[发明专利]一种面向非完全信息条件下军事对抗博弈的智能决策方法

说明书

本发明公开了一种面向非完全信息条件下军事对抗博弈的智能决策方法，该方法包括：构建军事对抗博弈决策动力学基础模型；基于深度学习和自我博弈，建立军事对抗博弈智能学习模型并确定其模型参数；利用基础模型、智能学习模型及其参数，对对抗环境下的非完全信息战场态势进行分析预测；基于所述分析预测结果和“决策‑反馈‑动态优化”的智能优化决策模式，得到不确定对抗环境中的智能优化决策。本发明通过对军事对抗博弈场景下的非完全信息进行辨识以及预测，将非完全信息条件转变为完全信息条件，进而得到军事对抗决策，解决了军事对抗博弈环境下由于信息不完全导致的无法得到有利于自己的军事对抗决策的技术问题。

技术领域

本发明涉及信息技术与军事决策技术领域，更具体地说，涉及一种面向非完全信息条件下军事对抗博弈的智能决策方法。

背景技术

军事决策是构成军事行为的核心活动。军队指挥官的首要任务是在作战以及其它管理工作中进行决策，要想成功地指挥一场实战或演习，就要为完成特定作战任务而进行组织、计划和任务分配等决策。能做出英明的决策是指挥官最重要的才能，决策的合理性和及时性也是直接影响战争胜利的关键因素。

现代战争中的军事对抗决策具有信息不完全、条件不确定、对抗性强以及节奏快等突出特点。这些特点使得军事对抗决策的难度非常大。在大数据时代，各种军事情报、战况信息骤增，数据的复杂性和实时性增强，也给军事决策带来了前所未有的挑战。

发明内容

有鉴于此，本发明的发明目的在于提供一种面向非完全信息条件下军事对抗博弈的智能决策方法，以在非完全信息条件下得到有利于自己的军事对抗决策。

为了实现上述目的，现提出的方案如下：

一种面向非完全信息条件下军事对抗博弈的智能决策方法，包括：

S101、构建军事对抗博弈决策动力学基础模型；

S102、基于深度学习和自我博弈，建立军事对抗博弈智能学习模型并确定模型的参数；所述军事对抗博弈智能学习模型用于替代或求解所述基础模型中的策略更新规则；

S103、利用所述基础模型、所述军事对抗博弈智能学习模型及其参数，对对抗环境下的非完全信息战场态势进行分析预测；

S104、基于分析预测结果和“决策-反馈-动态优化”的智能优化决策模式，得到不确定对抗环境中的智能优化决策。

进一步地，构建军事对抗博弈决策动力学基础模型，包括：

确定博弈参与方；

确定博弈参与方的策略；

根据博弈关系确定参与方在博弈中的收益，包括：

基于博弈参与者以及策略形成博弈矩阵；

基于博弈矩阵确定博弈群体的状态ξ：＝[ξ_A ξ_B]^T，每一个分量ξ_X(X＝A，B)代表采取策略X的参与者在整个系统中所占的比例；

由复制动力学方程表示各个状态的变化：

r_X(ξ，ψ)：＝ψ_Xξ-ξ^Tψξ

其中，ψ_Xξ和ξ^Tψξ分别代表策略X的期望收益和整个系统的平均收益；ξ是状态向量，ξ_A、ξ_B分别代表采用策略A、B的个体在系统中的比例，ψ是收益矩阵，r_X(ξ，ψ)表示策略X的平均收益与系统平均收益的差；各个参与方基于在博弈中的收益进行策略更新。