亚洲男人的天堂2018av,欧美草比,久久久久久免费视频精选,国色天香在线看免费,久久久久亚洲av成人片仓井空

基于未來現代化海上作戰背景, 提出了利用多智能體深度強化學習方案來完成無人艇群博弈對抗中的協同圍捕任務。首先, 根據不同的作戰模式和應用場景, 提出基于分布式執行的多智能體深度確定性策略梯度算法, 并對其原理進行了介紹; 其次, 模擬具體作戰場景平臺, 設計多智能體網絡模型、獎勵函數機制以及訓練策略。實驗結果表明, 文中方法可以有效應對敵方無人艇的協同圍捕決策問題, 在不同作戰場景下具有較高的效率, 為未來復雜作戰場景下無人艇智能決策研究提供理論參考價值。

在現代軍事研究領域, 隨著高新技術的快速發 展, 催化了戰場中作戰思想、理論和模式等方面的 迅速變革, 戰爭形態逐漸趨于信息化和智能化[1-3]。 人工智能和無人系統技術為未來戰爭中的決策分 析、指揮控制和博弈對抗等應用提供了更多智能 決策和自主作戰能力, 逐漸扮演著更加重要的角 色。其中, 無人艇作為一種全自動小型水面機器 人, 具有體型小、機動靈活以及活動范圍廣等優勢, 在情報偵查、海上巡邏以及環境檢測等領域發揮 著重要作用[4]。 強化學習作為人工智能技術的重要分支, 目前 在無人艇、無人機等多智能體博弈對抗問題中具有 重要的應用價值[5-7]。李波等[8] 將多智能體深度確 定性策略梯度(multi-agent deep deterministic policy gradient, MADDPG)算法應用于多無人機的協同任 務研究, 可以解決簡單的任務決策問題。劉菁等[9] 提出了博弈理論與 Q-Learning 相結合的無人機集 群協同圍捕方法, 結果表明該方法可以完成對單 目標的有效圍捕。Zhan 等 [10] 提出了多智能體近 端策略優化(multi-agent proximal policy optimization, MAPPO)算法, 用于實現異構無人機的分布式決策 和協作任務完成。趙偉等[11] 對無人機智能決策的 發展現狀和未來挑戰進行了討論和分析。相比之 下, 目前國內外對于無人艇的博弈對抗研究工作 相對較少, 仍處于發展階段。蘇震等[12] 開展了關 于無人艇集群動態博弈對抗的研究, 提出利用深 度確定性策略梯度(deep deterministic policy gradient, DDPG)算法來設計策略求解方法, 訓練得到的 智能體可以較好地完成協同圍捕任務。夏家偉等[13] 則使用 MAPPO 算法完成對單一無人艇的協同圍 捕任務, 通過結合圍捕任務背景, 建立了伸縮性和 排列不變性的狀態空間, 最后利用課程式學習訓 練技巧完成對圍捕策略的訓練, 結果表明所提方 法在圍捕成功率上相較于其他算法具有一定優勢。 無人艇集群博弈對抗的研究工作仍處于起步 階段, 存在較大的提升空間: 目前的研究中, 無人 艇博弈對抗中的敵方通常采用傳統算法躲避我方 的攔截圍捕, 缺乏智能化決策能力; 其次, 海上目 標行為動作較為復雜, 雙方博弈過程中的當前決 策需要充分考慮前后階段產生的影響結果; 此外, 除需要圍捕的動態目標外, 海上還存在島礁等障 礙物, 在博弈對抗中還需要考慮躲避島礁障礙物 等問題。 受到以上啟發, 文中以無人艇集群對敵方入侵 島礁目標進行圍捕攔截為背景, 開展基于多智能 體深度強化學習的無人艇集群協同圍捕研究。首 先基于現代式作戰需求, 合理設計作戰假想, 建模 相應的圍捕環境; 其次, 采用 MADDPG 算法求解 策略方法, 根據不同的圍捕任務設計網絡結構、獎 勵函數和訓練方法; 最后通過仿真實驗表明, 訓練 得到的我方無人艇經過博弈后能夠有效完成對敵 方的圍捕攔截任務。

