[发明专利]一种基于全局态势信息的航空兵体系智能行为建模方法

说明书

本发明公开了一种基于全局态势信息的航空兵体系智能行为建模方法，通过对复杂空中全局战场态势综合研判，基于状态向量对全局态势进行数学化表达；提出基于二维GIS态势图态势特征提取及感知算法，获得状态向量中无法直接获取的元素信息，得到供航空兵智能行为模型感知的全局态势状态空间；提出基于网络连通域最大化的奖励值生成算法，驱动航空兵智能行为模型在不完整全局态势激励下向高回报迭代演进。本发明的技术方案，能够为研究在不完整战场态势感知下取得更大的作战信息优势，生成高效的空战指控决策，分析、推演、复盘空中作战方案，以及提升航空兵体系作战水平等方面提供有效的理论基础和技术辅助。

技术领域

本发明属于作战态势分析及航空兵建模与仿真领域技术领域，尤其涉及一种基于全局态势信息的航空兵体系智能行为建模方法。

背景技术

近年来我国正处于新时期军事变革的发展过程中，面临的安全形式日益复杂。航空兵具有作战力量运用快速、战场空间多维、作战局势变化迅速、作战方式多样等特点，是维护国家安全的重要力量。

航空兵兵力体系作为一个典型的复杂系统，作战态势的不确定性、武器装备的复杂性以及作战任务的巨量性使得作战仿真研究面临巨大的挑战，目前，针对航空兵体系的对抗作战仿真研究还远未达到成熟的地步。随着现代体系对抗作战节奏不断加快且复杂性不断上升，人脑决策己很难适应航空兵兵力体系对抗战场态势快速更迭的趋势，未来的航空兵兵力体系对抗急需快速、自动和自主决策，迫切需要智能化技术延伸人脑，以提升指挥信息系统能力，从而适应高速、复杂和多变的战场环境。

当前的兵力体系对抗是以网络中心战为主，通过信息优势使能指控决策优势最终形成作战力量优势的作战活动。网络中心战通过战场中分布的作战实体组成的探测网络和信息网络采集、融合、传输、处理战场各方面环境信息从而形成战场感知态势，并快速共享呈现给指控中心，作为指控决策生成的基础。

应对当前信息化作战中各级参战人员联合制胜的指挥决策环境，兵力对抗技术成为体系对抗仿真研究中的重点。基于规则集的航空兵编队决策模型具有知识获取难度大，对决策环境适应性差，可重构性差，建模工作量大，维护复杂等缺点。

随着人工智能技术在感知智能和认知智能领域的突破性进展，以深度学习和强化学习方法为代表的机器学习技术，使行为建模方向取得进展，为突破面向航空兵兵力体系对抗行为决策的技术“瓶颈”提供了可能。强化学习行为建模的核心思想在于将强化学习算法赋能智能体，其中态势环境既是进行对抗和学习的载体，也是与强化学习智能体产生交互的对象，其成为整个基于强化学习的行为建模闭环过程中的核心要素。因此，围绕态势环境展开以下两方面问题尤为重要：一是选取合适的状态向量空间对复杂的空中战场态势进行合理表示，并使航空兵兵力行为模型对态势环境进行有效感知的问题；二是不完整的全局态势环境信息激励下针对航空兵对抗决策行为生成有效持续奖励的问题。但是目前对应这两个重要问题的理论研究和针对具体体系对抗仿真场景的技术实现手段尚仍需要进行深入探索和优化设计，即不完全对抗态势的有效表达和感知技术以及不完全态势激励下的航空兵智能体奖励生成技术。

在强化学习智能行为建模领域，国外起步较早并且已经经过数十年理论发展和应用探索，形成了系统的研究方法和广泛的应用基础。国内在以强化学习、深度学习为潮头的人工智能浪潮中也在发力，但目前针对全局态势信息下的强化学习智能行为建模研究还较少，基本处于开拓阶段。因此研究基于全局态势信息的航空兵体系智能行为建模方法，形成空中兵力对抗中具有通用性和实用性的强化学习行为建模框架，是现代化空中对抗作战中突破智能化决策并从人工智能层面提升作战水平的重要课题。

国内目前缺少基于强化学习的多编队航空兵兵力体系作战对抗的研究和相关方法。多数研究以科研机构为主，缺少原创性的算法理论和深入的应用拓展。大部分研究针对的建模问题普遍具有小规模、明确的状态空间，如基于战术层面的双机近距离空战格斗等。

发明内容