人工智能在计算机兵棋推演领域的应用思路构建论文

SCI论文（www.lunwensci.com）:
 
 摘   要：对计算机技术进行充分应用可以提高兵棋规则的处理效率，并且基于计算机开展兵棋推演作战分析工作能够确保 兵器推演结果的可靠性。在智能化技术不断发展的背景下，以计算机兵棋的特点和人工智能的发展现状，深入分析人工智能在 计算机兵棋推演领域的具体应用，有利于解决在计算机兵棋推演过程中存在的一些问题，对提升计算机兵棋推演工作的实践意 义也有积极帮助。

关键词：人工智能技术 ；计算机系统 ；兵棋推演 ；应用思路

      【Abstract】： The full application of computer technology can improve the processing efficiency of wargame rules, and the operation analysis of wargame deduction based on computer can ensure the reliability of weapon deduction results. With the continuous development of intelligent technology, based on the characteristics of computer wargame and the development status of artificial intelligence, this paper deeply analyzes the specific application of artificial intelligence in the field of computer wargame deduction, it is conducive to solving some problems existing in the deduction of computer wargame, it also has a positive help to improve the practical significance of computer military chess deduction.
      【Key words】： artificial intelligence technology;computer system;military chess deduction;application ideas

0 引言

      兵棋作为一种作战模拟器材，会利用棋盘对地形地 貌等进行描述，利用棋子对作战实体的事件进行描述。 在兵棋推演过程中引入作战经验和实践经验，可以形成 基于数学计算的作战模拟系统。而在计算机技术不断发 展过程中，计算机发展速度越来越快，利用计算机对兵 棋进行有效处理，可以提高兵棋的推演效率。近些年 来，模糊逻辑算法以及遗传算法等技术越来越成熟，尤其是神经网络的发展使人工智能在极大程度上提高计算 机兵棋的应用价值。在人工智能应用过程中，可以依托 计算机，利用数学算法模仿人类智能，使机器学会分 析、推理思维，甚至决策，对兵棋作战方案进行优化， 为训练教学提供有效的数据支撑。


1 兵棋与计算机兵棋概述

1.1 兵棋

     兵棋推演主要是在导演部和导调机构的控制下，参演人员在假定的战场环境中，与假定蓝军部队进行对 抗。从而实现整个作战的演训准备、组织实施和总结评 估全过程。与常规棋相同，兵棋有两个核心因素就是规 则的客观性以及在行棋过程中的自由性。兵棋系统的主 要构成是棋子、棋盘、规则、随机数发生器、回合以及裁决表。在兵棋中的棋子、棋盘、裁决表都是数字化与 精确化的。兵器的重要核心是规则，包括规定的战斗力 值、在地图上的行棋规则以及对两支队伍相遇时交战结 果、如何判定的规则等。兵棋行棋也被称为兵棋推演， 在兵棋推演中需要以博弈的过程轮流行棋，同时要设置裁判，根据规则，对战场局势进行科学裁定。在兵棋推 演中还需要利用随机数发生器对战场上的随机因素进行模拟。

      虽然兵棋与常规棋有一些相似之处，但是兵器并非 是普通的棋，并且推演更加真实，要真实的展现出作战 过程，不能通过下棋中你来我往的回合制体现。兵器推 演需要通过一些基本要素之间产生的相互作用，才能够 展现出在战争过程中的复杂性、紧迫性、随机性。因此，在兵棋推演过程中，需要真实地反映出作战过程， 并且要根据陆军、海军、空军、火箭军等作战的具体特 点，根据战场态势的实际发生情况进行判断并对决策进 行调整。这样才能够模拟出真实的作战流程和作战效 果。在兵器推演过程中还有一个更加显著的特点是不可 重复性，利用同样的基础对抗条件在不同的随机因素环 境下模拟的作战结果是不同的。因此，兵棋推演的模拟 作战更加复杂，尤其是随着战场上态势的不断变化，在 一定程度上会增加兵棋推演的难度。