針對當前無人空戰仿真中,缺乏支持全流程作戰指揮控制建模與仿真這一問題,結合當前無人空戰仿真系統相關研究,系統梳理和研究指控模型構建方法,通過探索不同仿真層級不同類型的無人機指揮控制建模原理和方法,設計并且構建了一套適合指揮信息系統裝備特點的指控模型仿真系統。通過進行符合預設約束的想定設定,對目標作戰任務進行了效能評估和對比,可為無人空戰相關指揮信息系統裝備的論證、評估方式提供理論和現實指導。 當前無人武器,特別是無人機和作戰系統的日趨復雜化,應用也日趨廣泛。無人指揮信息系統裝備如何融入作戰體系、支撐作戰任務發揮效能是當前急需解決的問題。如何通過仿真建模,評估無人空戰指揮信息系統裝備的效能以及如何評估無人空戰指揮控制流程等,是當前研究的一個重點。 美軍對于空戰,以及相關的導彈戰研究較早,以先進仿真集成與建模框架(EADSIM)和擴展防空仿真系統(AFSIM)最具代表性。擴展防空仿真系統(EADSIM)是支持空戰、導彈戰和空間戰的多對多仿真系統,它向作戰人員提供一整套的分析、訓練和作戰規劃支持[1]。EADSIM 由作為美國導彈防御局(MDA)執行代理的陸軍空間與導彈防御司令部(SMDC)建模與仿真司(MSD)未來戰爭中心(FWC)管理。先進仿真集成與建模框架(AFSIM)可提供靈活的綜合防空系統仿真能力,同時可進行作戰研究、裝備論證、模擬訓練等領域的仿真實踐。EADSIM和AFSIM是當前美軍最成熟、應用最廣泛的任務級仿真系統代表[2]。 當前針對無人空戰指揮控制仿真與建模的專項研究雖然不多,但是相關領域的研究,還是獲得了一定的進展,文獻[3]對基于群體智能的多無人機空戰系統進行了研究,并針對飛機的空氣動力學模型和飛機路徑上的威脅區域進行了建模。文獻[4]結合當前流行的深度學習和強化學習研究,提出一種無人機近距空戰格斗自主決策模型,采取并改進了獎勵函數,避免了智能體被敵機誘導墜地的問題,同時可以有效引導智能體向最優解收斂。文獻[5]提出一種分層決策多機空戰對抗方法,根據戰術動作類型設計分層動作決策網絡,降低了動作決策空間維度,在多機空戰仿真環境中進行了實驗驗證,比現有多機空戰決策方法表現較好。 針對某些具體環節的研究和探索,研究人員都取得了比較好的成果,但還是缺乏一個能夠在實現空戰仿真建模基本功能的前提下,兼顧戰爭和武器裝備的復雜性,模型與數據的組織調度高,支持全流程的建模仿真方法與系統。 本文通過研究現有仿真系統中的指控模型構建方法、指控模型作戰指揮規則、信息流轉關系、指令消息處理方法及運行調度機制,針對典型無人空戰任務背景,設計并實現了一套指控仿真系統,聚焦仿真服務作戰計劃評估,實現人不在環仿真中不同指揮層級不同類型指揮所對完成典型作戰任務的影響程度,達到從作戰全流程場景設定下驗證無人空戰指控設定的有效性的。

