AI4S驱动的战术博弈对抗仿真体系及应用框架研究

doi:10.16182/j.issn1004731x.joss.24-1039

系统仿真学报 ›› 2026, Vol. 38 ›› Issue (2): 387-398.doi: 10.16182/j.issn1004731x.joss.24-1039

• 博弈与推演评估 • 上一篇

AI4S驱动的战术博弈对抗仿真体系及应用框架研究

刘大勇¹^,², 郭齐胜¹, 董志明¹, 邱雪欢¹, 刘倬立¹

^1.陆军兵种大学，北京 100072
^2.中国人民解放军32302部队

收稿日期:2024-09-18 修回日期:2025-02-15 出版日期:2026-02-18 发布日期:2026-02-11
通讯作者: 董志明
第一作者简介:刘大勇(1984-)，男，工程师，博士生，研究方向为装备作战仿真、智能指挥决策。
基金资助:
军事类研究生资助课题重点项目(JG2024B2043)

Research on System and Application Framework of Tactical Wargaming Simulation Driven by AI4S

Liu Dayong¹^,², Guo Qisheng¹, Dong Zhiming¹, Qiu Xuehuan¹, Liu Zhuoli¹

^1.Army Arms University of PLA, Beijing 100072, China
^2.PLA 32302 Troops

Received:2024-09-18 Revised:2025-02-15 Online:2026-02-18 Published:2026-02-11
Contact: Dong Zhiming

摘要/Abstract

摘要：

战术博弈对抗仿真作为作战分析、模拟训练、装备论证试验的重要手段，已经成为战斗力生成的重要途径。将人工智能技术引入仿真，有利于进一步提高仿真效率、减少人员依赖。为帮助战术博弈对抗从业人员更好地掌握人工智能的应用方法、树立系统理念、把握发展趋势，在简要介绍AI4S(AI for Science)原理的基础上，开展了AI4S应用于战术博弈对抗仿真的效能分析，构建了AI4S驱动的博弈对抗仿真体系，阐述了其体系构成、关系及架构，讨论了应用范围及应用框架，展示了一个AI4S驱动陆战兵棋推演和指挥训练的案例。

关键词: AI4S(AI for Science), 战术博弈对抗仿真, 体系构成, 应用框架

Abstract:

Tactical wargaming simulation, as a crucial tool for combat analysis, simulation training, and equipment demonstration and test, has become a significant means for generating combat effectiveness. Integrating AI into simulation not only enhances simulation efficiency but also diminishes reliance on humans. To assist professionals engaged in tactical wargaming simulation in mastering AI application methods, fostering a systematic mindset, and understanding evolving trends, this paper provided a concise overview of the principles behind AI for science (AI4S). Subsequently, it conducted an analysis of AI4S's application effectiveness in tactical wargaming simulation, established an AI4S-driven wargaming simulation system, and elucidated its composition, relationships, and architecture. It centered on the scope and framework of application, with a case of AI4S-driven land wargaming deduction and command training presented.

Key words: AI for Science(AI4S), tactical wargaming simulation, system composition, application framework

中图分类号:

TP391.9

刘大勇,郭齐胜,董志明等 . AI4S驱动的战术博弈对抗仿真体系及应用框架研究[J]. 系统仿真学报, 2026, 38(2): 387-398.

Liu Dayong,Guo Qisheng,Dong Zhiming,et al . Research on System and Application Framework of Tactical Wargaming Simulation Driven by AI4S[J]. Journal of System Simulation, 2026, 38(2): 387-398.

