基于人工智能深度增强学习的装备维修保障兵棋研究
为提升装备维修保障兵棋系统的学习能力和对抗水乎,前沿性的将人工智能领域相关理论技术应用到系统中,通过运用马尔科夫决策过程(MDP)与神经网络等方法,在系统内部建立环境感知反馈、过程在线学习等通道,进一步扩展、增强和延伸系统中AI的角色能力,并随着推演次数的增加充分挖掘系统数据资源潜能,同步增强AI的推演行动反馈及战术策略应用能力,提升利用效率,实现推演-学习-推演的有效循环,以此来逐步提高兵棋系统的对抗推演水准,同步带动装备指挥员谋略决策能力的进一步提升,达到向实战化靠拢的要求.
装备维修保障、兵棋推演、人工智能技术、马尔科夫决策、神经网络
39
E917(军事技术基础科学)
2018-05-21(万方平台首次上网日期,不代表论文的发表时间)
共5页
61-65