多無人機協同作戰過程中, 任務規劃技術對無人機至關重要, 貫穿無人機作戰的整個過程. 總結了多無人機任務規 劃系統的體系架構、指揮控制方式和涉及關鍵技術的研究現狀; 詳細闡述了目標分配、路徑規劃和航跡修正的模型和算法, 分 析了算法具有不同的特性及適用性, 并例舉了研究者們對部分算法的改進. 最后, 提出了多無人機任務規劃技術未來的發展趨 勢以及下一步的工作方向. 無人機作戰相比于有人機具有: 體積小、重量 輕、續航時間長、載荷能力強、生存能力強、費用低 廉、自主控制能力強、無人員傷亡、可在高風險空域 飛行等優勢, 且在第四次中東戰爭、海灣戰爭、科索 沃戰爭中和后來的伊拉克戰爭中無人機完成了中低 空偵察、長時間戰場監視、電子對抗、戰況評估、目 標定位和收集氣象資料等任務[1?2] . 由于軍事戰場 收益是面向全局, 單架無人機所能發揮的作用效能 十分有限, 由此提出多機協同作戰, 同時完成不同任 務, 壓制敵軍, 贏得戰斗. 2016 年, 美國針對無人機不同功能、尺寸及作 戰需求, 研究與無人機相關的各種協同作戰方式, 在 以 “忠誠僚機” 為代表的有/無人協同和小精靈項 目為代表的集群協同作戰方面進行了大量探索[3] . 2018 ～ 2022 年, 美國計劃繼續致力于研究無人機作為 “忠誠的僚機” 的有/無人機混編協同作戰系統的 研究, 且計劃將無人機編隊分配給前線 F-35、F-22 和最新轟炸機 “B-21”[4] . 可見, 無人機集群協同作 戰必將是無人機未來發展的必然趨勢. 文獻 [5] 分析 了現階段智能無人機集群發展的四大關鍵技術: 環 境感知與認識、多機協同任務規劃、信息交互與自 主控制、人機智能融合與自適應學習技術. 在集群 技術中, 多機協同任務規劃技術尤為重要, 既要使機 群的安全指數最大化, 同時要求在最短的時間內完 成情報、監視、偵察以及多目標攻擊等任務. 合理、 高效的協同任務規劃方案能極大提高任務執行成功 率和效率、降低風險和成本是任務執行的基礎[6] . 目前, 各國研究者們對多無人機協同任務規劃 技術還在大力研究中, 部分問題已得到有效的解決 方法. 如解決多目標優化問題的傳統數學規劃法、 基于市場機制的方法、基于圖論的方法、和現代智 能優化算法如蟻群算法、遺傳算法、禁忌搜索算法 等; 但現階段多數算法在時間上、全局最優上、在大 規模復雜的優化組合問題上, 仍未達到令人滿意的 效果. 以及飛行過程中威脅源突現, 單機需具備在線 航跡重規劃的自治能力或在線多機航跡重規劃的協 調能力依舊是我們的難點問題.

無人集群的協同控制策略是影響其軍事應用效益的關鍵技術問題. 系統闡述了 5 類主要的無人集群協同控制策略： “領導者-跟隨者” 模型、虛擬結構控制策略、基于行為的控制策略、人工勢場法和基于人工智能的控制策略, 并對比分析各自優劣勢；重點研究了協同偵察、協同打擊和協同救援 3 類典型軍事應用場景, 對每類應用場景的軍事需求、實現策略和主要挑戰進行剖析；對未來無人集群的軍事應用發展趨勢給出預測分析.

現代戰爭已成為體系之間的對抗,作戰體系評估是加強作戰體系建設的重要途徑。討論了作戰體系評估的內涵和當前面臨的挑戰,分析了傳統方法在作戰體系評估中的應用和局限性,對新興的復雜網絡、兵棋推演、深度學習等評估方法進行研究和分析,提出了關于作戰體系評估方法研究的思考。

隨著信息技術的發展，現代戰爭已經轉變為體系 與體系的對抗，作戰體系成為決定戰爭勝負的關鍵因 素，加快作戰體系能力建設已成為當前軍隊建設的一 個核心任務。 作戰體系評估是全面客觀地認識和評價 作戰體系的重要途徑，對作戰體系建設發展及能力提 高具有重要意義。 本文對作戰體系評估的內涵進行了 界定和闡釋，分析了當前作戰體系評估面臨的挑戰，討 論了傳統評估方法的應用和局限性，對新興的評估方 法進了梳理、分析和總結，深入思考了進一步優化創新 作戰體系評估方法的相關問題。

未來智能化戰爭無人集群作戰中,計算力的云邊端供給成為重要模式,其邊緣計算技術作為關鍵使能技術,能解決作戰邊緣任務執行實時性差、帶寬受限、數據安全等問題。闡明無人集群背景下邊緣計算的概念和技術內涵,給出一個面向戰術邊緣的云-邊-端分布式系統框架,以實現無人集群作戰的信息互聯互通、戰場局部和全局態勢感知、群智能決策和協同控制;對該框架涉及的關鍵技術,包括邊緣計算框架、邊云協同、計算卸載、邊緣指揮控制等關鍵技術展開綜述;展望和總結了無人集群作戰下的邊緣計算技術,為未來智能化戰爭邊緣戰術提供了參考。

