,也具备自身特色.实现了在历史灾害仿真空间下,依据棋子设计原则设定符合居民内涝灾害避难特点的对抗棋子及参数属性、兵棋规则.运用决策树方法按居民内涝灾害避难过程设计了兵棋推演模型.研究结果可为城市内涝灾害应急管理提供决策依据.

摘要： 本文针对兵棋推演中的行动建模问题,提出基于元模型的组合化建模方法,利用作战行动的可分解性,通过元模型的抽取和组合,实现兵棋系统作战行动模拟的动态配置,扩展兵棋推演的适用性.

摘要： 通过对联合作战以及兵棋推演特点的分析,论述了兵棋推演在联合作战计划评估和联合作战模拟训练中的应用前景与方式,提出了需要解决的问题.之后,从系统总体架构方面对兵棋推演应用于联合作战的关键技术进行了分析,给出了解决思路.

摘要： 兵棋推演是任职教育院校作战指挥教学的一种重要手段.任职教育院校应认清兵棋推演的重要作用,加强兵棋推演系统建设,厘清兵棋推演的运用方法,把握兵棋推演关键环节,以提高作战指挥教学的质量和效益.

摘要： 大型兵棋推演平台将以云服务的方式，为我国我军战略战役决策推演、指挥训练提供支持。大型平台肯定不能到处都建，因为其太昂贵、太专业、不常态使用。而是以网络方式提供云服务，可以避免投资浪费、专业人员不足等问题，提高使用效率。现在已经建设的“全军战略战役兵棋演习中心”就是要达成这样的目的。其实，这也是美军的基本做法，战争时前台在前线指挥所，后台在美国本土，如伊拉克战争的“内窥"03演习。其他类型公共化仿真服务可能也会以云服务的模式提供。兵棋推演可以做到以下几点:一是从全局整体性出发，针对统一目标，参加推演可以分部门、岗位，但是必须模拟具体管理决策部门;二是采用对抗方式进行，分方进行博弈，对抗可以激发出创造性思维，而这是思辨方式无法做到的;三是在动态过程中决策，不间断地评估。决策者要对决策后果负责，这是那些“不需负责的讨论”，如专家论证会、研讨会所无法比拟的。推演目的也是为了发现问题，推演结果可以优化决策。

摘要： 计算机兵棋系统推演结果具有种类多、要素全、实时性高等特点,如何拓展基于兵推战果战损数据的综合评估分析方法是亟待解决的问题.采用层次分析法,提出一种计算机兵棋系统的推演评估方法,使兵棋推演结果评估的更为科学和简便,对兵棋系统的评估分析有着较好的借鉴意义.

摘要： 计算机兵棋是传统兵棋推演与现代信息技术相结合的产物.本文首先阐述了计算机兵棋系统的定义、作用及发展;其次,讨论了兵棋推演系统的主要特点;重点对计算机兵棋系统在军事领域的应用进行了仔细分析;最后阐述了计算机兵棋推演系统与作战模拟的差别.

摘要： 兵棋地形的量化是传统手工兵棋电子化过程的重要方面,本文分析了各种正多边形量化地形的优缺点,在比较传统地形量化算法的基础上,针对存在的缺陷问题,利用正六边形的对称性和六角网格顶点重合的特点,提出了一种改进的六角网格绘制算法,有效提升了地形量化的质量与效率,较好地满足了兵棋推演的需求.

摘要： 在大规模兵棋仿真推演中,空中任务是指挥员关注的重点.对空中任务的快速、准确和自动识别,是智能决策的前提和基础.深度学习技术的迅速发展,为复杂战场态势特征提取提供了现实可行的解决方法,为研究空中任务识别提供了技术支持.概述了传统任务识别研究方法和基于深度学习的任务识别方法研究进展,分别对卷积神经网络(Convolutional Neural Networks,CNN),长短时记忆网络(Long Short Term Memory,LSTM)、生成对抗网络(Generate Adversarial Network,GAN)3种深度学习方法在空中任务识别问题中的应用进行了论述,提出了解决思路.

