海战的智能化转型对仿真评估理论、方法及技术提出了新的需求,重点包括仿真评估智能对象和智能赋能仿真评估两个方面。本文从智能海战仿真生态、智能海战体系建模、广域高精度环境实时仿真、智能作战评估指标构建等方面剖析了现状和存在的问题,从智能海战仿真生态5层共享能力架构、基于Agent和复杂网络相结合的体系建模方法、自适应网格与外推预测相结合的声场建模仿真方法、基于智能作战价值链的属性层指标构建方法等方面提出了主要问题的初步解决方案。

作战管理是美国军事领域的“舶来品”,是现代作战体系发展的重要方向。首先,以美军为主要研究对象,剖析作战管理分别以武器、平台、网络、体系为中心的四个发展阶段;然后,辨析作战管理的概念内涵,厘清作战管理与作战指挥、军事管理领域相关概念的关系;最后,基于未来战争形态演变,研究作战管理的时代特征要求,梳理据此开展作战体系优化的相关技术,支撑体系作战能力跃升。

针对时敏目标打击过程中攻防双方的动态博弈与对抗特性,本文运用演化博弈理论构建了双方决策的博弈模型,求解双方演化稳定策略,通过数值仿真研究策略选择初始概率、目标威胁度等因素对双方策略选择的影响。结果表明,攻防双方策略选择初始概率并不改变双方策略最终的稳定状态,仅影响策略选择的收敛速率;目标威胁度、真假目标数量比和策略成本差值对进攻方策略选择影响显著,存在明显的阈值效应,对防御方策略收敛速率有一定影响,但并不影响其最终的稳定状态。

针对如何从能力角度评估多域作战体系优势问题,聚焦体系跨域协同,提出一种基于杀伤链的多域作战体系能力综合度量方法,建立了覆盖规模、范围、速度、生存力的四维度量体系,每个维度建立了子指标与综合指标。度量方法基于超网络理论对多域作战体系进行建模,将多域作战嵌入模型。设计了作战案例,对度量方法进行了跨域协同优势验证,可为多域作战体系的规划建设与作战运用提供科学的量化决策依据。

面向联合多域行动的智能规划,在多智能体深度强化学习方法的基础上提出一种进化策略-强化学习联合算法,利用多头注意力机制改进评价网络输入,结合进化策略改进信度分配机制,采用阶段学习方法改进权重训练策略。解决了多智能体系统在大规模决策空间下处理全局信息的能力下降以及强化学习智能体规模与训练效率受限的问题。仿真结果表明,该算法具有更好的学习效率、稳定性和适应性。

针对作战网络社团层级结构分析方法缺失的问题,提出一种面向多层探测的作战链标签传播算法(HD-OCLPA)。首先基于节点度中心性识别枢纽节点,以其为起点运用标签传播快速聚合信息交互频繁节点,形成初始小社团;进而采用宽度优先搜索提取社团内作战链,构建社团间共享作战链矩阵,通过迭代聚合连接紧密社团,形成清晰的社团层级结构树。实验表明:不同规模网络的社团层数呈现显著差异,网络规模并非决定层级的唯一因素,内部社团组织模式更为关键;枢纽节点在层级聚合中发挥核心作用,社团聚合过程揭示了作战单元从分散执行到集成运用的路径,研究为作战网络指挥层级设置和优化提供了理论依据。

针对动态不确定战场环境下异构集群对突发高威胁目标响应滞后的问题,提出一种威胁重置捆绑算法(TR-CBBA)。该算法以标准共识捆绑算法(CBBA)为基础,构建了“受影响单元判定—动态重置范围协商—威胁导向捆绑重构—一致性协商”的分布式任务分配流程,通过局部任务重规划,实现突发高威胁目标的快速处置。仿真结果表明,在强动态场景下,TR-CBBA较标准CBBA在任务收益、威胁响应效率和风险控制能力方面均有明显提升,可为异构作战集群动态任务分配提供有效技术途径。

针对海洋船舶周期模式挖掘中预估周期困难、稀有模式易遗漏、判别约束不具有向下闭包性等问题,提出了一种面向多支持度多周期距离的基于改进闭包多限制条件(IMCCCDC)的船舶周期模式挖掘算法。该算法一方面改进了模式周期的计算方法,可在无须人为预估数值的情况下计算出较为可靠的周期值;另一方面提出了基于改进闭包多限制条件的周期模式判别方法,使得不同模式的最小支持度阈值和最大周期阈值能够根据模式内船舶的出现频数动态调整,从而解决稀有模式的遗漏问题。此外,还给出了IMCCCDC算法的向下闭包性和不遗漏性的数学证明,确保了挖掘结果的完备性。利用AIS数据检验算法,结果显示:相较于已有的比较算法,IMCCCDC算法能够以相对较低的运行时间和内存消耗挖掘出最多的频繁周期模式,求得的周期能够更加准确地表征模式出现的规律。