無人集群作戰是指通過多無人平臺的傳感設備獲取戰場實時數據,并通過可靠通信網絡實現信息交換,充分發揮自身作戰能力,以最大化作戰效益的一種作戰模式。該模式具有分布式決策、體系魯棒性高、效費交換比高等優勢,目前已成為未來無人作戰發展的主要趨勢之一。現代作戰中高效信息流通是保障作戰效率的關鍵因素。由于作戰環境充滿電磁輻射干擾,向云服務中心的請求通常會受限于較高的傳輸成本和時延。另外,對于傳統的中心式作戰決策模式,由于由局部態勢信息向中心的共享存在滯后和不一致問題,無法將決策中心、戰地指揮所與信息流末端的作戰平臺形成統一的調度和管理。通常高層決策中心決策時所依賴的信息已經過逐級處理,這勢必會把部分對態勢評估有價值的信息忽略掉。同時隨著越來越多的智能化作戰平臺投入戰場,終端會產生大量的數據而得不到及時的利用,龐大的信息整合與處理對指揮決策而言是一大挑戰。根據《解放軍報》2021年11月30日的作戰專論“智能化戰爭:強者勝的三個維度”,未來智能化戰爭中,連接力、計算力、認知力等新的戰斗力因子成為左右戰爭勝負的新變量,其中計算力強者勝理念推動了算力的云邊端供給模式。特別是近年來,美軍大力發展類似F-22戰機充當“戰斗云”(云+邊+端計算模式),提高無人系統的人工智能技術含量,以推動自主作戰平臺的自協同能力提升等。基于當前無人集群作戰的背景下,戰場決策與控制權逐漸從云上向戰術邊緣下沉,從平臺的角度來看,旨在充分開發邊緣平臺數據獲取、自主決策的能力。從作戰任務環境來看,決策與控制的下沉彌補了單平臺資源緊缺、信息受限、能力不足等缺點,能夠針對日益復雜的任務和動態變化的作戰邊界做出及時響應。云邊端模式下的邊緣計算具備低延遲、高安全性、低流量等優勢,能夠提供作戰平臺高可靠和隱私保護的本地計算服務,在軍事領域具有廣泛的應用需求和前景[1]。為此本文擬面向未來智能化戰爭的無人集群作戰技術,研究“云+邊+端”計算模式下邊緣計算的發展現狀和未來趨勢。本文對無人集群、邊緣計算的發展簡史以及整體過程進行縱向簡述,提出面向戰術邊緣的云-邊-端分布式系統框架,引出目前無人集群作戰背景下邊緣計算的關鍵技術;綜述了該框架涉及的邊緣計算框架、邊云協同、計算卸載、邊緣指揮控制等關鍵技術;闡明了無人集群邊緣計算發展趨勢并對全文進行了總結。

