劉成龍 胡廣朋

（江蘇科技大學(xué)計算機學(xué)院 鎮(zhèn)江 212100）

1 引言

隨著人工智能的發(fā)展，從貝葉斯估計到近階段的深度學(xué)習(xí)，軍事智能的指揮決策研究者們在將深度學(xué)習(xí)應(yīng)用于自主決策上也展開了許多研究。就目前來說，國內(nèi)外關(guān)于自主決策的方法探討是處于起步階段，絕大部分研究工作采用半監(jiān)督或監(jiān)督的深度學(xué)習(xí)方法，但是數(shù)據(jù)的缺乏限制了方法后續(xù)的發(fā)展。雖然之后也有人利用深度學(xué)習(xí)方法對自主決策進行進一步的研究，但是相關(guān)方面的研究也還在理論探索，要想有具體的實際應(yīng)用，還是要有比較長的路要走。

傳統(tǒng)典型的方法是胡桐清、陳亮等在軍事智能決策的理論與實踐中提出的軍事專家支持系統(tǒng)［1］，該系統(tǒng)建立了多條規(guī)則和一個定量與定性相融合的有效推演機制，可以自動生成作戰(zhàn)決策的方案，根據(jù)方案，能夠幫助指揮員進行決策，但方案需要一定的專業(yè)知識，存在一些局限性。朱豐等在對戰(zhàn)場態(tài)勢評估的研究討論中［2］利用一系列技術(shù)對目的識別、決策推演等多方面展開了研究。李耀宇等曾在國防科技大學(xué)學(xué)報上發(fā)表文章［3］，利用逆向強化學(xué)習(xí)的方法，優(yōu)化方案，前提條件是不確定條件策略、地形的戰(zhàn)場火力分布。陳希亮、張永亮在基于深度強化學(xué)習(xí)的陸軍分隊?wèi)?zhàn)術(shù)決策問題研究［4］中提出了一種決策框架，利用逆向強化學(xué)習(xí)在戰(zhàn)場行為決策上收獲頗豐。喬永杰，王欣九，孫亮等提出利用陸軍指揮所模型自主生成作戰(zhàn)計劃時間參數(shù)的方法［5］，建立服務(wù)框架，進而有了自動生成作戰(zhàn)計劃的方案。中科院研制的“SASIA－先知V1.0”在全國兵棋推演大賽上取得了較好的成績，先知V1.0所采用的模型是由知識和數(shù)據(jù)共同建立的，同時也證明了深度學(xué)習(xí)在軍事對抗領(lǐng)域大有可為。

文章針對對手行為分析構(gòu)建預(yù)測模型，進而采用基于自適應(yīng)增強的規(guī)劃識別方法，利用此算法能夠?qū)⒖捎^察到的對手行為作為唯一已知條件，實現(xiàn)對目標(biāo)的預(yù)測。該方法對可觀察行為不斷訓(xùn)練弱預(yù)測器，最終組成強預(yù)測器。并以aerial bombing operations數(shù)據(jù)集為例設(shè)計實驗，驗證方法可行性。

2 沙盤推演分析模型

2.1 模型框架

實現(xiàn)沙盤推演分析的模型如圖1所示。首先策略規(guī)劃器將對手的動作或狀態(tài)的改變作為觀察對象，推理出對手規(guī)劃和所有的目標(biāo)，不僅如此，策略規(guī)劃器會依據(jù)預(yù)測的對手規(guī)劃做出應(yīng)對動作，然后策略規(guī)劃器向動作規(guī)劃器下達指令，動作規(guī)劃器會依照指令，進行有效的信息決策，接著模型要依據(jù)決策進行行為模擬，同時將收集到的有效信息發(fā)給動作處理器，動作處理器后續(xù)就會將收到的有效信息傳回最初的策略規(guī)劃器，達到破壞對手規(guī)劃和防御的目的。

規(guī)劃識別方法是整個沙盤推演的核心，規(guī)劃識別方法是整個行為分析網(wǎng)絡(luò)的核心，整個分析過程以特征抽象處理后的數(shù)據(jù)特征作為輸入，通過識別算法分析尋找異常的操作行為，分析各行為之間相互轉(zhuǎn)換的概率。在對對手規(guī)劃的分析時間，不斷完善規(guī)劃應(yīng)對，達到應(yīng)對對手規(guī)劃的預(yù)測識別。

