计算机生成兵力智能决策方法及其应用PDF电子书下载

第1章 概述 1

1.1 智能决策的含义 1

1.2 智能决策与计算机生成兵力 1

1.3 与决策相关的作战行为 3

1.3.1 决策与指挥控制 3

1.3.2 决策与指挥自动化系统 4

1.4 决策行为 5

1.4.1 任务规划 6

1.4.2 战术决策 9

1.4.3 机动行为决策 10

1.4.4 火力行为决策 10

1.4.5 作战行动协同决策 11

1.5 智能决策的必要条件 12

1.5.1 对战场地理信息系统的要求 12

1.5.2 对装备模型的要求 14

1.6 决策知识的获取 15

1.6.1 决策知识来源 16

1.6.2 知识获取过程 16

1.6.3 人工知识获取 18

1.6.4 自动知识获取 18

1.7 作战仿真系统中决策知识的表示原则 19

1.8 智能决策的特点 19

第2章 CGF体系结构 21

2.1 人类行为建模框架结构 21

2.2 CGF体系结构的设计原则 22

2.3 常见的CGF体系结构 24

2.3.1 基于联邦成员的体系结构 24

2.3.2 层次化服务的体系结构 25

2.4 基于OODA回路的CGF体系结构 27

2.4.1 OODA的基本概念 27

2.4.2 OODA的主要特征 28

2.4.3 CGF中的OODA过程 29

第3章 基于规则推理系统的方法 31

3.1 引言 31

3.2 规则推理系统的结构 31

3.2.1 产生式规则库 32

3.2.2 全局数据库 32

3.2.3 解释程序 33

3.3 在坦克CGF分队进攻战斗中的应用 34

3.3.1 知识表示 34

3.3.2 知识库的构成 35

3.3.3 坦克营对阵地防御之敌进行进攻战斗的战术决策 35

3.3.4 单坦克战术动作决策 37

3.4 模糊规则推理系统 39

3.4.1 模糊产生式规则 39

3.4.2 模糊匹配 40

3.4.3 模糊产生式的冲突解决 40

3.4.4 模糊规则推理的一种简化算法 40

3.5 基于规则推理方法的特点 42

第4章 基于人工神经网络的方法 43

4.1 引言 43

4.2 人工神经网络 43

4.2.1 神经元模型 43

4.2.2 人工神经网络结构 46

4.3 在坦克CGF机动决策中的应用 48

4.3.1 问题描述 48

4.3.2 模型构建 48

4.3.3 模型输入 49

4.3.4 模型输出 50

4.3.5 模型应用 50

4.4 在水面舰艇CGF防空决策中的应用 51

4.4.1 系统构成 52

4.4.2 基本规则 52

4.4.3 神经网络设计 53

4.5 人工神经网络方法的特点 53

第5章 基于有限状态机的方法 55

5.1 引言 55

5.2 有限状态机基本原理 55

5.3 几种典型的有限状态机 56

5.3.1 有限状态自动机 57

5.3.2 摩利机 58

5.3.3 摩尔机 59

5.4 有限状态机的表示 60

5.4.1 状态转换表 60

5.4.2 状态转换图 60

5.4.3 语法规则 61

5.5 在CGF行为决策中的应用 61

5.5.1 基本原理 61

5.5.2 任务的概念 62

5.5.3 任务帧和任务帧栈 63

5.5.4 基于任务管理器的任务执行 64

5.6 基于有限状态机方法的特点 65

第6章 基于贝叶斯网的方法 66

6.1 引言 66

6.2 贝叶斯定律 66

6.3 贝叶斯网络 66

6.4 推理形式 68

6.5 基于贝叶斯网的编队防空目标判别模型 68

6.5.1 单舰对空袭目标类型判别 69

6.5.2 编队对空袭目标类型判别 71

第7章 基于多Agent系统的方法 76

7.1 引言 76

7.2 Agent的概念 76

7.3 Agent的体系结构 77

7.3.1 认知Agent 78

7.3.2 反应Agent 79

7.3.3 混合Agent 80

7.4 多Agent系统 80

7.4.1 体系结构 81

7.4.2 交互机制 83

7.4.3 通信语言 84

7.4.4 行为协调 84

7.5 基于多Agent系统的建模方法 86

7.5.1 基本思想 86

7.5.2 基本方法 86

7.6 基于多Agent系统的坦克CGF建模 87

7.6.1 CGF的框架结构 87

7.6.2 决策机制 89

7.6.3 通信方式 90

7.7 基于多Agent系统的实体行为协同决策 94

7.7.1 基于联合意图的行为协同决策方法 94

7.7.2 基于不同指挥级别的行为协同决策 99

7.8 基于多Agent系统方法的特点 102

第8章 基于语境推理的方法 104

8.1 引言 104

8.2 作战行动的语境化 104

8.2.1 过程和状态 104

8.2.2 作战行动的过程和状态 105

8.2.3 基于语境的作战行动描述 105

8.3 基于语境的推理 106

8.3.1 基本假设 106

8.3.2 CxBR特点 107

8.3.3 基于语境推理的过程 107

8.4 语境的分类 108

8.4.1 使命语境 108

8.4.2 主语境 109

8.4.3 子语境 109

8.5 语境的跃迁 110

8.5.1 语境的顺序跃迁 110

8.5.2 语境的竞争跃迁 110

8.6 基于语境推理的系统 114

8.6.1 外部变量处理模块 114

8.6.2 语境知识库 115

8.6.3 语境编辑界面 116

8.6.4 推理机 116

