期刊文献+
共找到4篇文章
< 1 >
每页显示 20 50 100
融合多尺度特征与软注意力的态势认知方法 被引量:2
1
作者 项祺 周佳炜 +3 位作者 孙宇祥 于佳慧 张韬 周献中 《火力与指挥控制》 CSCD 北大核心 2022年第8期150-157,共8页
针对战场态势变化快、体量大导致指挥员难以快速认知这一问题,提出了一种融合多尺度特征与软注意力机制(MSF-SAM)的战场态势认知方法,其中,特征提取网络通过对不同卷积层的输出进行操作,并结合软注意力机制分配特征的不同权重,从而获得... 针对战场态势变化快、体量大导致指挥员难以快速认知这一问题,提出了一种融合多尺度特征与软注意力机制(MSF-SAM)的战场态势认知方法,其中,特征提取网络通过对不同卷积层的输出进行操作,并结合软注意力机制分配特征的不同权重,从而获得网络对图像不同部分的关注度,即上下文信息,并将上下文信息输入到LSTM网络中进行解析,最后得到图像态势认知结果。在兵棋态势图像数据集上进行了验证,通过比较该方法与经典方法、有无软注意力的对比方式,验证了所提方法的有效性,且在智能兵棋推演中具有一定的应用价值。 展开更多
关键词 战场态势 多尺度特征 注意力机制 LSTM网络 兵棋推演
在线阅读 下载PDF
基于改进A^(*)算法的路径规划在海战兵棋推演中的应用 被引量:10
2
作者 张韬 项祺 +2 位作者 郑婉文 孙宇祥 周献中 《兵工学报》 EI CAS CSCD 北大核心 2022年第4期960-968,共9页
为满足海战兵棋推演中多目标路径规划的需求,解决传统A^(*)算法无法在兵棋推演中直接运用的问题,提出一种可供类似兵棋推演环境参考、基于改进A*算法的路径规划方法。建立一种映射机制,实现了A^(*)算法在兵棋推演环境中的初步运用。构... 为满足海战兵棋推演中多目标路径规划的需求,解决传统A^(*)算法无法在兵棋推演中直接运用的问题,提出一种可供类似兵棋推演环境参考、基于改进A*算法的路径规划方法。建立一种映射机制,实现了A^(*)算法在兵棋推演环境中的初步运用。构建一种既能满足多目标需求又能保证生成最优路径的估价函数。为验证算法有效性,在实际推演平台上进行了相关实验。结果表明,改进A^(*)算法可较好地统筹多个决策目标之间的关系,有效提升路径方案的质量,解决使用A^(*)算法在海战兵棋推演中进行最优路径规划的实际问题。 展开更多
关键词 海战 兵棋推演 路径规划 A^(*)算法
在线阅读 下载PDF
元宇宙赋能指挥控制:未来虚实融生的作战推演 被引量:8
3
作者 于佳慧 孙宇祥 +2 位作者 项祺 张鑫磊 周献中 《指挥与控制学报》 CSCD 2022年第3期260-269,共10页
元宇宙沉浸感强、虚实融合的特征为作战推演的发展提供了新机遇.从作战推演指挥决策的需求出发,依据元宇宙的主要特性,探讨其赋能作战推演领域的着力点;深度讨论作战推演元宇宙的架构及关键技术;详细介绍作战推演元宇宙的应用场景以及... 元宇宙沉浸感强、虚实融合的特征为作战推演的发展提供了新机遇.从作战推演指挥决策的需求出发,依据元宇宙的主要特性,探讨其赋能作战推演领域的着力点;深度讨论作战推演元宇宙的架构及关键技术;详细介绍作战推演元宇宙的应用场景以及面向未来战争的应用展望.在元宇宙的加持下,作战推演将会形成具身体验的态势认知、虚实融合的智能决策、深度沉浸的推演评估以及跨域协作的指挥控制等核心功能的新形态,在实战化军事训练、虚实协同作战等方面具有突出应用优势. 展开更多
关键词 作战推演 指挥控制 元宇宙 虚实融生
在线阅读 下载PDF
融合先验知识的异构多智能体强化学习算法研究 被引量:2
4
作者 周佳炜 孙宇祥 +3 位作者 薛宇凡 项祺 吴莹 周献中 《指挥控制与仿真》 2023年第3期99-107,共9页
近年来,基于深度强化学习的机器学习技术突破性进展为智能博弈对抗提供了新的技术发展方向。针对智能对抗中异构多智能体强化学习算法训练收敛速度慢,训练效果差异大等问题,提出了一种先验知识驱动的多智能体强化学习博弈对抗算法PK-MAD... 近年来,基于深度强化学习的机器学习技术突破性进展为智能博弈对抗提供了新的技术发展方向。针对智能对抗中异构多智能体强化学习算法训练收敛速度慢,训练效果差异大等问题,提出了一种先验知识驱动的多智能体强化学习博弈对抗算法PK-MADDPG,构建了双重Critic框架下的MADDPG模型。该模型使用了经验优先回放技术来优化先验知识提取,在博弈对抗训练中取得显著的效果。论文成果应用于MaCA异构多智能体博弈对抗全国竞赛,将PK-MADDPG算法与经典规则算法的博弈对抗结果进行比较,验证了所提算法的有效性。 展开更多
关键词 强化学习 智能博弈 智能兵棋 MADDPG 多智能体协同
在线阅读 下载PDF
上一页 1 下一页 到第
使用帮助 返回顶部