面向計算機生成兵力的意圖識別建模與推理方法研究.pdf

1、計算機生成兵力（Computer Generated Force，CGF）是作戰(zhàn)仿真領(lǐng)域的關(guān)鍵前沿技術(shù)之一。為解決現(xiàn)有仿真系統(tǒng)中CGF對抗能力不足、行為表現(xiàn)不真實的問題，必須從機理上提高CGF的認(rèn)知水平。意圖識別是一類重要的認(rèn)知行為，具備意圖識別能力的CGF能夠像人類一樣“知己知彼”，即利用獲取的情報信息判斷對手意圖，并為制定有效對策提供依據(jù)。因此，研究面向CGF的意圖識別理論對于提高CGF的智能性和類人性具有重要意義。
　　本文

2、首先介紹了CGF意圖識別的研究背景、研究意義以及理論研究和應(yīng)用現(xiàn)狀，在此基礎(chǔ)上分析了意圖識別理論與自動規(guī)劃、參數(shù)估計和不確定性推理等相關(guān)理論的關(guān)系，并構(gòu)建了意圖識別的一般性研究框架。在該框架下，意圖識別問題被分解為三個部分：a）問題的形式化描述；b）行為參數(shù)獲??；c）意圖推理。在論文主體部分，論文將意圖識別的研究框架與具體應(yīng)用相結(jié)合，針對四種作戰(zhàn)仿真中的典型場景，分別提出了相應(yīng)的意圖識別建模理論和推理算法：
　　第一，針對個體戰(zhàn)術(shù)

3、機動目標(biāo)的識別問題，論文提出了一種半馬爾可夫決策模型（Semi-Markov Decision Model，SMDM），并基于該模型對CGF在網(wǎng)格地圖上的戰(zhàn)術(shù)機動過程進行形式化描述。為了解決標(biāo)準(zhǔn)粒子濾波（Standard Particle Filter， SPF）估計方差過大的問題，本文將 Rao-Blackwellised粒子濾波（Rao-Blackwellised Particle Filter，RBPF）應(yīng)用于機動目標(biāo)的近似推理。

4、在仿真實驗中，論文設(shè)計了一個偵察兵以機動的方式躲避巡邏車并偵察預(yù)定目標(biāo)的戰(zhàn)術(shù)想定，并使用SMDM和RBPF識別偵察兵的機動目標(biāo)。實驗結(jié)果表明，SMDM能在機動目標(biāo)改變和觀察數(shù)據(jù)部分丟失的情況有效識別機動目標(biāo)，并在識別指標(biāo)上優(yōu)于一種改進的隱馬爾可夫模型。在近似推理方面，當(dāng)粒子數(shù)目充足時，RBPF能在消耗的更短時間的情況下，獲得比 SPF的方差更小的估計結(jié)果；當(dāng)粒子數(shù)目不足時，RBPF推理的平均失效率低于SPF。
　　第二，針對多智能

5、體聯(lián)合意圖識別問題，論文提出了一種分布式部分可觀察馬爾可夫決策模型（Decentralized Partially Observable Markov Decision Model， Dec-POMDM），并基于該模型對多智能體協(xié)同圍捕過程進行了建模。在Dec-POMDM的框架下，本文還利用已有的多智能體增強學(xué)習(xí)算法來估計識別對象的最優(yōu)策略，并基于改進的邊緣濾波（Marginal Filter，MF）算法對大規(guī)模離散狀態(tài)空間下的聯(lián)合意圖

6、進行推理。上述方法的優(yōu)勢在于不需要識別對象協(xié)同方式的詳細(xì)領(lǐng)域知識，且策略估計過程不依賴訓(xùn)練數(shù)據(jù)和模型信息。在仿真實驗中，本文設(shè)計了一種改進的圍捕問題，并用Dec-POMDM、策略估計算法和MF來識別圍捕目標(biāo)，實驗結(jié)果證明了上述方法無論意圖改變與否均有良好的識別效果，基于Dec-POMDM的建模在識別指標(biāo)上均優(yōu)于HMM，且MF比標(biāo)準(zhǔn)粒子濾波更加適用于大規(guī)模離散狀態(tài)空間下的推理。
　　第三，針對個體任務(wù)規(guī)劃識別問題，論文提出了一種邏輯

7、隱半馬爾可夫模型（Logical Hidden Semi-Markov Model，LHSMM），利用LHSMM的圖模型描述了一種典型的UAV戰(zhàn)術(shù)規(guī)劃過程，并用離散Coxian分布對UAV戰(zhàn)術(shù)任務(wù)的持續(xù)時間進行了顯式建模。此外，論文還給出了基于極大似然估計的規(guī)劃識別推理流程，為解決推理中涉及的LHSMM評估問題，提出了一種帶有持續(xù)時間的邏輯Forward算法（Logical Forward Algorithm with Duration

8、，LFAD）。實驗結(jié)果表明，LHSMM和LFDA能很好地識別出敵UAV的戰(zhàn)術(shù)任務(wù)規(guī)劃，同時還能判斷出敵正在執(zhí)行的戰(zhàn)術(shù)任務(wù)及其目標(biāo)與參數(shù)。另外，在統(tǒng)計指標(biāo)上，LHSMM對任務(wù)規(guī)劃的識別均優(yōu)于LHMM，證明了抽象隱狀態(tài)持續(xù)時間顯式建模的有效性。
　　第四，針對隊組意圖識別問題，論文提出了一種邏輯層次化半馬爾可夫模型（Logical Hierarchical Hidden Semi-Markov Model，LHHSMM）。LHHSMM

9、能夠充分地描述復(fù)雜條件下執(zhí)行隊組意圖的各類要素。為解決LHHSMM的推理問題，論文將 SPF算法和 LHHSMM的定義相結(jié)合，提出一種邏輯粒子濾波（Logical Particl Filter，LPF）算法。此外，論文還設(shè)計了一個隊組協(xié)同進攻作戰(zhàn)的想定場景，并用 LHHSMM和 LPF識別進攻方的進攻目標(biāo)與協(xié)同方式。實驗結(jié)果表明， LHHSMM和LPF能有效地識別出隊組的協(xié)同方式和任務(wù)目標(biāo)，LHHSMM在多種識別指標(biāo)上均超過了一種改進的