下一代战略博弈推演系统研究

doi:10.16182/j.issn1004731x.joss.21-0731

系统仿真学报 ›› 2021, Vol. 33 ›› Issue (9): 2017-2024.doi: 10.16182/j.issn1004731x.joss.21-0731

所属专题：特约稿件

• 专栏：下一代兵棋系统研究 • 上一篇下一篇

下一代战略博弈推演系统研究

吴曦, 孟祥林, 杨镜宇

国防大学联合作战学院,北京 100091

收稿日期:2021-07-21 修回日期:2021-07-27 出版日期:2021-09-18 发布日期:2021-09-17
作者简介:吴曦(1977-)，女，硕士，高工，研究方向为体系分析评估，军事运筹等。E-mail：smilexixi@126.com

Study on Next-generation Strategic Wargame System

Wu Xi, Meng Xianglin, Yang Jingyu

College of Joint Operation, National Defense University, Beijing 100091, China

Received:2021-07-21 Revised:2021-07-27 Online:2021-09-18 Published:2021-09-17

摘要/Abstract

摘要： 战略博弈推演是战略决策的重要手段。剖析了战略博弈推演研究现状及面临的挑战,分析了大数据、人工智能技术对战略博弈推演系统建设带来的启示,研究提出下一代战略博弈推演系统发展设想以及需要突破的关键技术,即面向战略主题的事件关联图谱构建、基于生成对抗网络的战略决策稀疏样本生成、人在回路混合增强博弈策略学习及基于社交网络的舆情传播建模技术。在此基础上,对未来战略博弈推演的发展趋势进行了展望。

关键词: 战略博弈推演, 战略决策, 知识图谱, 强化学习, 生成对抗网络

Abstract: Strategic wargame is an important support to the strategic decision. The research status and challenges of the strategic wargame are analyzed, and the influence of big data and artificial intelligence technology on the strategic wargame system is studied. The prospects and key technologies of the next-generation strategic wargame system are studied, including the construction of event association graph for strategic topics, generation of strategic decision sparse samples based on generative adversarial nets, gaming strategy learning of human-in-loop hybrid enhancement, and public opinion dissemination modeling technology based on social network. The development trend of the strategic wargame is proposed.

Key words: strategic wargame, strategic decision, knowledge graph, reinforcement learning, generative adversarial nets

中图分类号:

TP391.9

吴曦, 孟祥林, 杨镜宇. 下一代战略博弈推演系统研究[J]. 系统仿真学报, 2021, 33(9): 2017-2024.

Wu Xi, Meng Xianglin, Yang Jingyu. Study on Next-generation Strategic Wargame System[J]. Journal of System Simulation, 2021, 33(9): 2017-2024.

参考文献

[1] 杨镜宇, 唐本富, 吴曦, 等. 面向事件认知的战略博弈系统设计[J]. 军事运筹与系统工程, 2020, 34(3): 59-65.
Yang Jingyu, Tang Benfu, Wu Xi, et al.Design of Strategic Wargame System Oriented by Event Cognition[J]. Military Operations Research and Systems Engineering, 2020, 34(3): 59-65.
[2] 汪永庆, 谈华莹, 刘同林, 等. 兰德战略评估系统的方法与推演设计建模[M]. 北京: 航空工业出版社, 2015.
Wang Yongqing, Tan Huaying, Liu Tonglin, et al.Rand Strategy Assessment System Process and Derivation Modeling Design[M]. Beijing: Aviation Industry Press, 2015.
[3] 胡晓峰, 罗批, 司光亚, 等. 战争复杂系统建模与仿真[M]. 北京: 国防大学出版社, 2005.
Hu Xiaofeng, Luo Pi, Si Guangya, et al.War Complex System Modeling and Simulation[M]. Beijing: National Defense University Press, 2005.
[4] 杨镜宇. 战争分析仿真实验系统[M]. 北京: 国防大学出版社, 2014.
Yang Jingyu.War Analysis Simulation Experiment System[M]. Beijing: National Defense University Press, 2014.
[5] 杨镜宇. 体系实验工程的探索与实践[J]. 科技导报, 2018, 36(24): 6-12.
Yang Jingyu.Exploration and Practice of SOS Experiment Engineering[J]. Science & Technology Review, 2018, 36(24): 6-12.
[6] 于洪, 何德牛, 王国胤, 等. 大数据智能决策[J]. 自动化学报, 2020, 46(5): 878-896.
Yu Hong, He Deniu, Wang Guoyin, et al.Big Data for Intelligent Decision Making[J]. Acta Automatica Sinica, 2020, 46(5): 878-896.
[7] Zhu K, Joshi S, Wang Q G, et al.Guest Editorial Special Section on Big Data Analytics in Intelligent Manufacturing[J]. IEEE Transactions on Industrial Informatics(S1551-3203), 2019, 15(4): 2382-2385.
[8] 刘知远, 韩旭, 孙茂松. 知识图谱与深度学习[M]. 北京: 清华大学出版社, 2020.
Liu Zhiyuan, Han Xu, Sun Maosong.Knowledge Graph and Deep Learning[M]. Beijing: Tsinghua University Press, 2020.
[9] 李力, 林懿伦, 曹东璞, 等. 平行学习——机器学习的一个新型理论框架[J]. 自动化学报, 2017, 43(1): 1-8.
Li Li, Lin Yilun, Cao Dongpu, et al.Parallel Learning—a New Framework for Machine Learning[J]. Acta Automatica Sinica, 2017, 43(1): 1-8.
[10] 汪建基, 马永强, 陈仕涛, 等. 碎片化知识处理与网络化人工智能[J]. 中国科学: 信息科学, 2017, 47(2): 171-192.
Wang Jianji, Ma Yongqiang, Chen Shitao, et al.Fragmentation Knowledge Processing and Networked Artificial Intelligence[J]. Sci. Sin. Inform., 2017, 47(2): 171-192.
[11] Michael E L, John Y, Michael S, et al.Hedgemony: A Game of Strategic Choices[M]. Santa Monica, CA: RAND Corporation, 2020.
[12] 吴云超, 毛少杰, 周芳. 面向仿真推演的领域知识图谱构建技术[J]. 指挥信息系统与技术, 2019, 10(3): 32-36.
Wu Yunchao, Mao Shaojie, Zhou Fang.Domain Knowledge Graph Construction Technology for Simulation Deduction[J]. Command Information System and Technology, 2019, 10(3): 32-36.
[13] 乔凤才. 基于频繁子图模式挖掘的群体性抗议事件检测与预测技术研究[D]. 长沙: 国防科技大学, 2018.
Qiao Fengcai.Detecting and Predicting Civil Unrest Events Based on Frequent Subgraph Pattern Mining[D]. Changsha: National University of Defense Technology, 2018.
[14] 王坤峰, 苟超, 段艳杰, 等. 生成式对抗网络GAN的研究进展与展望[J]. 自动化学报, 2017, 43(3): 321-332.
Wang Kunfeng, Gou Chao, Duan Yanjie, et al.Generative Adversarial Networks: the State of the Art and Beyond. Acta Automatica Sinica, 2017, 43(3): 321-332.
[15] Andrew W, Bethany L, Kiran L, et al.Next-generation Wargames[J]. Science (S0036-8075), 2018, 362(6421): 1362-1364.
[16] 胡晓峰, 罗批, 张明智, 等. 社会仿真——信息化战争研究的新领域[M]. 北京: 电子工业出版社, 2010.
Hu Xiaofeng, Luo Pi, Zhang Mingzhi, et al.Social Simulation—a New Field of Information Warfare Research[M]. Beijing: Electronic Industry Press, 2010.