8.6.5 推理结果 116

8.7 基于语境推理的协同行动模型 117

8.7.1 基于联合意图理论的行动协同概述 117

8.7.2 联合意图理论在CxBR框架中的体现 117

8.7.3 CxBR实现协同的相关定理 118

8.7.4 CxBR框架下的协同建模 119

8.8 水面舰艇CGF协同作战描述 121

8.8.1 交战规则 121

8.8.2 基于语境描述的模型 122

8.9 基于语境推理方法的特点 123

第9章 基于案例推理的方法 124

9.1 引言 124

9.2 基于案例推理系统的类型 125

9.2.1 解释型CBR 125

9.2.2 问题求解型CBR 125

9.3 基于案例推理的过程 125

9.3.1 问题求解型CBR系统的推理过程 125

9.3.2 解释型CBR系统的推理过程 127

9.3.3 CBR的关键问题 127

9.4 案例表示 127

9.4.1 案例中存储的信息 128

9.4.2 案例内容描述结构 128

9.4.3 案例的索引 132

9.5 案例检索 132

9.5.1 基于海明距离的相似度计算 133

9.5.2 基于欧几里得距离的相似度计算 133

9.5.3 在任务规划案例检索中的应用 133

9.6 案例的适应性调整 134

9.7 案例学习 135

9.8 在坦克CGF选择进攻方式中的应用 135

9.8.1 问题描述 135

9.8.2 案例表示 136

9.8.3 案例检索 137

9.9 基于案例推理方法的特点 138

第10章 基于遗传算法的方法 139

10.1 引言 139

10.2 遗传算法和基本概念 139

10.2.1 遗传算法的生物进化启示 139

10.2.2 基本概念 140

10.2.3 标准遗传算法 143

10.3 遗传算子 143

10.3.1 交叉算子 143

10.3.2 变异算子 144

10.3.3 选择算子 145

10.4 在火力最优分配中的应用 145

10.4.1 问题描述 145

10.4.2 火力分配 146

10.4.3 模型实现 147

10.4.4 案例分析 148

10.5 遗传算法的特点 151

第11章 混合推理方法 152

11.1 引言 152

11.2 分类器系统 152

11.2.1 分类器系统方法 152

11.2.2 学习分类器系统 155

11.2.3 在飞机CGF航路规划中的应用 156

11.3 CBR和RBR相结合的方法 157

11.3.1 基本思想 157

11.3.2 结合方式 157

11.3.3 在指挥实体任务规划中的应用 158

11.4 神经网络和遗传算法相结合的方法 160

11.4.1 基本思想 160

11.4.2 结合方式 161

11.4.3 在威胁度估计中的应用 165

第12章 外军作战仿真中的CGF智能决策 169

12.1 引言 169

12.2 ModSAF 169

12.2.1 ModSAF软件体系结构 170

12.2.2 ModSAF的行为建模机制 171

12.2.3 ModSAF中对行为描述的不足 172

12.3 CCTT SAF 172

12.3.1 CCTT SAF的体系结构 173

12.3.2 CCTT SAF的行为建模机制 175

12.4 IFOR 177

12.4.1 IFOR实体结构 177

12.4.2 Soar/IFOR行为建模机制 178

12.4.3 Soar/IFOR在STOW-E中的应用 180

12.5 CFOR 181

12.5.1 CFOR基本思想 181

12.5.2 CFOR体系结构 182

12.5.3 指挥控制系统和仿真系统的集成 184

12.6 OneSAF 185

12.6.1 OneSAF开发计划 186

12.6.2 OTB SAF软件体系结构 188

12.6.3 OTB SAF行为建模机制 189

第13章 典型的CGF开发和应用软件 191

13.1 引言 191

13.2 STAGE 191

13.2.1 体系结构 191

13.2.2 模型框架 192

13.2.3 应用领域 194

13.2.4 实例分析 194

13.3 VR_Force 195

13.3.1 体系结构 196

13.3.2 程序设计 198

13.3.3 基本操作 199

13.3.4 应用实例 202

第14章 坦克CGF的智能决策 207

14.1 引言 207

14.2 CGF行为模型的程序运行环境 207

14.3 在程序中用于决策的类 208

14.3.1 CAgent类 208

14.3.2 两个对应知识库的类 209

14.3.3 战场环境数据库相关的类 209

14.4 决策过程 210

14.5 状态获取 211

14.5.1 扫描所有地形特征物 212

14.5.2 扫描所有战场中的虚拟实体 212

14.5.3 进攻阶段的信息 213

14.5.4 开进阶段的状态获取 213

14.5.5 占领展开地区阶段的状态获取 214

14.5.6 冲击阶段的状态获取 214

14.6 战术决策和动作规划 215

第15章 水面舰艇CGF的智能决策 217

15.1 基本想定 217

15.2 系统构成 217

15.3 决策行为分类 218

15.4 防空决策流程 220

15.5 目标威胁判断 220

15.6 编队火力分配 221

15.7 单舰火力分配 223

15.8 单舰武器选择 223

15.9 决策规则管理 225

参考文献 227