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)仿真領域的關鍵前沿技術之一。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的認知水平。意圖識別是一類重要的認知行為，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用現(xiàn)狀，在此基礎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理論的關系，并構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?。籧）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用相結合，針對四種作戰(zhàn)仿真中的典型場景，分別提出了相應的意圖識別建模理論和推理算法：
　　第一，針對個體戰(zhàn)術

3、機動目標的識別問題，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在網格地圖上的戰(zhàn)術機動過程進行形式化描述。為了解決標準粒子濾波（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）應用于機動目標的近似推理。

4、在仿真實驗中，論文設計了一個偵察兵以機動的方式躲避巡邏車并偵察預定目標的戰(zhàn)術想定，并使用SMDM和RBPF識別偵察兵的機動目標。實驗結果表明，SMDM能在機動目標改變和觀察數(shù)據(jù)部分丟失的情況有效識別機動目標，并在識別指標上優(yōu)于一種改進的隱馬爾可夫模型。在近似推理方面，當粒子數(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果；當粒子數(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習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)同方式的詳細領域知識，且策略估計過程不依賴訓練數(shù)據(jù)和模型信息。在仿真實驗中，本文設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，實驗結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的建模在識別指標上均優(yōu)于HMM，且MF比標準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)術規(guī)劃過程，并用離散Coxian分布對UAV戰(zhàn)術任務的持續(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）。實驗結果表明，LHSMM和LFDA能很好地識別出敵UAV的戰(zhàn)術任務規(guī)劃，同時還能判斷出敵正在執(zhí)行的戰(zhàn)術任務及其目標與參數(shù)。另外，在統(tǒng)計指標上，LHSMM對任務規(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的定義相結合，提出一種邏輯粒子濾波（Logical Particl Filter，LPF）算法。此外，論文還設計了一個隊組協(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與協(xié)同方式。實驗結果表明， LHHSMM和LPF能有效地識別出隊組的協(xié)同方式和任務目標，LHHSMM在多種識別指標上均超過了一種改進的