[发明专利]一种用于模型推演到智能推演的转化方法

权利要求书

1.一种用于模型推演到智能推演的转化方法，其特征在于，该方法包括以下步骤：

将模型推演中对抗单元的模型数字化输入、规则行为的数字化输入和对抗单元行为决策数字化输出转化为智能推演中图像模型的输入和输出；

将虚拟环境推演中对抗单元的移动过程、编组分队过程在智能推演中进行离散化采样，转化为图模型的序列图像；

将虚拟环境推演的损伤评估转化为智能推演中图像模型的对抗单元的损伤和整体的损伤评估；

将所述智能推演中图像模型的输入作为深度强化学习的训练测试模型的输入，深度强化学习的训练测试模型输出动作、策略值向量；

其中，所述模型推演中对抗单元的模型数字化输入、规则行为的数字化输入转化为智能推演中图像模型的输入的步骤，包括：

构建对抗单元状态模型属性图像，所述对抗单元状态模型属性图像中某点像素(R_a,G_a,B_a)代表对抗单元状态模型属性，其中R_a代表对抗方，G_a为对抗单元类型，B_a为生命值，对抗单元为以像素点(R_a,G_a,B_a)为中心的圆，探测范围为对抗单元外围预设值大小的圆环；

构建对抗单元攻击、防御模型属性图像，所述对抗单元攻击、防御模型属性图像中某点像素(R_b,G_b,B_b)代表对抗单元攻击、防御模型属性，其中R_b为攻击值，G_b为防御值，B_b为耦合度，B_b为调度员对对抗单元的熟悉程度或多对抗单元类型协同程度，攻击范围是像素点(R_b,G_b,B_b)为中心的圆；

构建对抗单元规则行为模型，所述对抗单元规则行为模型在所述对抗单元状态模型属性图像和所述对抗单元攻击、防御模型属性图像中运动；

构建地图模型属性图像，图像中某点像素(R_m,0,0)代表地图模型属性，其中R_m代表高度的像素值，当图像中任意点的位置(x_i,y_i)的像素值相等时，说明处于相同的高度；当相邻点的像素值距离小于设定值时，说明地面的对抗单元可在相邻点之间移动；

对抗单元状态、行为决策数字化输出转化为图像模型的输出，当对抗单元状态模型属性(R_a,G_a,B_a)中的生命值B_a＜T时认为不可以对抗，把该对抗单元从所述状态模型属性图像中删除，其中T指对抗中装备损坏或损失情况说明；

对对抗单元行为决策进行数字化量化，以决策向量α＝[α_i,α_k]作为行为决策输出，其中α_i代表是否攻击，α_k代表是否聚集。

2.根据权利要求1所述的用于模型推演到智能推演的转化方法，其特征在于，所述将虚拟环境推演中对抗单元的移动过程、编组分队过程在智能推演中进行离散化采样，转化为图模型的序列图像的方法如下：

图像的像素大小按照对抗单元的对抗区域进行设置，特定大小范围的虚拟环境推演，选用预设大小的像素图像，对抗单元的移动过程分别在所述对抗单元状态模型属性图像和所述对抗单元攻击、防御模型属性图像中运动，每次运动的步长由每个像素对应的距离决定。

3.根据权利要求1所述的用于模型推演到智能推演的转化方法，其特征在于，所述将虚拟环境推演的损伤评估转化为图像模型中的各个单元的损伤和整体的损伤评估的步骤包括，对每次对抗单元状态、行为改变的输出在图像模型下评估各个单元的损伤和整体损伤，根据对抗单元的状态模型属性图像中的B_a值判断，并对下次的所述决策向量α做损伤评估，以估计所述决策向量α的优劣。