摘要： 本发明适用于大数据领域，提供了一种基于兵棋的国际双边贸易摩擦推演系统，包括棋盘和策略算子，棋盘包括格子图、月历格和综合国力表，所述策略算子包括显性策略算子、隐性策略算子和随机算子。该系统将兵棋应用于国际双边贸易摩擦的推演，能够充分考虑人为决策和随机事件对整个局势的动态影响，分析双方决策人在不同时机的不同决策组合对于主权国家综合国力的影响。还提供了一种基于兵棋的国际双边贸易摩擦推演方法，它将时间维度融入多回合策略对抗，不仅可以对策略组合的最终影响进行定量评判，更能对推演双方动态决策过程进行复盘，分析策略实施过程中的问题，综合确定最佳对抗策略组合和实施时机。

摘要： 本发明公开了一种适用于电力企业网络战兵棋推演的方法，流程如下：步骤一、攻击方首先进行初步想定的构设；步骤二、想定方案经过匹配策略模型库；步骤三、攻击方按想定方案执行攻击推演，控制傀儡主机持续向防守方薄弱目标发送垃圾数据包；步骤四、防守方检测到所受的攻击，通过网络攻击的特征匹配行为模型库，确认网络攻击的类型；步骤五、攻防双方的攻防博弈情况和网络空间的实时状态记录到实时数据库中；步骤六、攻防双方的对抗关系经过可视化工具的处理，将复杂的网络结构以网络拓扑、统计图表和GIS图等更直观的形式展示。本发明解决了发电厂业务系统运行环境下，无法在实际生产环境中进行网络战攻防演练的问题。

摘要： 本发明涉及一种应用于陆战兵棋推演的轨迹数据分析方法，属于兵棋推演技术领域。方法包括：获取作战单元的轨迹信息，作战单元包括步兵、战车、坦克、炮兵；通过聚类算法对每个作战单元的轨迹进行聚类处理，得到每个作战单元的轨迹聚类信息；根据每个作战单元的轨迹聚类信息确定各作战单元的热点区域；将作战单元进行编组，得到若干编组单元；将编组单元中的各作战单元的热点区域进行加权叠加得到该编组单元的热点区域；根据编组单元的热点区域分析得出作战意图。本发明对作战单元进行分类和编组的处理，进而更加精细化、粒度化对作战示意进行直观的分析。

摘要： 本发明公开了一种基于双经验池DDPG网络的兵棋推演智能决策方法，包括：获取兵棋推演数据，构建双经验池DDPG模型；对兵棋推演数据进行预处理，将预处理后的数据向量化，获得向量化数据；将向量化数据输入双经验池DDPG模型进行训练，双经验池DDPG模型达到预设收敛程度时完成训练，基于训练完成的双经验池DDPG模型生成兵棋推演智能决策。本发明相较于一般的强化学习架构，收敛速度更快，节省了训练时间，更快地学习到了整体策略。将双经验池DDPG结构应用于兵棋推演中，利用双经验池对训练速度的提升，更快地训练出可用的神经网络模型。通过对高质量样本的筛选和利用，在一定程度上改善了模型表现依赖于样本质量的问题。

摘要： 本发明公开了一种军民融合兵棋推演平台，涉及军民融合兵棋推技术领域，其技术方案要点包括：演习数据准备模块，实现地图、想定、作战力量编成、后勤算子、裁决流程与裁决表；推演过程控制模块，用于红方、蓝方、导演方的数据同步与导演方干预推演过程及情况处置；综合态势展示模块，展示作战部署及后勤保障的态势；推演自动裁决模块，自动裁决作战与保障效果，自动生成战表及后勤物资损耗表；推演回放分析模块，推演过程的回放及推演结果数据分析；辅助保障决策模块，推演生成后勤物资消耗总量及其分布，为后勤保障指挥提供决策依据。本发明通过消耗与补给限制前方单位棋子的行动能力，使兵棋推演更加切合战场实际，确保推演结果的准确性。