通過異型無人機（unmanned aerial vehicle, UAV)的協同作戰, 可極大豐富空中作戰樣式, 提高空戰戰損比. 雙機編隊是最基 本的協同作戰單元, 具有較大的研究價值. 針對無人機協同空戰可能面臨的不同空中態勢, 分別設計殲擊無人機和電子干擾無人 機的機動決策模式, 通過不同模式下的算法切換實現更好的協同作戰. 基于一致性理論設計了無人機的編隊飛行與伴隨干擾算法. 根據動態的空戰對抗特性, 設計自適應的動態柵格環境, 可更好地支撐路徑規劃與機動決策. 分別使用改進的蟻群算法（ant colony algorithm, ACO）和 Q-learning 算法構建無人機的機動決策和沖突解脫算法, 可實現無人機在空戰機動的同時避免相撞事故的發生. 最后以戰損比為指標, 通過協同空戰仿真證明了協同機動決策算法的有效性.無人作戰飛機 （unmanned combat aerial vehicle, UCAV）作為未來空戰的重要角色, 實現其空戰過程 智能化是各軍事強國研究的關鍵方向[1] . 美國作為航 空和人工智能技術最發達的國家, 在無人作戰系統 的研究上同樣走在世界最前沿. 早在 2016 年, 美國 的智能空戰模擬系統便能以 100%的概率戰勝退役 的空軍上校[2] . 2017 年 3 月, 美國空軍與洛·馬公司 基于無人化的 F-16 對“忠誠僚機”概念關鍵性技術 展開驗證, 包括開放式系統架構的軟件集成環境和 無人機的自主任務規劃功能, 旨在實現有人機與無 人機的協同作戰[3-4] . 在美軍的 2013 版《無人機系統 綜合路線圖》中, 更是計劃到 2030 年前后實現無人 機編隊的自主協同偵察與攻擊功能. 因此, 我國同樣 應當加大無人作戰飛機自主決策技術的研究, 否則 難以在未來的空戰場上取得優勢. 無人機協同空戰對抗既涉及空中的自主避撞, 又涉及戰術的協同機動決策, 相對單機對抗和同型 機協同機動決策具有更大的技術難度和復雜度. 從 國內外的研究現狀來看, 主要仍基于同機型的對抗 決策或協同機動決策研究, 對于異型機之間的協同 機動決策還仍有不足. NGUYEN 使用線性二階模型 構建無人機編隊模型, 使用一致性理論設計集群的 編隊控制算法[5] , 但該研究主要關注動目標的協同追 蹤問題, 對于更復雜的協同控制決策則并沒有涉及. ZHEN 提出了一種智能自組織算法[6] , 該算法可實現 多無人機對抗的目標分配問題, 主要方法是將全局 問題分解為局部問題并進行優化計算. 但該研究主 要關注對地目標的協同攻擊, 態勢相對簡單. 朱星宇 基于 Q-Learning 算法構建無人機的機動決策模型[7] , 而無人機之間的協同目標分配則是使用納什均衡理 論, 由此實現多無人機空戰機動決策. 研究中既考慮 了沖突解脫問題, 也考慮了態勢問題, 具有較好的參 考價值. 魏瀟龍基于改進蟻群算法研究了無人機的 自主沖突解脫問題[8] , 具有一定參考價值. 本文對異型機之間的空戰協同決策問題展開研 究, 主要分析電子干擾無人機與空戰無人機之間的 自主協同決策方法. 在探討電子干擾伴隨支援戰術 機動方法基礎上, 基于一致性理論設計了無人機之 間的編隊控制方法, 使用蟻群算法實現我方無人機 之間的沖突解脫與戰術機動, 使用改進的 Q-learning 算法設計敵對無人機的空戰機動決策算法, 最后通 過空戰仿真驗證協同機動算法的有效性。

無人集群系統是近年來國內外軍事領域的研究重點, 正在推動無人作戰樣式由 “單平臺遙控作戰” 向海陸空協作的 “智能群體作戰” 轉變. 綜述了近年來國內外在無人集群系統方面的最新研究進展, 包括軍事、國防和學術領域在無人系統自主 協同技術方面的探索和實踐, 闡述了無人集群系統相關的關鍵技術, 包括多 Agent 系統自主協同、多 Agent 系統態勢共識、未 知系統動力學、群體智能理論與技術、機器學習方法、行為決策方法以及實驗場景模擬等, 分析了不同關鍵技術的技術特征、 面臨挑戰和發展趨勢.

2018 年美國國防部頒布《國防部人工智能戰略 摘要》, 強調人工智能技術在軍事領域的應用, 并于 同年發布了無人集群系統并行作戰場景[1]. 2017 年 至今美國戰略和預算評估中心連續發布針對中俄兩 國的馬賽克式集群作戰等顛覆性作戰模式, 打造全 球范圍內的武器系統協同作戰[2] . 我國國務院在 2017 年提出《新一代人工智能發 展規劃》, 倡導人工智能領域的軍民融合, 以加快國 防技術的成果轉化, 并為指揮決策、軍事論證和國防 科研提供有力支撐[3] . 其中, 以群體智能為核心技術 的無人集群系統自主協同作戰是未來戰爭重要樣式, 美軍已經啟動高度自主智能化集群武器裝備的研究. 我軍也在積極探索利用人工智能算法提高無人系統 的智能化水平, 以取得戰爭主動權. 進一步看, 現代 戰爭中戰場環境瞬息萬變, 僅僅通過單系統的協作 不可能完全掌握戰場環境和態勢, 海、陸、空多類智 能系統的協同感知、聯合攻擊必將成為未來戰爭的 作戰模式. 2020 年 1 月, 中國科學院發布的《2019 年 人工智能發展白皮書》中, 將” 群體智能技術” 列為 了 8 大人工智能關鍵技術之一[4] . 同時, 無人裝備具 有低成本、小型化、功能單一、組網靈活等特性, 使 得無人裝備集群作戰通過數量優勢來打擊敵人. 在 網絡環境下, 這類由異質、異智系統 (智能體) 通過 彼此之間的信息交互構成的多維異構無人集群系統, 看作是異構智能群體系統, 即多智能體 (Agent) 系統. 其中, Agent 是對外界的刺激作出適當反應的實體, 不是被動的接受消息和控制. 展望未來, 誰懂得如何最好地使用無人集群智 能系統, 誰就有望在戰爭中取得巨大優勢.

