张俊峰，薛 青，汤再江，邓 青，高 超

（1.陆军装甲兵学院演训中心，北京 100072；2.解放军32370 部队，北京 100091）

0 引言

战术兵棋系统是进行战术训练、战法研究的有效手段，随着战术兵棋向智能化方向发展，AI 兵棋和AI 指挥员成为研究热点［1］。态势估计是AI 指挥员决策的基础环节，需要考虑战场环境、兵力对比、敌方意图等诸多因素，是AI 兵棋研究的重难点问题。

国内外许多研究机构和学者对战场态势估计问题作了大量研究。研究方法包括：模糊集［2］，贝叶斯网络［3］，D-S 证据理论［4］，势力图等。势力图（Influence Map，IM）是叠加在环境地图上的网格数据，将整个地图分解为离散区域来表示兴趣点或其他属性。在游戏相关领域，一些学者和开发人员已经研究并应用了IM 技术，例如：Dewitt 和Louis［5］在实时3D 策略游戏中使用势力图进行敌方信息分析，协调群组行动。Jong 等人［6］提出了一种基于A*算法和势力图的安全寻路方法，综合权衡行进距离和敌方威胁找到最佳路径。Sánchez-Ruiz 和Miranda［7］使用IM 来表示《星际争霸》的游戏状态并预测获胜者。

上述研究成果为势力图方法在战术兵棋上的应用提供了借鉴。由于战场是不透明的，对方的行动很难预测，对于AI 指挥员而言，态势估计的准确度很大程度上影响对战博弈的走势。本文针对AI兵棋特点，在传统静态势力图的基础上，把历史对战数据加入势力图层并在AI 实时对抗中，通过推理运算，把潜在的态势变化转换为动态势力图层，最大程度降低战场态势的信息熵，提高态势估计的准确度，为AI 决策提供参考依据。……