针对传统电磁频谱地图(EMSM)构建时数据采样聚焦辐射源周边、忽略障碍区域的问题,提出一种适用于城市障碍环境的分区式电磁频谱地图构建方法。首先,设计了弓字形路线均匀覆盖全局区域并环绕障碍物重点覆盖感兴趣区域(ROI)的采样策略,保障采样数据的非相关性;其次,利用四分位距法(IQR)将采样数据划分为常规值和离群值,分别采用克里金法(Kriging)和反距离加权法(IDW)进行分区插值。实验表明,该方法可高精度还原城市场景信号强度分布情况,在4%的低采样率下EMSM的均方根误差不超过3%。

提出一种面向人工影响天气无人机作业的飞行预警建模与路径保障方法。基于区域数值天气预报模型,构建具有时空连续性的三维气象场,将风速、湿度及过冷水等关键要素引入飞行环境,实现对复杂气象条件的精细表征。在此基础上,融合地形信息、风险区域约束及结冰规避机制,建立多源耦合的环境模型。同时,面向作业区域构建任务约束,并结合飞行安全约束开展路径规划。实验结果表明,该方法能够在三维地形—气象耦合环境中生成兼顾作业需求、目标可达性与飞行安全性的路径,提升无人机在复杂气象条件下执行任务的可靠性。

高寒山地气象保障领域存在文本语义模糊、信息碎片化、领域适配性不足等问题,制约了智能化语义建模与决策支持能力。基于此,本文提出基于ChatGLM3-6B大语言模型的高寒山地气象保障知识图谱构建方法ChatGLM-AMKG,旨在提升领域知识抽取的精度与泛化能力,推动高寒山地气象保障智能化语义建模发展。首先,结合领域特点构建涵盖地理环境、气象要素、军事行动等核心类目的知识表示模式;其次,设计融合Few-shot示例、CoT推理与约束提示的逐步提示策略,引导ChatGLM3-6B在少量人工标注下完成多源异构领域数据的高质量三元组抽取;随后通过知识融合与可视化管理,构建结构化知识图谱;最后,通过对比与消融实验验证所提方法的有效性。实验表明,ChatGLM-AMKG在实体识别与关系抽取中F1-score分别达到91.1%和87.6%,对比通用模型分别提升12.2%和13.5%,对比移除逐步提示后的平均性能,在实体识别与关系抽取中F1-score分别提升8.9%和9.8%。ChatGLM-AMKG在气象语义检索、决策支持等场景中表现出良好的扩展性,为高寒山地气象保障智能化提供了可复制、可推广的技术路径。

针对传递对准中动态变形建模不精确问题,提出一种基于有限元仿真的动态参数辨识方法。通过建立起竖架有限元模型,仿真起竖到位后的自由衰减振动,采用对数衰减法辨识系统固有频率与阻尼比。将辨识获得的物理参数融入扩展状态方程,替代传统经验参数的二阶马尔可夫模型。50次蒙特卡洛仿真表明,本文方法使失准角收敛时间缩短31.0%~53.6%,均方根误差降低38.6%~44.2%,稳态误差降低12.0%~55.1%。该方法无须增加硬件传感器,为传递对准提供了一种高精度、低成本的技术途径。

全球数字空间竞争日趋激烈,作战指挥信息系统作为战场核心支撑,面临智能化、隐蔽化网络攻击的严峻威胁,传统防护模式难以满足实战需求。为此,本文构建了一种多模态仿真平台智能安全检测系统。该系统基于改进的随机森林算法、NGINX服务架构和多语言混合编程设计,实现了与实际应用的多模态军事仿真平台的松散耦合和智能化高精度网络入侵安全检测,支持物理机、虚拟云等多种部署方式,能够根据网络监测数据自动筛选重要特征指标进行识别分析,具有较好的可扩展能力,通过实验仿真验证了系统的高效、可用性,为保障军事模拟仿真系统的安全性提供技术手段。

作为反映演训情况的关键要素,军事演训活动产生的文本数据蕴含着评估作战效能所需的杀伤链关键信息。该类数据具有专业术语复杂、关键信息密集等特点。传统人工数据提取方法效率低且周期长,本文提出了一种基于微调垂直领域大模型的杀伤链信息提取方法:在微调阶段引入军事场景语料库,设计了针对杀伤链特征的提示词,并增加回答中高频关键词出现时的指标得分,弥补了通用大模型针对性不强的缺陷。实验结果表明,相较于通用大模型,微调后模型在杀伤链信息提取任务中的输出准确率提升49%,输出质量提升90%,为面向演训文本的杀伤链信息提取提供了有效可靠的技术途径。

针对当前兵棋数据来源分散、标准不一、结构失衡、治理薄弱等问题,围绕兵棋推演准备、推演设案、推演实施和复盘总结全流程,提出一种基于运行链路的兵棋数据体系构建设想。在分析兵棋数据建设现状的基础上,研究提出了由基础数据层、场景驱动层和动态演化层构成的“三层六类”分类体系,系统界定了棋子、棋盘、规则、想定、推演过程与推演结果六类数据的内容边界、功能定位与关联关系。研究认为,该体系可为兵棋数据建设的规范化、体系化发展提供参考框架。