1.2 计算机兵棋

      在兵棋推演过程中，对计算机技术进行充分应用， 可以在一定程度上提高兵棋推演的客观性与效率。兵棋 推演本身对工具的要求并不高，传统手工兵棋一般是以 棋子进攻、防御这两种因素进行描述的。利用的是力量 对比的方式。与此同时，会在增加随机因素的同时使用 表格进行推演，从而获取交战结果。之后为了节约人力 和时间，提高兵棋推演效率，表现出比较复杂的联合作 战行动，计算机兵器应运而生。在计算机兵棋推演体系 发展过程中，可以对更加完善的地理系统软件以及规范 化的作业平台进行充分应用。在计算机兵棋推演中，军事应用人员可以更加关注对抗推演的实质，促使兵棋推 演与实际作战指挥之间的密切联系。尤其是随着现代计 算机兵棋理念的不断完善和成熟，目前规模化指挥对抗 模拟的复杂兵棋系统应用也越来越多，已经能够打破传 统兵棋回合制的推演过程，朝着实时作战模式发展。在 计算机兵棋推演中，作战兵力、作战过程、作战决策都 会随着实际的战场发展态势出现变化，更能够表现出推 演环境的复杂性 [1]。

2 以兵棋推演为基础作战分析方法 

      目前，在计算机兵棋推演过程中，可以通过有效的 推演确定作战分析方法，兵器推演的本质是对具体的战 争进行仿真和实验。利用兵棋推演分析方法时，需要加 强定量分析方法的有效应用，特别是对战争规律进行探 索的过程中，除了要对知识理论进行总结和应用之外， 还要对多种战争分析方法进行综合分析。目前，战争分析方法主要包括基于历史与经验分析方法、基于仿真与 实验分析方法、基于解析分析方法、综合分析方法等。 而以兵棋推演为基础的分析方法与其他分析方法本身有 密切的联系。目前，基于兵棋推演的作战分析方法主要 包括以下方面 ：

      （1）在兵器推演过程中，需要对兵器战斗力值进行 科学度量。在开展计算机兵棋推演时，在推演的战斗结 果裁决中，为了对整个作战模拟过程进行有效分析，要确保所有的战斗力值是等价的。为了获取等价战斗力 值，需要对历史经验定量分析方法进行充分应用。（2） 在兵棋推演过程中，对战斗结果进行裁判时，需要以随 机仿真实验的相关统计方法和半经验半理论的方程进行 结合，才能够对战斗结果进行科学判断。从而提高计算 机兵棋推演结果的可靠性以及客观性。（3）在开展兵棋 推演工作时，确定决策的过程中，与数学理论方法有紧 密关联。例如对策论在兵棋推演中的应用十分普遍。对 策论需要将策略选择的得失表作为定量形式进行深入分 析。这样才能够对不同的策略进行最优选择，从而提高 计算机兵棋推演的有效性。

      在计算机兵器推演培养过程中，最重要的是对双方 的战斗力值进行科学度量。开展作战模拟分析时，必须 要先确定部队整体战斗力的度量标准，这就是战斗力 值。对战斗力值进行量化时需要通过历史经验对武器的 杀伤力进行量化标准，然后对各种影响武器杀伤力的因 素进行量化。最后将获取的量化标准放在历史战争的实 例中进行检验，要利用不断的修正获取最接近战争实力 的战斗力值。对武器的理论杀伤力指数和实际杀伤力指 数进行综合分析，可以设计出军队战斗力框架结构，就 是定量判定模型。在这一理论应用过程中，作战部队包 括战斗实力值以及战斗潜力值。其中战斗持力值指的是 在环境影响下修正的应用杀伤力指数总值 ；而战斗潜力 值指的是在战斗因子影响下的战斗实力。在兵棋推演过 程中需要对敌我双方的战斗潜力值大小进行综合分析， 这样能够对战斗结果进行预测。对军队作战模拟的组织 实施情况进行科学评价，需要利用相同目标的战力值价 值标准，将同一个目标上的各军兵种、兵力、兵器的战 斗力值进行相加。对同一个战场当中的敌我双方战斗力可以相减或者相乘。这样可以确保战斗结果裁判的准确 性及客观性 [2]。

3 人工智能技术的发展

      现阶段，人工智能技术发展速度越来越快，特别是 神经网络强化学习以及深度学习技术在极大程度上促进 了人工智能技术的完善。神经网络技术从信息处理角度可以模拟人脑神经元网络开展模型计算工作，并且可以 依据不同的连接方式组成不同的网络，表现出了极强 的自我学习、反馈、联想与择优等特点。在神经网络技 术的发展过程中，促进深度学习和强化学习的发展，进 一步推动了人工智能技术的成熟与完善。人工智能技术 具有感知学习能力，是以神经网络为基础的再升级。通 过对大量有效样本的学习，人工智能可以对事物特征进 行有效提取，并且能够根据提取的信息进行分类，获取并不能深入全面地对敌军进行综合分析，导致指挥环节 的战术战法会出现自由发挥的情况。而在没有逼真作战 模拟的情况下，我军的指挥思想针对性相对较差。利用 人工智能技术开展计算机兵棋推演可以确立各类标签数 据基本标准，并对特定的敌军战术战法进行深入分析， 获取相关的数据信息。从而生产出能够涵盖标签类别的 数据，促使人工智能通过获取的数据进行深度学习，感 知战场的信息变化，为信息之后的处理与研判提供基础。信息中的本质规律。人工智能通过深度学习可以构建模 拟人脑的分析学习神经网络对人脑的机制进行模拟，从 而获取和分析数据，直接可以进行逐层训练、微调训练 等，有利于提炼出事物的内在关系、逻辑关系等。现阶 段，深度学习模型主要包括卷积神经网络、递归神经网 络等 [3]。

