[发明专利]知识驱动下的兵棋推演智能决策方法

权利要求书

1.知识驱动下的兵棋推演智能决策方法，应用于知识驱动下的兵棋推演智能决策框架，其特征在于，所述兵棋推演智能决策框架包括智能决策系统与推演环境，所述兵棋推演智能决策方法包括以下步骤：

推演环境间隔仿真步长向智能决策系统传递态势信息，所述态势信息包括直接态势和整合态势；

智能决策系统将所述直接态势和整合态势进行融合；

根据想定任务确定对抗实体的核心目标，根据所述核心目标划分对抗实体的阶段任务；

对抗实体结合战场知识和智能决策进行实体控制；

在不同的想定任务下，分配各指令动作的优先级；

其中，对抗实体包括多个智能体，强化学习的智能体在每个时间步t从状态空间S中接收该时间步的状态s_t，根据策略分布π(a_t|s_t)，从动作空间A中选择该时间步的执行动作a_t，根据奖赏函数R(s_t,a_t,s_t+1)和状态转移函数P(s_t+1|s_t,a_t)，推演环境返回一个奖赏值r_t+1，并将状态转移到下一时刻s_t+1，重复上述步骤直到终止状态的智能体获得带折扣的累计奖赏值

2.根据权利要求1所述的知识驱动下的兵棋推演智能决策方法，其特征在于，所述直接态势包括甲方实体和乙方实体的探测信息，所述直接态势的处理包括对态势的数值转换、数值清洗和归一化。

3.根据权利要求1所述的知识驱动下的兵棋推演智能决策方法，其特征在于，每个阶段任务可进一步划分为次级任务。

4.根据权利要求1所述的知识驱动下的兵棋推演智能决策方法，其特征在于，智能体学习的目标是最大化返回奖赏值。

5.根据权利要求1所述的知识驱动下的兵棋推演智能决策方法，其特征在于，所述实体控制包括状态控制、移动控制和打击控制，所述状态控制包括对传感器开关控制和组件参数调节；移动控制包括机动参数控制、航迹规划和特殊动作，打击控制包括弹目匹配、打击时机选择。

6.根据权利要求5所述的知识驱动下的兵棋推演智能决策方法，其特征在于，所述打击控制由战场知识决定打击距离，并在打击决策时采用基于威胁度评估的弹目匹配方法。

7.根据权利要求5所述的知识驱动下的兵棋推演智能决策方法，其特征在于，所述打击控制还包括采用Qmix多智能体强化学习算法。