下一代战略博弈推演系统研究

Study on Next-generation Strategic Wargame System

PDF (PC)

可视化

摘要/Abstract

引用本文

使用本文

参考文献

相关文章 15

编辑推荐

Metrics

本文评价

[1]	赵也践, 王艳红, 张俊, 于洪霞, 田中大. 改进Q学习算法在作业车间调度问题中的应用[J]. 系统仿真学报, 2022, 34(6): 1247-1258.
[2]	张森, 张孟炎, 邵敬平, 普杰信. 基于随机策略搜索的多机三维路径规划方法[J]. 系统仿真学报, 2022, 34(6): 1286-1295.
[3]	倪凌佳, 黄晓霞, 李红旮, 张子博. 基于协作式深度强化学习的火灾应急疏散仿真研究[J]. 系统仿真学报, 2022, 34(6): 1353-1366.
[4]	曹建芳, 贾一鸣, 闫敏敏, 田晓东. 稳定增强生成对抗网络在壁画的超分辨率重建[J]. 系统仿真学报, 2022, 34(5): 1076-1089.
[5]	王红微, 杨鹏. 基于深度强化学习的机场货运业务优化研究[J]. 系统仿真学报, 2022, 34(3): 651-660.
[6]	王霄汉, 张霖, 赖李媛君, 谢堃钰, 胡听春. 基于DEVS原子模型的智能体离散仿真构建方法[J]. 系统仿真学报, 2022, 34(2): 191-200.
[7]	李启锐, 彭心怡. 基于深度强化学习的云作业调度及仿真研究[J]. 系统仿真学报, 2022, 34(2): 258-268.
[8]	王泊涵, 吴婷钰, 李文浩, 黄达, 金博, 杨峰, 周爱民, 王祥丰. 基于多智能体强化学习的大规模无人机集群对抗[J]. 系统仿真学报, 2021, 33(8): 1739-1753.
[9]	赵毓, 郭继峰, 颜鹏, 白成超. 稀疏奖励下多航天器规避决策自学习仿真[J]. 系统仿真学报, 2021, 33(8): 1766-1774.
[10]	程文聪, 史小康, 王志刚. 基于生成对抗网络的仿真卫星云图生成方法[J]. 系统仿真学报, 2021, 33(6): 1297-1306.
[11]	高昂, 董志明, 张国辉, 梁涛, 郭齐胜. LVC训练系统中计算机生成兵力生成技术研究[J]. 系统仿真学报, 2021, 33(3): 745-752.
[12]	王霄汉, 张霖, 任磊, 谢堃钰, 王昆玉, 叶飞, 陈真. 基于强化学习的车间调度问题研究简述[J]. 系统仿真学报, 2021, 33(12): 2782-2791.
[13]	曾贲, 房霄, 孔德帅, 宋祥祥, 贾政轩, 林廷宇. 一种数据驱动的对抗博弈智能体建模方法[J]. 系统仿真学报, 2021, 33(12): 2838-2845.
[14]	马骏, 杨镜宇, 吴曦. 基于人机混合智能的联合作战仿真实验方法研究[J]. 系统仿真学报, 2021, 33(10): 2323-2334.
[15]	黄晓冬, 苑海涛, 毕敬, 刘涛. 基于DQN的海战场舰船路径规划及仿真[J]. 系统仿真学报, 2021, 33(10): 2440-2448.