导读:本文包含了计算机兵力生成论文开题报告文献综述、选题提纲参考文献，主要关键词:兵力,计算机,模型,建模,意图,智能,步兵。
计算机兵力生成论文文献综述写法
高昂,段莉,张国辉,董志明,曹洁[1]（2019）在《计算机生成兵力行为建模发展现状》一文中研究指出体系仿真是解决目前信息化条件下诸多军事问题的有效手段,仿真系统中计算机生成兵力(Computer Generated Force,CGF)行为表示准确与否是直接影响军事问题研究结论的重要因素。针对目前CGF自治性难以满足军事问题研究需求,系统总结了10年来CGF行为建模方法,并对比分析了不同方法的优缺点,梳理了近5年国内外CGF行为建模技术发展现状,针对军事问题研究需求,对当前该领域存在的问题和发展前景进行总结,并提出四种CGF行为建模思想方法。(本文来源于《计算机工程与应用》期刊2019年19期）
卫翔,范学满[2]（2019）在《支持计算机生成兵力动态行为仿真可重用建模的元模型》一文中研究指出基于元建模和元对象设施(MOF)扩展的方法,提出了兵力动态行为的形式化描述和数据驱动的行为驱动语义,并构建了符合作战仿真领域特征、适合动态行为描述的计算机生成兵力(CGF)动态行为仿真元模型。实例仿真结果表明:基于该元模型的面向作战仿真的行为建模具有较好的普适性和实用性。(本文来源于《系统仿真技术》期刊2019年01期）
沈凤[3]（2019）在《计算机生成兵力的目标动力模型设计》一文中研究指出目标动力模型是计算机生成兵力中实体模型的重要部分,对其提供基础支撑。针对当前计算机生成兵力系统的目标动力模型记录不详尽,重点对兵力生成模块中的飞机、导弹的动力模型进行设计。结果表明模型有效且满足作战训练的需要,模块化的设计方式使目标动力模型有较好的可重用性,为系统的开发提供有效支撑。(本文来源于《现代计算机(专业版)》期刊2019年03期）
衡军,肖滨,董严红[4]（2017）在《探究计算机生成兵力中的人工智能技术》一文中研究指出随着科技的不断发展,国家的军事技术得到了很大的提升,特别是在客观工作需求的研究上,开始将计算机生成兵力技术大量的投入,由此来减少主观上的判断错误和减少不必要的损失。从现有的情况来看,各个国家对军事技术的重视程度都是比较高的,既要在过往的工作中不断的弥补不足,同时又要在今后的工作上进行大幅度的提升,必须在多项任务难关上予以攻克,未来的挑战比较多。计算机生成兵力技术在应用后,的确取得了较高的成绩,但是在细化研究以后,发现人工智能技术是计算机生成兵力的重点。文章就此展开讨论,并提出合理化建议。(本文来源于《自动化与仪器仪表》期刊2017年04期）
陈璐,张仁友,韩志军[5]（2017）在《坦克计算机生成兵力模型研究》一文中研究指出为了探索坦克计算机生成兵力的结构和功能,为装甲兵仿真系统提供参考模型,针对单坦克的作战能力和特点,设计一种坦克计算机生成兵力框架模型。该模型主要模拟坦克的机动、火力和侦察等物理行为,分析判断战场情况的决策行为。在研究坦克行为基本原理的基础上,建立了较为科学的数理模型,并通过实际系统进行了基本的验证。系统验证结果表明,该模型能较好地模拟坦克的各种战斗行为,满足有关模拟训练系统的基本应用。(本文来源于《兵工自动化》期刊2017年01期）
包战,王树文[6]（2016）在《基于原子行为、通信和协商的计算机生成兵力协同作战研究》一文中研究指出步兵组协同行为建模是构造计算机生成兵力的关键技术之一。基本动作建模、步兵小组间的通信策略和协商策略是完成步兵组协同行为建模的叁项重要研究内容。针对基本动作建模,提出组件行为的概念并给出其形式化描述,把计算机生成兵力完成任务的过程看作组件行为的有序集,建立基本动作模型库。针对步兵小组间通信策略,侧重于智能体对信息的筛选与可靠性评估,使信息交流更贴近战场实际。时间约束协商策略是针对现有协商模型缺少时间约束的缺陷进行改进,提出在时间约束下的冲突消解办法。最后,提供一个例子予以说明。(本文来源于《军事运筹与系统工程》期刊2016年04期）
