计算机兵棋推演系统研究

研究军事领域战略决策,为提升战场指挥能力,计算机兵棋推演是一种特殊的战争模拟方式.从战争经验的总结和对人因素的考虑,并能够较好的实现战争进程和结局的模拟.研究计算机兵棋推演,对于我军战争模拟的发展意义重大.在分析了计算机兵棋推演的由来、美军兵棋系统的沿革以及我军发展状况的基础上,重点概括了战争仿真计算机推演对抗系统的特征与功能,建立了推演系统的体系结构,并作为系统核心研究内容之一的数据和规则建设,最后提出了在面对未来复杂信息作战背景下系统模型研究需要着重关注的几个方面.实践表明,兵棋推演对我军战争模拟理论,还是系统工程研发都具有很好的指导和借鉴作用.     

兵棋推演在登陆作战任务中的应用研究

传统兵棋是模拟战争对抗的各方人员,使用代表战场及其军事力量的棋盘和棋子,依据从战争经验中总结的规则,对战争过程进行逻辑推演研究和评估的军事科学工具.兵棋推演带来的比较适合作战分析的推演方式,如何在新的信息化系统中加以体现是计算机作战模拟所要研究和解决的问题.首先从兵棋概念的角度分析了兵棋推演的本质和作用,接着分析了传统兵棋与计算机兵棋推演系统,最后结合研讨型兵棋和综合集成的思想,探讨了兵棋推演在海军海上军事任务中应用的可能性及一般应用方式方法,设计了一个研讨型兵棋推演系统.     

兵棋推演系统设计与建模研究

介绍了海战推演在信息获取、实体行为及系统输入方面的特点。分析了战术级海战推演与其它级别推演的区别,明确了兵棋推演系统设计中各仿真要素与推演目标、推演规模、推演推进相结合的重要性;针对传统的基于组件库的推演事件定制方法在事件编制灵活性上的不足,提出了由XML描述的“事件一触发关联模型”。实际应用表明,新的模型使得推演系统具备更高的可信度,并大大提高了推演系统的功能扩展能力。最后对兵棋推演系统建模技术的下一步工作和发展做出了展望。     

机器博弈海战兵棋推演系统的设计实现

设计兵棋推演海上作战过程,可以“在实验室中学习战争”,是现代技术和战争艺术的结合.分析了基于机器博弈海战兵棋推演的基本原理,指出用兵棋模拟战争应具备的几个特点,详细阐述了机器博弈海战兵棋推演系统的具体设计方法,包括棋盘表示、兵力表示、规则设计、态势评估和搜索策略等技术难点,实现了基于机器博弈的海战兵棋推演系统.并基于上述兵棋推演系统进行了实例仿真分析,以某红蓝海军编队为博弈对象,进一步阐明了系统对海战兵棋推演的功能.     

一种用于辅助兵棋推演的快速决策框架研究

基于一般的决策和规划流程,提出了一个面向兵棋推演的快速决策框架(Rapid Military Decision Framework, RMDF),该框架针对异构实体模型,通过分层的网格环境对复杂推演环境简化建模,将推演实体的作用效果,简化为地面、海上和空中三个网格环境层次上的作用效果,并以热图的形式在网格环境中显示,通过推演实体的核心参数来确定其性能模型和行为模型,并基于一致性包算法实现任务分配,生成备选行动策略,通过快速仿真实现推演策略的迭代优化,能够在推演之前或推演期间提供行动方案的快速评估,可以有效地辅助兵棋推演指挥人员进行复杂态势下的兵棋推演。     

计算机兵棋中兵力并行化机动的实现

在传统的计算机兵棋以及手工兵棋中,机动命令的实现采取串行模式,即:只有当前机动命令从起始六角格执行到达最终格,下一条机动命令才得以执行.这样的机动模式对传统意义上的回合制兵棋游戏来说尚可,但对于具有实战仿真意义的兵棋推演来说则会引起严重的失真问题,从而导致推演结果不可信、无参考价值.论文针对上述问题,提出了一种基于时间片的并行化机动算法.经过实践检验,算法不仅解决了上述问题,而且大大提高了机动推演的效率.     

