[发明专利]一种智能作战装备决策平台

说明书

本发明公开了一种智能作战装备决策平台，该平台采用“决策层‑事件层‑物理层”的三层架构的改进混杂随机时延Petri网模型对智能作战装备认知和决策系统进行建模，可对作战系统中的离散事件、连续过程、时延特性、随机现象和决策问题5类混杂特性进行建模仿真；通过设计HSTPNSim软件与Python端的接口，使用深度学习和强化学习方法对行动规则模型、交战判决模型和指挥决策模型进行优化；设计可视化推演界面，实时显示战场态势。本发明提出基于M‑HSTPN模型的智能作战装备认知和决策系统设计方法，借助强化学习和深度学习方法实现态势认知和临机决策的自适应学习与进化，并采用可视化推演界面，直观演示作战过程以及结果，有助于更好地对作战系统进行研究分析。

技术领域

本发明涉及智能作战装备认知和决策领域，特别涉及在现代战场环境下具有复杂认知和决策过程的作战系统建模与仿真。

背景技术

现代化作战过程是高科技战争，交战双方或一方使用高科技武器装备及与之相适应的作战方法，对军事目标进行非接触、高精度打击，世界各国军队都在加强现代军事训练的探索和研究。由于处在和平时期，我们很难像过去那样“从战争中学习战争”，同时大规模的军事演习不仅要耗费大量的物力财力，而且受到国际政治环境的制约。随着信息化建设步伐的加快，计算机仿真已经逐步成为研究战争系统的一种有效途径，即通过构建智能作战装备认知和决策系统对战争进行研究。

构建智能作战装备认知和决策平台，可以对参战的指挥或参谋人员进行指挥谋略，对已制定的作战方案或战法进行评估和优化，对现有/未来的武器装备作战效能进行评估等。仿真方法的优点在于过程可控、安全、经济、无破坏性、可多次重复，不受气候和空间、时间等条件限制，能及时、动态地将部队机动、交战、武器性能的损耗等情况反映和统计出来，使得对作战过程和结果的分析、评估更加科学。

现代作战系统可视为一类包含离散过程、连续过程、时延特性、随机特性和决策特性的大型混杂系统。M-HSTPN是混杂系统建模的有效工具，可同时描述离散事件、连续过程、时延特性、随机现象以及决策过程。HSTPNSim软件可以实现M-HSTPN模型的可视化建模与求解，为M-HSTPN的建模与仿真的实现创造了条件。Python是一种结合解释性、编译性、互动性和面向对象的脚本语言，其设计具有很强的可读性，具有比其他高级语言更有特色语法结构，支持面向对象的风格或代码封装在对象的编程技术，可应用于系统编程、图像处理、科学计算、文本处理、数据库编程、网络编程、多媒体应用。

因此，本专利提出了一种基于M-HSTPN的“决策层-事件层-物理层”三层架构的智能作战装备认知和决策系统，包括可视化推演界面和基于Python端的模型优化，实现作战系统建模及仿真。

发明内容

本发明提供一种智能作战装备决策平台，可以有效描述现代化作战过程中的离散事件、连续过程、时延特性、随机现象以及决策过程，并通过数据接口在Python端使用深度学习和强化学习等方法对行动规则模型、交战判决模型和指挥决策模型进行优化，具体方案如下：

一种智能作战装备决策平台，采用“决策层-事件层-物理层”的三层架构的M-HSTPN模型对智能作战装备认知和决策系统进行建模，包括：

行动规则模型，主要是指作战单元各种具体作战行为的程序和方法，由行动主体、行动事件、行动客体、行动条件、行动时间和行动结果六个要素组成。

交战判决模型，主要是对战场态势进行评估，既要能给出作战的胜负结果，又要能在交战过程中各个阶段的收益做出判断。

指挥决策模型，主要是是针对作战任务、作战条令、指挥理论和作战经验综合权衡的过程。

数据接口，通过设计HSTPNSim软件与Python端通信接口，使得作战系统可通过强化学习和深度学习对行动规则模型、交战判决模型和指挥决策模型进行优化。