岳师光[7]（2016）在《面向计算机生成兵力的意图识别建模与推理方法研究》一文中研究指出计算机生成兵力(Computer Generated Force,CGF)是作战仿真领域的关键前沿技术之一。为解决现有仿真系统中CGF对抗能力不足、行为表现不真实的问题,必须从机理上提高CGF的认知水平。意图识别是一类重要的认知行为,具备意图识别能力的CGF能够像人类一样“知己知彼”,即利用获取的情报信息判断对手意图,并为制定有效对策提供依据。因此,研究面向CGF的意图识别理论对于提高CGF的智能性和类人性具有重要意义。本文首先介绍了CGF意图识别的研究背景、研究意义以及理论研究和应用现状,在此基础上分析了意图识别理论与自动规划、参数估计和不确定性推理等相关理论的关系,并构建了意图识别的一般性研究框架。在该框架下,意图识别问题被分解为叁个部分:a)问题的形式化描述;b)行为参数获取;c)意图推理。在论文主体部分,论文将意图识别的研究框架与具体应用相结合,针对四种作战仿真中的典型场景,分别提出了相应的意图识别建模理论和推理算法:第一,针对个体战术机动目标的识别问题,论文提出了一种半马尔可夫决策模型(Semi-Markov Decision Model,SMDM),并基于该模型对CGF在网格地图上的战术机动过程进行形式化描述。为了解决标准粒子滤波(Standard Particle Filter,SPF)估计方差过大的问题,本文将Rao-Blackwellised粒子滤波(Rao-Blackwellised Particle Filter,RBPF)应用于机动目标的近似推理。在仿真实验中,论文设计了一个侦察兵以机动的方式躲避巡逻车并侦察预定目标的战术想定,并使用SMDM和RBPF识别侦察兵的机动目标。实验结果表明,SMDM能在机动目标改变和观察数据部分丢失的情况有效识别机动目标,并在识别指标上优于一种改进的隐马尔可夫模型。在近似推理方面,当粒子数目充足时,RBPF能在消耗的更短时间的情况下,获得比SPF的方差更小的估计结果;当粒子数目不足时,RBPF推理的平均失效率低于SPF。第二,针对多智能体联合意图识别问题,论文提出了一种分布式部分可观察马尔可夫决策模型(Decentralized Partially Observable Markov Decision Model,Dec-POMDM),并基于该模型对多智能体协同围捕过程进行了建模。在Dec-POMDM的框架下,本文还利用已有的多智能体增强学习算法来估计识别对象的最优策略,并基于改进的边缘滤波(Marginal Filter,MF)算法对大规模离散状态空间下的联合意图进行推理。上述方法的优势在于不需要识别对象协同方式的详细领域知识,且策略估计过程不依赖训练数据和模型信息。在仿真实验中,本文设计了一种改进的围捕问题,并用Dec-POMDM、策略估计算法和MF来识别围捕目标,实验结果证明了上述方法无论意图改变与否均有良好的识别效果,基于Dec-POMDM的建模在识别指标上均优于HMM,且MF比标准粒子滤波更加适用于大规模离散状态空间下的推理。第叁,针对个体任务规划识别问题,论文提出了一种逻辑隐半马尔可夫模型(Logical Hidden Semi-Markov Model,LHSMM),利用LHSMM的图模型描述了一种典型的UAV战术规划过程,并用离散Coxian分布对UAV战术任务的持续时间进行了显式建模。此外,论文还给出了基于极大似然估计的规划识别推理流程,为解决推理中涉及的LHSMM评估问题,提出了一种带有持续时间的逻辑Forward算法(Logical Forward Algorithm with Duration,LFAD)。实验结果表明,LHSMM和LFDA能很好地识别出敌UAV的战术任务规划,同时还能判断出敌正在执行的战术任务及其目标与参数。另外,在统计指标上,LHSMM对任务规划的识别均优于LHMM,证明了抽象隐状态持续时间显式建模的有效性。第四,针对队组意图识别问题,论文提出了一种逻辑层次化半马尔可夫模型(Logical Hierarchical Hidden Semi-Markov Model,LHHSMM)。LHHSMM能够充分地描述复杂条件下执行队组意图的各类要素。为解决LHHSMM的推理问题,论文将SPF算法和LHHSMM的定义相结合,提出一种逻辑粒子滤波(Logical Particl Filter,LPF)算法。此外,论文还设计了一个队组协同进攻作战的想定场景,并用LHHSMM和LPF识别进攻方的进攻目标与协同方式。实验结果表明,LHHSMM和LPF能有效地识别出队组的协同方式和任务目标,LHHSMM在多种识别指标上均超过了一种改进的层次化逻辑隐马尔可夫模型,且在意图发生改变的情况下其优势更加明显。此外,实验还说明了队组意图持续时间的显式建模能明显提高识别效果。最后,本文对开展的研究工作进行了总结,并给出了未来需要重点关注的研究问题和理论方法。(本文来源于《国防科学技术大学》期刊2016-01-01）