兵棋推演中地形量化算法研究与实现

传统手工兵棋推演计算机化的一个重要方面是实现兵棋棋盘的计算机化.需要借助于计算机实现兵棋棋盘的数字化并对兵棋地图进行地形量化.兵棋推演系统采用不同大小的六角网格量化地形,将兵棋推演系统与地理信息系统组件MapX结合.在MapX中显示兵棋推演区域的Maplnfo格式地图数据,并提出了一种基于MapX的六角网格绘制算法,算法充分利用MapX中图元与组合图元的思想,可以根据推演需求实时生成不同比例尺的六角网格覆盖整个或部分作战区域,降低了手工兵棋地形量化的工作量,对提高兵棋推演效率有一定的意义.     

MWGM:基于兰彻斯特方程的微观兵棋推演模型

传统兵棋推演需要过多的人工干预,因此存在诸多主观干扰,并且很难实现全局实验.为解决上述问题,提出了基于兰彻斯特方程的微观兵棋推演模型,给出了该模型的主要系统结构、内部数据结构以及运行流程等.该模型采用消息驱动方式提高推演系统运行的全局性和时效性,并实现仿真对象的联动;用兰彻斯特模型生成描述敌我损耗关系,并生成微观战场态...     

火力协同仿真系统设计与实现

针对联合火力打击中火力协同方案制订和验证手段和方法的不足,提出了基于计算机仿真的火力协同方案推演和验证方法,建立了相应的火炮弹道模型、通用的装备机动模型和空间安全判断模型,在对火力协同功能需求分析的基础上,设计实现了陆空火力协同仿真系统,该系统能够支持多军兵种多火力单元的协同关系判断和协同过程的三维实时可视化,具有推演效率高、验证结果准确的特点,为应用计算机仿真系统解决复杂军事问题开辟了一条新的途径.     

兵棋推演的智能决策技术与挑战

近年来,以人机对抗为途径的智能决策技术取得了飞速发展,人工智能(Artificial intelligence, AI)技术AlphaGo、AlphaStar等分别在围棋、星际争霸等游戏环境中战胜了顶尖人类选手.兵棋推演作为一种人机对抗策略验证环境,由于其非对称环境决策、更接近真实环境的随机性与高风险决策等特点,受到智能决策技术研究者的广泛关注.通过梳理兵棋推演与目前主流人机对抗环境(如围棋、德州扑克、星际争霸等)的区别,阐述了兵棋推演智能决策技术的发展现状,分析了当前主流技术的局限与瓶颈,对兵棋推演中的智能决策技术研究进行了思考,期望能对兵棋推演相关问题中的智能决策技术研究带来启发.     

物流中心选址与动态运输路线选择的研究

物流配送过程中主要有两个环节,一是配送对象的选择,另一个是配送路线的设计.物流中心选址应以物流系统和社会经济效益为目标,用系统学理论和系统工程方法,综合考虑多种因素,对物流中心位置进行科学的研究和决策.在地理信息系统(GIS)现代信息技术应用于物流中心选址基础上,分析了物流配送选址中满足最小覆盖圆的一种基于Voronoi图的设施选址优化算法.针对以往交通路线选择是在一个假设的道路交通条件不变的背景下,根据实时动态交通条件进行路线选择,将智能运输系统(ITS)应用于动态路线选择.     