图/表 14

表1

图1

图2

图3

图4

图5

图6

图7

表2

实验因子及水平

序号	因子	符号	因子水平
1	红方兵力编成	$C r e d$	编成 $C A$ ：3坦克+3步兵编成 $C B$ ：2坦克+4步兵编成 $C C$ ：1坦克+5步兵
2	红方兵力的配置	$L r e d$	布局 $L A$ ：分散配置布局 $L B$ ：动态配置
3	红方火力分配策略	$F r e d$	方案 $F A$ ：尽远拦截方案 $F B$ ：近距精打
4	蓝方夺控策略	$S b l u e$	策略 $S A$ ：要点随机游走策略 $S B$ ：优先打击对方策略 $S C$ ：优先占领要点

表2

图8

图9

表3

4个实验科目(针对蓝方策略SB)

科目	$C r e d$	$L r e d$	$F r e d$	说明
P1	$C A$	$L A$	$F A$	坦克多，重点使用远程火力
P2	$C C$	$L A$	$F A$	步兵多，重点使用远程火力
P3	$C A$	$L A$	$F B$	坦克多，重点使用近程火力
P4	$C C$	$L A$	$F B$	步兵多，重点使用近程火力

表3

图10

图11

参考文献 8

[1]	王飞跃, 缪青海. 人工智能驱动的科学研究新范式: 从AI4S到智能科学[J]. 中国科学院院刊, 2023, 38(4): 536-540.
[2]	孙坦, 张智雄, 周力虹, 等. 人工智能驱动的第五科研范式(AI4S)变革与观察[J]. 农业图书情报学报, 2023, 35(10): 4-32.
	Sun Tan, Zhang Zhixiong, Zhou Lihong, et al. The Transformation and Observations of AI for Science (AI4S) Driven by Artificial Intelligence[J]. Journal of Library and Information Science in Agriculture, 2023, 35(10): 4-32.
[3]	Miao Qinghai, Huang Min, Yisheng Lü, et al. Parallel Learning Between Science for AI and AI for Science: A Brief Overview and Perspective[C]//2022 Australian & New Zealand Control Conference (ANZCC). Piscataway: IEEE, 2022: 171-175.
[4]	陈怡. 可精准预测蛋白质结构的人工智能模型AlphaFold2开源: 《自然》曾称"它将改变一切!"[N]. 上海科技报, 2021-08-04(003).
[5]	王飞跃, 缪青海, 张军平, 等. 探讨AI for Science的影响与意义:现状与展望[J]. 智能科学与技术学报, 2023, 5(1): 1-6.
	Wang Feiyue, Miao Qinghai, Zhang Junping, et al. The DAOs to AI for Science by DeSci: The State of the Art and Perspective[J]. Chinese Journal of Intelligent Science and Technology, 2023, 5(1): 1-6.
[6]	徐忠富, 杨文, 熊杰. 美军联合红旗军演研究[J]. 指挥控制与仿真, 2014, 36(3): 137-142.
	Xu Zhongfu, Yang Wen, Xiong Jie. Research on Joint Red Flag Exercises of the US Army[J]. Command Control & Simulation, 2014, 36(3): 137-142.
[7]	杜国红. 美军作战概念开发特点及启示[J]. 国防科技, 2020, 41(4): 52-57.
	Du Guohong. The Characteristics of the Development of US Army Operational Concept and Its Implications[J]. National Defense Technology, 2020, 41(4): 52-57.
[8]	章乐贵, 陈希亮, 曹雷, 等. 智能蓝军作战行为模型构建技术研究[J]. 国防科技, 2022, 43(1): 14-20.
	Zhang Legui, Chen Xiliang, Cao Lei, et al. Model for the Operational Behavior of the Intelligent Blue Army of China[J]. National Defense Technology, 2022, 43(1): 14-20.