      智能学习技术的不断发展促使人工智能强化学习技 术也在不断成熟的最主要特点，是确保人工智能有决策 能力的关键。在强化学习中融入试错机制，以此为基础 与环境开展信息交换，通过累计奖赏的方式使人工智能 获取最优策略。目前，强化学习系统主要包括状态、动 作、状态转移概率以及奖赏信息四部分。在整个策略途 径实施过程中，可以对状态信息到动作进行转换，在实 施动作过程中可以与环境之间的信息交互，获取金额奖 赏反馈信号，并利用质函数对当前策略的优劣程度进行 评价，进一步调整策略，从而获取最大化的奖赏。加上 深度学习可以使人工智能具有较强的感知能力，从通过 获取的信息，提取出有价值的信息数据。而强化学习可 以赋予人工智能决策能力，将深度学习与强化学习进行 有效结合，可以使人工智能在获取海量信息的基础上对 信息进行整合规律分析。为计算机兵棋推演系统根据人 工智能获取的信息制定执行策略奠定了技术基础。

4 在计算机兵棋推演领域人工智能的应用思路

4.1 获取样本数据

       现阶段，将人工智能应用在计算机兵棋推演过程 中，必须要获取相关的样本数据，保证样本数据的有效 性。这是计算机定期推演顺利进行的重要基础。目前， 战术以及战略层次的计算机兵棋平台应用比较多，对各 平台抽检数据进行分析，大多数存在量多质低的情况，并不能深入全面地对敌军进行综合分析，导致指挥环节 的战术战法会出现自由发挥的情况。而在没有逼真作战 模拟的情况下，我军的指挥思想针对性相对较差。利用 人工智能技术开展计算机兵棋推演可以确立各类标签数 据基本标准，并对特定的敌军战术战法进行深入分析， 获取相关的数据信息。从而生产出能够涵盖标签类别的 数据，促使人工智能通过获取的数据进行深度学习，感 知战场的信息变化，为信息之后的处理与研判提供基础。

4.2 完成信息感知与判断

      在获取海量信息并对信息进行分析之后，计算机兵 棋推演可以对人工智能技术进行应用，对相关的信息进 行感知、整合，并对信息进行提取，获取有价值的数 据。通过强化学习的手段，可以使人工智能在掌握有效 信息的基础上进行决策，并且可以对不同决策方案进行 对比分析，选择出最优方案，从而发挥辅助参谋的作用。

5 结语

     总之，随着人工智能技术的不断发展，将其应用在 计算机兵棋推演过程中，可以在极大程度上推动计算机 兵棋推演工作的发展。特别是深度学习和强化学习的发 展与应用，人工智能在计算机兵棋推演过程中的应用具 有较强的信息分析能力和研判能力，可以根据强化学习 提出有效的作战策略。从而为作战模拟过程中的指挥人 员提供有效参考。在人工智能技术的未来发展过程中， 需要将人的优势与机器优势进行有效结合，才能够真正 解决在作战推演过程中存在的实际问题。这一过程必然 是漫长的，需要不断进行学习，才能够使人工智能技术 与人的指挥能力有效融合，提高计算机兵棋推演作战分 析方法的合理性以及可靠性。

参考文献

[1] 戴勇,黄杏花.人工智能在计算机兵棋推演领域的应用[J].集 成电路应用,2020(5):67-69.
[2] 王晓明.面向计算机兵棋推演的决策支持系统的研究[D].北 京:北京邮电大学,2019.
[3] 李承兴,高桂清,鞠金鑫,等.基于人工智能深度增强学习的装 备维修保障兵棋研究[J].兵器装备工程学报,2018(2):61-65.

关注SCI论文创作发表，寻求SCI论文修改润色、SCI论文代发表等服务支撑，请锁定SCI论文网！
 

文章出自SCI论文网转载请注明出处：https://www.lunwensci.com/jisuanjilunwen/34338.html