基于GIS和遗传算法的物流配送中心选址研究

物流配送中心的选址是物流系统优化的一个具有战略意义的问题。在分析传统物流配送中心选址算法不足的基础上,建立了一个基于GIS和遗传算法的物流配送中心选址模型。首先确定配送中心选址的目标及影响选址的因素,接着利用GIS的空间分析技术,定量分析可在电子地图上表现的物流配送中心选址的影响因素,得出一系列候选地点,最后利用遗传算法,求解得出最佳选址地点,并通过实例研究表明该算法的可行性。     

粒子群算法在物流中心选址中的应用

物流中心选址是物流系统规划中的重要决策问题。为了快速得到合理的物流中心选址方案,针对问题的特点给出了选址问题的模型,提出了以最小化物流成本为目标函数的粒子群优化算法,开发了模型求解的MATLAB程序,并将算法应用于求解工厂仓库选址和废弃物回收中转站选址问题。实例求解结果表明,该算法求解选址问题的性能优于精确重心法,具有良好的搜索性能和实用性。     

基于改进神经网络的粮食配送中心选址决策研究*

粮食配送中心选址问题是构建现代化粮食物流系统的重要研究方向。从粮食配送中心选址的影响因素出发,建立了以控制成本为核心的数学模型,引入了经遗传算法改进的人工神经网络模型进行求解,并且给出了详细的设计步骤。为解决遗传算法易陷入局部最优的问题,提出了一种在变异算子中增加禁忌搜索的方法。实验证明,该方法在解决粮食配送中心的选址决策时,效果较好。     

基于BIRCH聚类的物流配送设施选址算法

物流配送设施的选址对于物流成本、在途时间影响巨大.其特点包括：配送设施选址和配送路线交互影响、多层级选址、配送设施存件数量均衡性等.本文通过分析物流配送设施选址的特点设计了一个基于BIRCH聚类的物流配送设施选址算法,融合了BIRCH聚类算法和基于Dijkstra距离的重心法,为物流配送设施选址提供了更好的方案,大幅节约长期运营成本.     

PBIL算法求解物流中心选址优化问题

物流中心的合理布局对整个物流系统的效益有着决定性的影响。通过对物流中心选址问题相关特点和要求进行研究,我们以建设成本和运行费用最优为目标构造了选址问题的数学模型,设计了基于PBIL的物流中心选址优化算法,并进行了算法的实现和测试。测试表明,该算法计算速度快、稳定性好,对约束条件增减具有良好的适应性。最后,提出了该算法的学习概率修正参数动态变化方法,测试表明通过该方法可有效提高算法的收敛速度和寻优能力。     

直觉模糊环境下的物流配送中心选址方法研究

物流配送中心选址决策是直接关系到物流配送系统运作效率的重要问题之一。提出了一种基于直觉模糊TOPSIS法的物流配送中心选址方法,给出了直觉模糊集的概念和运算,定义了直觉模糊集之间的距离测度;在此基础上,将直觉模糊集和TOPSIS法相结合,提出了一种配送中心选址决策的新方法,最后的算例分析说明了该方法的有效性。     

基于PBIL算法的物流中心选址问题研究

介绍了基于种群竞争式学习的PBIL算法的基本原理和实现方法。比较了PBIL算法和遗传算法求解过程的异同点。分析了PBIL算法在物流中心选址问题中的应用,并且通过实例验证了算法的可行性和有效性,证明了PBIL算法比遗传算法具有更高的搜索效率。     

求解物流配送中心选址问题的蜘蛛猴算法

物流配送中心选址问题的核心是效率最大化,成本最小化。为了快速得到合理的物流配送中心选址方案,现提出一种基于Laplace分布的伪反向蜘蛛猴优化算法（LOBSMO）来求解此问题。建立物流配送中心选址模型。在基本蜘蛛猴优化算法中,采用了Laplace分布初始化蜘蛛猴种群,在局部领导阶段用指数递减与随机对数递减策略改进步长因子,在全局领导阶段提出了新的搜索机制及局部领导决策阶段的伪反向学习策略来提高算法的寻优性能。最后,通过仿真实验说明该方法是可行的。     

基于SoC及射频卡定位技术的天车物流子站设计

以凤宝炼钢厂物流管理系统的物流子站的设计为例,详细介绍了该物流子站的结构及工作原理,重点介绍了SoC的特点、射频卡的定位原理、读卡器的设计、称重传感器信号解调及安装等关键技术,最后给出了该物流子站的软件设计。实际应用表明,该物流子站具有抗扰能力强、通信误码率低、响应速度快、维护方便等特点。