摘要： 本发明属于兵棋推演技术领域，公开了一种兵棋推演动员需求提报方法、系统及应用，在现有对抗式兵棋推演基础上，加入军民融合单位棋子与行动规则，将每个棋子运动中的攻击力、防御力、机动力的消耗和损耗转化为人员、物资、装备的消耗与损耗；通过消耗与补给限制前方单位棋子的行动能力，实现兵棋推演。本发明在古镇口核心区军民融合兵棋推演系统的基础上改造和适度简化，编制全国兵棋比赛用推演想定、兵棋模型及推演系统。同时，本发明将全国兵棋比赛用推演系统部署在互联网上，能够应用大型数据库和服务器，可以支持数十万人推演的棋局数据存储，为以后的大数据分析奠定基础。

摘要： 本发明公开了一种基于注意力机制的兵棋推演AI分层决策方法及装置，包括进行分层网络建模与强化学习智能体建模，获取到态势推演初始数据进行预处理；获通过智能体局部观察数据，输出当前所有智能体的总体目标；通过智能体局部观察数据和当前所有智能体的总体目标，输出当前所有智能体的当前应采取的决策；通过当前所有智能体的总体目标，筛选并预处理得到此刻的目标态势；利用注意力机制筛选出与目标态势关联最大的智能体局部信息，并进行态势评估；将当前所有智能体的当前应采取的决策输入到兵棋推演环境中，得到更新之后的新态势，通过所述新旧态势之间的差别计算奖励并训练网络，本发明能够有效的解决兵棋推演环境的动态性问题以及稀疏奖励问题，使AI能够实现自主决策，对不同的想定具有一定的适应能力与较高的胜率。

摘要： 本申请公开了一种兵棋推演场景回放方法、装置、设备及存储介质，该方法包括：确定待回放兵棋推演场景以及所述待回放兵棋推演场景中的推演目标；对所述待回放兵棋推演场景进行地理信息栅格化处理，以得到不同的地理栅格；采集推演过程中所述推演目标在不同的所述地理栅格以及在时间轴的不同时间节点上产生的数据文件；对所述数据文件进行保存，以便利用保存的所述数据文件在所述兵棋推演场景中针对所述推演目标进行相应的回放。该方法涉及软件开发技术，涉及到复杂计算结果存储及快速调用领域，通过本申请的技术方案，兵棋推演与地理信息及时间两个维度关联，可以提高回放过程中对数据的快速调用，大大提升推演回放的效率。

摘要： 本发明公开了一种三维高仿真兵棋推演平台与方法。平台包括：想定模块、数据库模块、推演模块、传输模块、显示模块、算法模块和群进化训练模块；方法包括：初始化推演平台参数；操作者自行构建对战双方算法或使用平台内部的种群学习算法库中的算法作为对战双方算法并运行，将平台输出的态势信息输入进算法得到决策指令；把态势信息实时可视化显示出来；达到任务结束条件时对战结束，重复以上步骤并根据对战双方的算法进行训练；算法达到收敛时，观察对战可视化信息获取智能体算法的对战思路以供现实指挥参照。本发明提供了一种三维的、高精度的、更细节化的、战场还原度高的、利于快速编辑的兵棋推演平台与方法。

摘要： 本实用新型涉及推演模型技术领域，且公开了一种基于兵棋推演用推演模型，该基于兵棋推演用推演模型，通过树木模仿物和旗帜模仿物通过插入固定孔与固定孔卡合的方式固定，树木模仿物在六角板上模拟森林环境，旗帜模仿物在六角板上模拟占领环境，通过控制面板对双向控制阀的启停进行控制，控制气囊的扩展和收缩，气囊扩展时将提升柱抬起，带动六角板提升，模拟各种地形环境，有利于军事部署的环境设置，上模板的六角板有六条边和六个角，正好对应军事领域的十二方位，方便使用者进行方位上的军事部署，使用者通过字母刻度和数字刻度对每个六角板的位置进行标号，方便使用者进行对位置的分析和解说。