近年来，随着军队编制体制的不断调整改革和发展理念不断完善优化，军用任务规划技术和体系建设正处在发展的快车道上。总体来说，目前军队重点关注作战任务规划系统中基础理论与模型算法的研究，如资源冲突消解算法、自组织动态任务规划方法、战术决策支持系统和任务规划问题建模与优化技术等，成熟且专业的作战任务规划系统较少，战役战术级别的任 务规划系统多处在预研阶段。联合作战任务智能规划关键技术及其应用思考动涉及多军兵种联动，无论是战场环境还是敌情我情都相对复杂，在设计作战行动计划中往往要考虑到各类复杂情况，这就对任务规划提出了更高要求。
一是要实现战场态势的主动感知及精确判断。无论是战前预先规划还是作战行动中的临机规划，都建立在对战场态势准确和快速理解的基 础之上，长期以来，这项工作主要依赖人工判读和预测。现代联合作战的“陆、海、空、天、火、电、网”多维态势融合，战场空间急剧扩展且相互交连，要求任务规划系统能够快速自主分析敌我兵力部署、装备情况和地理特征对战役的影响并做出基本预判。
二是实现高效快速的任务规划及应变规划。 要实现根据态势及环境变化快速形成甚至调整作战方案计划，就迫切需要发展作战计划智能生成 技术，加快决策速度，在瞬息万变的形势中赢得战争的主动权。
三是提升作战方案的推演及智能化评估能力。现代战争中，方案计划的复杂度和囊括度呈指数级攀升，指挥参谋人员有限的决策能力越来越无法适应急剧变化的战场需求。这就需要系统具备处理海量样本数据、形成多种决策方案的智 能化作战方案推演和评估能力，可辅助指挥参谋人员在资源、装备、人员、空间和环境等多方向和视角综合分析战场中的敌情我情，对战争的趋势和走向做出预判。
未来的对抗形式主要表现为陆、海、空、天、电、网六位一体保障条件下的精兵作战。随着网络空间和电磁空间的加入，战场的要素和相互制约关系已经远超人类合作协同所能掌控。战争的胜负将不仅仅取决于人员的多少、装备的数量，更重要的是作战双方对信息的掌握和应用。战争胜利的关键将取决于认知速度，而认知速度的快慢，取决于对智能技术的利用程度。在认知域，计算机的角色将从辅助决策转变为自主决策。为实现作战推演智能化，一方面需要加强智能推演方法的研究，还需要利用虚拟化与组装化等技术将作战单元、参试装备、部署情况等要素进行精细化建模，联合各个装备研制部门和应用部门，构建从装备仿真、系统仿真到作战仿真不同层级不同粒度的仿真试验体系。数字模型的准确程度会直接影响到推演结果的科学性。
仿真推演发展构想
与作战演训相结合，通过数字仿真与部队演习紧密结合，让智能作战推演贴近实战。联合作战试验指挥协调机构将试验任务下达到各个试验靶场，同时与演习部队建立联系，在推演中，通过演习部队红蓝双方的投影到导调中心，导调中心通过交战模拟，实现虚实、虚虚、实实多种对抗演练方式。借助智能推演算法发现新战法和装备体系的问题，从而为装备研制部门、采办机构以及作战指挥部门提供有力支撑。
2.应用于提升作战指挥效能
随着智能辅助决策技术和“云端大脑”“数字参谋”“虚拟仓储”的出现，作战指挥决策将由单纯的人脑决策发展为人机混合决策、云脑智能决策和神经网络决策，从而孵化出全新的指挥控制方式。人工智能这一“作战大脑”可以从各类传感器中接收、处理大量 数据，其快速反应和做出决定的速度比人类要快出数百倍。在对物理域、社会域、知识域、认知域的解析及建模基础上，利用人工智能快速生成辅助决策信息，并可根据指挥员的意图进行快速优化，实现作战指挥决策的快速性和精准性。利用人工智能技术构建数据自主分析能力，优化指挥信息系统，有效提升战场数据处理挖掘的效率，以“人在回路”或“人机协同”等形式实现人和机器的优势互补，以智能化优势夺取战场主动权。
3.应用于战场态势感知
人工智能技术的应用，将有助于解决复杂电磁环境下战场的精确态势感知难题。基于人工智能和全维信息的战场感知体系，不仅抗干扰抗攻击能力强，而且可以实现战场信息全网可知可视可控。通过物联网和各类传感器，实现对各类战场大数据的实时自动采集、储存、传输与处理，实现全域覆盖、多元融合、实时处理和信息共享，达到对整个战场及作战指挥的全过程“透彻感知”“透明掌控”。综合利用射频感应、全球定位、红外传感、生物特征识别等感知、捕获和测量技术，随时随地对战场目标对象进行信息采集和获取；运用数据挖掘、深度学习等技术，提高图像理解、语音识别、目标匹配能力；运用智能组网技术，为战场感知大数据传输提供高速、可靠、抗干扰的信息网络支撑。
4.应用于作战任务分析
为完成作战任务分析，指挥员需要对战场数据信息进行分类，并确定当前战场态势，以构建动态更新的通用作战图，并检测己方作战指挥系统是否被欺骗。作战指挥系统可根据接收到的情报报告的顺序，自动生成战术级通用作战图。利用深度学习算法，可以将高维度文件输入向量转换为一种低维度本征向量空间的方法，在该空间中互邻的向量与类似的文档对应，利用少量有主题标记的样本来定义本征向量空间中的特定聚类，并使用这些聚类构建自动元标注算法。