开放式(定性)兵棋推演的自动化实现长期面临技术瓶颈,而大语言模型技术的快速发展为多智能体系统突破该瓶颈提供了关键支持。本文聚焦美国IQT实验室于2024年发布的开源系统“雪花球”(Snow Globe),全面解析其多智能体系统的架构、运行机制及其在人工智能事件响应与地缘政治危机模拟推演中的应用,总结该系统的技术优势与局限性,并将其与美国兰德战略评估系统及WarAgent系统在定位、技术路径与应用场景等方面进行对比分析。在此基础上,进一步提出推动国内定性兵棋推演技术发展的可行路径,并展望其在军事训练等领域的应用前景。本文旨在为基于大语言模型的多智能体定性兵棋推演技术的研究与开发提供理论参考,促进相关技术向实用化、迭代化与成熟化方向发展。

针对现代防空反导作战中多类装备协同匹配复杂目标的难题,本文构建“装备-组合-目标”三维一体的知识超图建模框架,融合超图理论、知识图谱与图数据库技术,统一描述装备体系拓扑关联、领域知识与协同关系。采用Neo4j实现海量装备组合的高效存储与检索,设计“生成—匹配—排序”全流程智能推荐算法,通过战术规则前置过滤压缩搜索空间,实现多约束条件下的最优匹配。仿真实验表明,系统从52个基础装备中自动生成458个有效组合,对随机生成目标的匹配成功率达100%,Top-3推荐合理率为91%,平均响应时间低于15毫秒。研究成果突破了传统装备调度模式的局限,为复杂装备体系智能化调度提供新理论支撑与可行技术途径,具有显著军事应用价值。

针对当前典型评估方法流程集约化、模块化程度不高的问题,为探索操作简便且步骤简化的评估方法,提出将YAAHP应用于装备作战效能评估的方法。该方法基于模糊层次分析法,能够进行可视化建模和计算辅助分析,模块集成度高、操作简单便捷;具有智能算法优化功能,能够有效优化层次模型构建、数据运算、综合评价等过程。利用该方法评估装备作战效能,不仅能够极大优化评估过程,还能有效避免因人为因素可能造成的评估错误,减少研究人员排错所需时间,进而提高评估质效。最后通过某型加榴炮作战效能评估算例验证了该方法的可行性与实用性,证实了该方法能够在装备作战效能评估领域推广应用,为后续开展装备作战效能评估提供了新途径。

针对多级油料储备网络枢纽节点选址问题,综合考虑调运逻辑、需求满足、收发限制、流量平衡、负载均衡及时效等多重军事约束,以成本最小化为目标,构建了整数规划模型。针对模型离散、多约束及可行域碎片化等特性,设计了改进帝企鹅优化算法(IAFO)。该算法通过双优先级编码与可行域引导解码实现从连续到离散的精确映射,融合自适应权重搜索与莱维飞行-种群扰动跳跃搜索以平衡开发与探索,并引入精英反向学习与重启机制抑制早熟收敛。算例表明,相较于遗传算法、粒子群算法及原始AFO,IAFO所得方案总成本分别平均降低4.58%、2.15%和1.37%,且求解稳定性与决策一致性更优。本文形成方法体系可为军事油料储备选址决策提供有效的理论与技术支撑。

针对软件通用质量特性内涵不明确、缺少专用的检测与评估方法等问题,设计并实现基于软件测试的软件通用质量特性评估框架。该框架基于通用质量特性基础理论明确了软件通用质量特性基本内涵及对应的基础指标体系;基于Sigmoid、Gauss等通用效用评价技术设计实现了软件通用质量特性评估基础模型集;通过将软件通用质量特性评估嵌入集成至软件测试过程,提出基于测试的集约式软件通用质量特性评估工作模式。工程实践表明,该工作模式能够在不改变现有工作程序的前提下,主要依托软件测试实现对软件通用质量特性的检测与评估,为在不开展专项试验只基于软件测试的情况下实现软件通用质量特性评估提供了一套可行、有效的解决方案。

为维持军事优势和主导地位,美国陆军正在加速AI应用进程、扩大AI军事应用范围。从AI类型、AI能力、军事作战空间3个维度对美国陆军2025财年投资的174个子项目进行系统分析,发现美国陆军正在采用狭义AI技术,利用反应式机器或有限记忆AI,开展物理设备设计与开发、电子战与网络战、自主系统控制与表征、目标检测与识别、人机交互、预测性后勤、培训、人机协作等物理、信息、认知心理与自主和社会空间应用。基于分析结果,提出了部署军事AI能力、提高AI对抗性攻击防御能力、创建AI人才队伍的建议,以期为我军开展AI应用提供参考。