面向計(jì)算機(jī)生成兵力的意圖識(shí)別建模與推理方法研究.pdf

1、計(jì)算機(jī)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(duì)抗能力不足、行為表現(xiàn)不真實(shí)的問題，必須從機(jī)理上提高CGF的認(rèn)知水平。意圖識(shí)別是一類重要的認(rèn)知行為，具備意圖識(shí)別能力的CGF能夠像人類一樣“知己知彼”，即利用獲取的情報(bào)信息判斷對(duì)手意圖，并為制定有效對(duì)策提供依據(jù)。因此，研究面向CGF的意圖識(shí)別理論對(duì)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(shí)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(shí)別理論與自動(dòng)規(guī)劃、參數(shù)估計(jì)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(shí)別的一般性研究框架。在該框架下，意圖識(shí)別問題被分解為三個(gè)部分：a）問題的形式化描述；b）行為參數(shù)獲取；c）意圖推理。在論文主體部分，論文將意圖識(shí)別的研究框架與具體應(yīng)用相結(jié)合，針對(duì)四種作戰(zhàn)仿真中的典型場(chǎng)景，分別提出了相應(yīng)的意圖識(shí)別建模理論和推理算法：
　　第一，針對(duì)個(gè)體戰(zhàn)術(shù)

3、機(jī)動(dòng)目標(biāo)的識(shí)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(duì)CGF在網(wǎng)格地圖上的戰(zhàn)術(shù)機(jī)動(dòng)過程進(jìn)行形式化描述。為了解決標(biāo)準(zhǔn)粒子濾波（Standard Particle Filter， SPF）估計(jì)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(jī)動(dòng)目標(biāo)的近似推理。

4、在仿真實(shí)驗(yàn)中，論文設(shè)計(jì)了一個(gè)偵察兵以機(jī)動(dòng)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(shí)別偵察兵的機(jī)動(dòng)目標(biāo)。實(shí)驗(yàn)結(jié)果表明，SMDM能在機(jī)動(dòng)目標(biāo)改變和觀察數(shù)據(jù)部分丟失的情況有效識(shí)別機(jī)動(dòng)目標(biāo)，并在識(shí)別指標(biāo)上優(yōu)于一種改進(jìn)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(shí)，RBPF能在消耗的更短時(shí)間的情況下，獲得比 SPF的方差更小的估計(jì)結(jié)果；當(dāng)粒子數(shù)目不足時(shí)，RBPF推理的平均失效率低于SPF。
　　第二，針對(duì)多智能

5、體聯(lián)合意圖識(shí)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(duì)多智能體協(xié)同圍捕過程進(jìn)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(qiáng)學(xué)習(xí)算法來估計(jì)識(shí)別對(duì)象的最優(yōu)策略，并基于改進(jìn)的邊緣濾波（Marginal Filter，MF）算法對(duì)大規(guī)模離散狀態(tài)空間下的聯(lián)合意圖

6、進(jìn)行推理。上述方法的優(yōu)勢(shì)在于不需要識(shí)別對(duì)象協(xié)同方式的詳細(xì)領(lǐng)域知識(shí)，且策略估計(jì)過程不依賴訓(xùn)練數(shù)據(jù)和模型信息。在仿真實(shí)驗(yàn)中，本文設(shè)計(jì)了一種改進(jìn)的圍捕問題，并用Dec-POMDM、策略估計(jì)算法和MF來識(shí)別圍捕目標(biāo)，實(shí)驗(yàn)結(jié)果證明了上述方法無論意圖改變與否均有良好的識(shí)別效果，基于Dec-POMDM的建模在識(shí)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(duì)個(gè)體任務(wù)規(guī)劃識(shí)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(duì)UAV戰(zhàn)術(shù)任務(wù)的持續(xù)時(shí)間進(jìn)行了顯式建模。此外，論文還給出了基于極大似然估計(jì)的規(guī)劃識(shí)別推理流程，為解決推理中涉及的LHSMM評(píng)估問題，提出了一種帶有持續(xù)時(shí)間的邏輯Forward算法（Logical Forward Algorithm with Duration

8、，LFAD）。實(shí)驗(yàn)結(jié)果表明，LHSMM和LFDA能很好地識(shí)別出敵UAV的戰(zhàn)術(shù)任務(wù)規(guī)劃，同時(shí)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(jì)指標(biāo)上，LHSMM對(duì)任務(wù)規(guī)劃的識(shí)別均優(yōu)于LHMM，證明了抽象隱狀態(tài)持續(xù)時(shí)間顯式建模的有效性。
　　第四，針對(duì)隊(duì)組意圖識(shí)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(duì)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(jì)了一個(gè)隊(duì)組協(xié)同進(jìn)攻作戰(zhàn)的想定場(chǎng)景，并用 LHHSMM和 LPF識(shí)別進(jìn)攻方的進(jìn)攻目標(biāo)與協(xié)同方式。實(shí)驗(yàn)結(jié)果表明， LHHSMM和LPF能有效地識(shí)別出隊(duì)組的協(xié)同方式和任務(wù)目標(biāo)，LHHSMM在多種識(shí)別指標(biāo)上均超過了一種改進(jìn)的