孙少斌,张诗楠,董博[8]（2015）在《计算机生成兵力团体队形协作研究》一文中研究指出协作是CGF(Computer generated Forces)团体行为模拟的基础,队形及队形变换是坦克分队CGF最常用的团体协作行为。提出了一个协作规划结合联合意图的坦克分队队形协作方法。根据各角色对协作知识掌握程度的不同,指挥员角色CGF规划队形变换协作条件和约束,参与协作的各CGF自主规划执行协作,有效地提高了队形协作的效率。队形变换前建立协作的联合意图,协作过程中各成员实时修正协作的动作,有效保证了队形协作的可靠同步实施。(本文来源于《系统仿真学报》期刊2015年11期）
吴雨淋,龚光红,李妮[9]（2015）在《计算机生成兵力模型的实时调度技术》一文中研究指出针对计算机生成兵力系统在采用步长法推进逻辑时间时其实时性易受影响的问题,提出了将时间同步和模型调度进行解耦的实时推进方法,其中同步过程使用独立的线程读取本地时钟并通过运行支撑环境(RTI)驱动逻辑时间推进.同时提出了一种适合兵力模型的新的静态调度算法.该算法根据模型运行周期和系统步长划分调度表,并基于负载均衡的原则为模型分配仿真步长,具体包括3个处理过程:为仿真实体分配节点、产生初始调度表、运行时调整调度表.实验结果表明所提出的方法在保证良好的实时性基础上具有较小的开销和较高的处理器利用率.(本文来源于《北京航空航天大学学报》期刊2015年02期）
温玮,黄晓东,杨瑞平,单志超[10]（2014）在《计算机生成兵力仿真引擎HYCGF的研究》一文中研究指出对支持作战仿真应用模型开发、组装、集成与运行的计算机生成兵力引擎HYCGF进行了研究与实现。简述了其应用环境,给出了协同其他工具体系开发计算机生成兵力系统的典型流程,概括了其功能特征。研究了基于模型组装的实体仿真框架结构,通过动态装配各类模型组件,使得实体在表现形式、行为能力、资源描述、受控接口等方面具有高度的灵活性,并提高了模型的重用型。构建了计算机生成兵力系统基础类库,为作战仿真应用开发提供了规范、模式和服务。定义了计算机生成兵力系统运行所依赖的配置体系,可用于描述实体结构、模型参数配置及想定。(本文来源于《火力与指挥控制》期刊2014年07期）
计算机兵力生成论文开题报告范文
（1）论文研究背景及目的
此处内容要求：
首先简单简介论文所研究问题的基本概念和背景，再而简单明了地指出论文所要研究解决的具体问题，并提出你的论文准备的观点或解决方法。
写法范例：
基于元建模和元对象设施(MOF)扩展的方法,提出了兵力动态行为的形式化描述和数据驱动的行为驱动语义,并构建了符合作战仿真领域特征、适合动态行为描述的计算机生成兵力(CGF)动态行为仿真元模型。实例仿真结果表明:基于该元模型的面向作战仿真的行为建模具有较好的普适性和实用性。
（2）本文研究方法
调查法：该方法是有目的、有系统的搜集有关研究对象的具体信息。
观察法：用自己的感官和辅助工具直接观察研究对象从而得到有关信息。
实验法：通过主支变革、控制研究对象来发现与确认事物间的因果关系。
文献研究法：通过调查文献来获得资料，从而全面的、正确的了解掌握研究方法。
实证研究法：依据现有的科学理论和实践的需要提出设计。
定性分析法：对研究对象进行“质”的方面的研究，这个方法需要计算的数据较少。
定量分析法：通过具体的数字，使人们对研究对象的认识进一步精确化。
跨学科研究法：运用多学科的理论、方法和成果从整体上对某一课题进行研究。
功能分析法：这是社会科学用来分析社会现象的一种方法，从某一功能出发研究多个方面的影响。
模拟法：通过创设一个与原型相似的模型来间接研究原型某种特性的一种形容方法。
计算机兵力生成论文参考文献
[1].高昂,段莉,张国辉,董志明,曹洁.计算机生成兵力行为建模发展现状[J].计算机工程与应用.2019
[2].卫翔,范学满.支持计算机生成兵力动态行为仿真可重用建模的元模型[J].系统仿真技术.2019
[3].沈凤.计算机生成兵力的目标动力模型设计[J].现代计算机(专业版).2019
[4].衡军,肖滨,董严红.探究计算机生成兵力中的人工智能技术[J].自动化与仪器仪表.2017
[5].陈璐,张仁友,韩志军.坦克计算机生成兵力模型研究[J].兵工自动化.2017
[6].包战,王树文.基于原子行为、通信和协商的计算机生成兵力协同作战研究[J].军事运筹与系统工程.2016
[7].岳师光.面向计算机生成兵力的意图识别建模与推理方法研究[D].国防科学技术大学.2016
[8].孙少斌,张诗楠,董博.计算机生成兵力团体队形协作研究[J].系统仿真学报.2015
[9].吴雨淋,龚光红,李妮.计算机生成兵力模型的实时调度技术[J].北京航空航天大学学报.2015
[10].温玮,黄晓东,杨瑞平,单志超.计算机生成兵力仿真引擎HYCGF的研究[J].火力与指挥控制.2014