5.应用于生成作战行动方案
智能化作战指挥体系在感知到敌情信息后，相关数据通过战场信息网络进入联合作战指挥体系，进行后续的数据处理和融合，直至搜索、优化行动方案，形成最终应对策略，在这整个过程中需要系统端进行大量、快速、稳定的数据计算。智能化作战对抗，由于诸多环节都是通过机器计算自主完成，作战指挥的智能化程度高、反应速度快。
6.应用于作战行动方案分析与推演
智能化的作战指挥系统利用所获取的战场态势数据，对各种情报信息进行自主分析，实时自主决策，自主生成或调整作战方案，并通过信息传输网络指挥控制相 应的作战单元完成作战任务，确保作战单元、武器装备形成高效 统一的整体，协同有序行动。运用“数据+算法”实现作战行动方案分析和推演的高度自主化，同时加上机器的高速计算能力，就可以通过更多环节的智能自主处理，得出更加科学的作战指挥决策方案，大幅提升作战指挥体系的反应速度，进而高效调控相应的作战行动，在战场上获取相对优势，夺取战争的胜利。
7.应用于作战行动方案执行
在作战行动方案执行过程中，通过无线车载定位终端、头盔和眼镜等穿戴式设备，为单兵配备无线个人手持定位终端和视频终端，实施智能化远程指挥控制；运用 身份识别、语义识别、语音识别、手势识别、行为识别、脑电识别、视觉跟踪、感觉反馈等人机交互技术，实现指挥单元、精确打击武器与信息应用系统之间的无障碍沟通；各作战单元利用人工智能技术，快速融合和分析战场信息，以便将结果发送给指挥员；
8.智能化作战任务规划系统
为战区指挥机构进行联合作战筹划提供科学高效的方法手段，并按照标准化的作战流程、交战规则和指挥作业程序，区分预先规划和临机规划，对作战行动、作战要素和作战资源进行精细筹划，推动军队从传统粗放的作战筹划向全面精细的作战规划转变。以期改变军队基本上按预先概略计划各自为战的现状，发挥体系对抗的整体威力，并协同战区以下各军兵种战术及武器平台任务规划系统建设，力求实现任务规划体系全域覆盖的最终目标。
战区级联合作战任务规划流程
9.智能技术及运用
以建设战区联合作战任务智能规划系统为主旨，围绕战场态势预先感知、作战方案计划生成、作战进程模拟仿真与推演评估等内容，研究战场态智能势感知与分析、自主化生成作战计划、智能化仿真推演与评估等核心技术，以提升联合作战任务规划能力为导向。按照OODA环的组织实施流程对联合作战任务智能规 划系统的关键技术及应用进行阐述。战场态势智能感知技术态势智能感知技术主要用于对区域联合作战，联合作战任务智能规划关键技术及其应用思考环境下的战场态势数据进行提取和分析，并融合 相关信息知识评估当前态势并对未来态势进行预 测，为产生作战方案提供信息支撑。该技术主要用于提升OODA环中的观察和判定能力。第一，该技术以指挥员的军事指挥经验为牵引，以联合作战任务为导向，利用模糊认知技术进行认知建模;第二，利用多智能体学习方法对多军兵种联合作战的协同配合进行仿真模拟;第三，利用深度学习方法构建以大数据为基础的非线性神经网络模型，实现对战场态势的有效感知和准确评估，预测敌方作战部署、作战意图、作战动向以及 敌我双方作战力量对比。战场态势智能感知技术是 提升联合任务规划能力的基础和关键，它在联合作 战任务规划体系中的流程框架如图
战场态势智能感知技术流程框架
10.基于深度强化学习的推演评估与计划优选
作战推演评估技术在方案分析、战法实验及模拟对抗等多种领域中都有应用。联合作战不同于战术战斗层级的同质化、单一化的对抗范畴，是体系与体系之间的对抗，涉及多要素、宽领域、深维度，需要推演评估多种复杂方案计划并最终实现优选，系统支撑尤为重要。基于深度强化学习的作战推演技术主要通过 对计划决策的智能化模拟仿真来提升OODA环中的行动能力。该技术旨在将人工智能技术引入作战推演，通过人工规则结合深度强化学习的方法，建立和优化各类作战单元及群体编队的作战对抗行为模型，实现机—机自主对抗，大幅减少“OODA 环”中“人在回路”的比率。同时，该技术借助机器自我博弈，快速产生大量对抗样本，通过充分模拟多种可能的交战过程和结局，为强化学习环境提供足量和可信的数据支撑，使学习结果具有较高的置信度和说服力。而在模拟推演中，智能化的机器既可以充当蓝方，也可以作为参谋或智能下级辅助指挥人员高效开展作战推演，与红方指挥人员共同训练、相互学习以提升指挥水平。
文章来源：https://www.toymoban.com/news/detail-675812.html
基于深度强化学习的推演评估与计划优选技术流程文章来源地址https://www.toymoban.com/news/detail-675812.html
到了这里，关于行业前研|人工智能在作战仿真中的应用的文章就介绍完了。如果您还想了解更多内容，请在右上角搜索TOY模板网以前的文章或继续浏览下面的相关文章，希望大家以后多多支持TOY模板网！