视角	AI4S赋能的博弈对抗仿真	传统战术仿真
对模型和系统开发人员要求	不高，主要是要求熟练掌握人工智能辅助建模、辅助实验的方法	较高，要熟练掌握相关建模与仿真的原理、技术、方法，要求会编写程序
建模时间成本	较低，随着建模方法和技术的提升，建模时间越来越短，效率越来越高	较高，从概念模型、数学模型到程序模型，都需要人员手动按部就班进行
仿真实验设计、准备、实施效率	较高	相对较低
仿真实验实施成本	根据需要，仿真加速比可以设置得非常高，因此时间成本低	受操控人员熟练程度和水平的限制，一般仿真倍速较低，因此时间成本高
对实验推演人员操作技能要求	很低，随着建模水平的提升，智能体可完成OODA所有环节	较高，整个OODA环中前3个环由人来完成
对人员的依赖	较低，智能体智能水平越高，人参与程度越低	较高，红蓝双方所有兵力需要人来控制

[1]	王秉坤, 王越, 杨妹, 张鹏年, 樊浡昊, 唐杰. 基于改进近端策略优化算法的无人车打击策略规划方法[J]. 系统仿真学报, 2026, 38(2): 372-386.
[2]	杨灿, 陈凯, 朱峰. 多约束条件下基于强化学习的无人机团队定向优化方法[J]. 系统仿真学报, 2026, 38(2): 360-371.
[3]	李心仪, 王振飞, 吴晗. 面向仿真场景的无人机目标跟踪算法研究[J]. 系统仿真学报, 2026, 38(2): 346-359.
[4]	朱玲, 李靖, 张朝辉. 基于改进REA*算法的机器人自适应路径规划[J]. 系统仿真学报, 2026, 38(2): 332-345.
[5]	章子瑶, 季云峰. 基于Transformer课程RL的机械臂接球策略仿真研究[J]. 系统仿真学报, 2026, 38(2): 321-331.
[6]	余文广, 李群, 党宏杰, 陈浩, 杨萍. 基于云边端架构的数字试验应用集成开发环境[J]. 系统仿真学报, 2026, 38(2): 307-320.
[7]	姬鸿远, 卿杜政. 基于模块化推理的态势认知思维链技术研究[J]. 系统仿真学报, 2026, 38(2): 278-293.
[8]	张明新, 伍瑾轩, 朱睿, 王云龙, 孟文娟, 刘喆, 李煦, 陈小磊, 梁宇轩, 郑毅, 薛向阳. 基于大语言模型智能体的社会认知模拟[J]. 系统仿真学报, 2026, 38(2): 261-277.
[9]	李济廷, 孙毅, 王一戎, 蔺义芹, 贾珺, 丁纲松. 大模型驱动的社交网络多智能体仿真综述[J]. 系统仿真学报, 2026, 38(2): 235-260.
[10]	曲静, 方凯宁, 朱山童, 卜令国. 基于多模态脑机接口的虚拟现实康复训练系统[J]. 系统仿真学报, 2026, 38(1): 125-135.
[11]	蒋滨泽, 宋文凤, 侯霞, 李帅. 结合细粒度文本与空间控制信号的人体动作扩散模型[J]. 系统仿真学报, 2026, 38(1): 136-157.
[12]	周家锐, 崔海华, 李鹏程, 顾施濠, 郝惠朴, 赵西富, 赵安安, 姜涛. 基于改进RBOT的增强现实三维跟踪注册方法[J]. 系统仿真学报, 2026, 38(1): 14-28.
[13]	李志强, 沈旭昆, 胡勇, 周雪杨, 陈弈帆. 结合神经网络和奇异值分解的单图像材质重建[J]. 系统仿真学报, 2026, 38(1): 189-199.
[14]	钟雨攸, 沈旭昆, 胡勇. 基于3DGS的可实时驱动人体化身生成研究[J]. 系统仿真学报, 2026, 38(1): 200-210.
[15]	朱羽宁, 杨猛, 陈天玥, 孟维亮. VRBT：轻量级骨骼识别与损伤预警VR羽毛球训练方法[J]. 系统仿真学报, 2026, 38(1): 225-234.

AI4S驱动的战术博弈对抗仿真体系及应用框架研究

Research on System and Application Framework of Tactical Wargaming Simulation Driven by AI4S

RichHTML

PDF (PC)

可视化

摘要/Abstract

引用本文

使用本文

图/表 14

参考文献 8

相关文章 15

编辑推荐

Metrics

本文评价