基于兵棋复盘数据的武器效用挖掘
2020-07-02邢思远倪晚成张海东闫科
指挥与控制学报 2020年2期
关键词:关联
邢思远 倪晚成 张海东 闫科
1.中国科学院大学北京100049 2.中国科学院人工智能创新研究院北京100190 3.中国科学院自动化研究所北京100190 4.国防大学联合作战学院北京100091
兵棋[1]被誉为导演战争的“魔术师”,是通过不断地“模拟-复盘-重新推导”以研究战争和分析战争的有效工具.兵棋推演的最大特点在于“人在回路决策”,其实质是对人在回路的O-O-D-A[2](观测–判断–决策–行动)指挥控制过程的模拟.因此,计算机兵棋推演所产生的复盘数据中蕴含了大量指挥人员关于地形利用、武器使用、行动协同等决策经验的高价值知识.博弈复盘一直是人类总结和获取博弈经验的有效途径,如何从大量复盘数据中自动/半自动提取出高价值指挥员经验知识,是一项极富吸引力的工作.
数据挖掘[3]利用统计方法、机器学习以及数据库系统等方法和技术,从海量数据中提取隐藏于其中的知识与模式.文献[4]提出了一种挖掘兵力部署模式和缺陷的方法,帮助指挥员分析战场态势.文献[5]提出了兵棋应用可拓数据挖掘的必要性,并且将其用于知识库构建.文献[6]提出一种基于梯度提升树(Gradient Boosting Decision Tree,GBDT)的机器学习算法对反映兵棋战场态势的数据样本进行行为性描述分类,帮助降低人工标注标签的成本.目前数据挖掘在兵棋数据分析中的应用,主要解决了推演对抗的其中一方算子的行为分析的问题,然而博弈对抗中的行动决策是指挥员综合推演规则、目标、作战环境以及敌方行动……
登录APP查看全文