介紹了數字孿生技術的起源及概念,分析了數字孿生系統與平行系統/仿真推演系統等區別,針對數字孿生在武器裝備系統中的應用,進行了技術框架和應用框架設計,并提出了武器裝備系統數字孿生在裝備感知、模型構建、系統集成、評估預測、交互控制五大領域的關鍵技術,給出了武器裝備系統數字孿生發展在理論及實踐方面的啟示,以期對武器裝備系統中數字孿生技術的應用提供技術支撐。

數字孿生技術起源于 ２００２ 年，到 ２０１７ 年進入快速 發展期。 目前，國內工業領域、軍事領域等也掀起了數 字孿生技術研究的熱潮。 數字孿生作為一種描述、優 化物理實體的重要技術，在計算機仿真、數據采集等技 術的支撐下，既可以實現物理實體靜態特性的數字化 模擬，又可以實現物理實體隨時間展現的動態特性，甚 至可與物理實體交互、共生，從而為物理實體的調試、 保障、升級等提供了方法和手段。 在數字孿生技術發展和應用過程中，因應用領域、 裝備類型、運用階段等不同，各領域對數字孿生的理解 和實踐不同。 作為實現武器裝備數字化、智能化的重 要使能技術，在武器裝備領域，數字孿生首先應用于航 空航天裝備領域，后陸續應用于其他武器裝備領域，向 研發設計和生產制造領域延伸，且覆蓋產品全生命周 期發展。 本文通過梳理數字孿生技術的內涵，研究了武器 裝備系統數字孿生要素、總體框架及關鍵技術，為武器 裝備系統的數字孿生發展提供了支撐。

隨著無人機戰技性能的不斷提升以及戰術戰法的廣泛運用,無人機蜂群協同作戰給當前防空系統帶來了全新的挑戰。通過梳理分析近年來無人機蜂群作戰運用案例,總結了當前無人機蜂群作戰運用的特點,闡述了發展反無人機蜂群作戰指揮控制系統的必要性和緊迫性。由此,結合當前世界各軍事強國反無人機蜂群作戰指揮控制系統的現狀,對未來反無人機蜂群作戰指控系統發展提出了一些啟示建議。

近年來，世界各國大力推進軍用無人機裝備技術 的發展，加上自組網通信、人工智能、無人控制等技術 的迅猛發展，無人機蜂群作戰作為一種全新的作戰模 式［１］登上了歷史舞臺，其可以在極端惡劣條件下，零傷 亡、高效率地協同完成預警探測、欺騙干擾、通信中繼、 超飽和式打擊等作戰任務［２］ 。隨著無人機蜂群作戰運用不斷成熟，其給世界各 國防空系統帶來了新的挑戰，反無人機蜂群作戰體系 建設也成了世界各國關注的重點［３］ 。美、俄、英、以色 列等軍事強國不斷探索反無人機蜂群的新用法，其中 包括電磁脈沖炮、高功率微波武器、高能激光武器、電 子干擾、密集炮、網捕等手段，美國每年都進行“黑色飛 鏢”反無人機試驗［４］ 來提高反無人機作戰能力。在反 無人機蜂群作戰中，除了作戰武器外，指揮控制系統也 是反蜂群作戰的核心中樞，其貫穿了預警探測、信息處 理、決策分析、武器控制等全流程作戰，也是世界各國 大力發展的重點之一。本文分析了無人機蜂群作戰運用的主要特點，介 紹了當前世界各國反無人機蜂群作戰指控系統發展現 狀，并對反無人機蜂群作戰指揮控制系統未來發展方 向進行分析闡述。