圖1 沙盤推演分析框架

2.2 自適應(yīng)增強算法

策略規(guī)劃器根據(jù)對手行為進行的分析會影響規(guī)劃識別算法對最終結(jié)果的預(yù)測，常見的策略規(guī)劃器方法主要有隱馬爾可夫、隨機快速搜索樹（RRT）以及Adaptive boosting等。

Adaptive boosting又被稱為自適應(yīng)增強，其基礎(chǔ)的想法就是利用相同的訓(xùn)練集去訓(xùn)練各不相同的弱分類器，接著將這些集合起來，構(gòu)成一個新的分類器，也稱為強分類器，記為H(x)。定義一個樣本(xi,yi)，則訓(xùn)練樣xi為樣本類別觀測值，yi是xi的樣本類別標(biāo)識，滿足yi=f(xi)，f是要學(xué)習(xí)的目標(biāo)概念的集合。各個樣本的權(quán)值為D(1),…D(n),D(i)＞0,1≤i≤n。

基本過程分為以下幾步：第一，對初始的訓(xùn)練數(shù)據(jù)進行賦值，假設(shè)存在M個訓(xùn)練數(shù)據(jù)，那么每一個樣本的初始權(quán)值相同，都為1/M。第二，進行訓(xùn)練。在過程中，如果樣本被錯誤分類，那么它的權(quán)重增加；如果被正確分類，權(quán)重減少。權(quán)重重新賦值后就會應(yīng)用于下次訓(xùn)練，如此迭代下去，第三，將每次迭代得到的分類器融合起來，作為最終的決策分類器，也稱為強訓(xùn)練器。融合的規(guī)則是損失函數(shù)（loss function）最小化原則，按照此函數(shù)的負梯度方向不斷地循環(huán)。定義在第t輪迭代時，第i個訓(xùn)練樣本(xi,yi)的權(quán)重分布為Dt(i)。弱學(xué)習(xí)算法的任務(wù)就是根據(jù)訓(xùn)練樣本的分布及權(quán)重Dt完成一個弱分類器ht:X→R的學(xué)習(xí)，最簡單情況下ht是二值的，好壞由誤判率εt進行衡量。

經(jīng)過T次訓(xùn)練學(xué)習(xí)后，得到一系列弱分類器h1,h2,h3,…,hT。可以用累加模型來定義強分類器：

其中，x是特征向量；ht(x)是第t次迭代得到的弱分類器；αt是ht(x)的權(quán)重。AdaBoost的核心思想就是按照損失函數(shù)的負梯度方向不斷地循環(huán)，融合迭代所得到的分類器，指數(shù)損失函數(shù)為

其中，t,y分別為循環(huán)更新次數(shù)和種別標(biāo)記，通過不斷地更新權(quán)值，求得最終強分類器的最優(yōu)解。

2.3 基于自適應(yīng)增強的規(guī)劃識別算法

針對于復(fù)雜的沙盤推演環(huán)境，文章提出基于自適應(yīng)增強的的規(guī)劃識別方法（Adaptive Boosting Planning Recognition，ABPR）。自適應(yīng)增強算法的核心思想是重視誤差大的學(xué)習(xí)樣本，改變其分配權(quán)重并再次進行訓(xùn)練，得到多個誤差較小的弱預(yù)測器，再組成一個強預(yù)測器。根據(jù)自適應(yīng)增強算法的原理，將規(guī)劃識別方法看作弱預(yù)測器。首先用規(guī)劃識別算法對樣本不斷的訓(xùn)練，如果得到的預(yù)測誤差不在范圍之內(nèi)，那么對該樣本重新賦值，并計算第t個規(guī)劃識別弱預(yù)測器的權(quán)重，得到T個規(guī)劃識別弱預(yù)測器、權(quán)重，將得到的權(quán)重進一步融合，得到一個強預(yù)測器，利用最終預(yù)測器，輸出規(guī)劃預(yù)測。

ABPR方法在沙盤推演中的應(yīng)用主要由數(shù)據(jù)預(yù)處理過程、分析模型建立并調(diào)整模型參數(shù)、識別判斷當(dāng)前的對手規(guī)劃和對敵意規(guī)劃的預(yù)測四個部分組成。在本文提出的方法中，首先對選用的數(shù)據(jù)集進行數(shù)據(jù)預(yù)處理，包括對冗余信息的刪減和不規(guī)范數(shù)據(jù)的規(guī)范化；然后將數(shù)據(jù)集作為Agent的行為進行觀察并對分析模型進行優(yōu)化；接著輸入一組對手行為數(shù)據(jù)，提取領(lǐng)域中的（近期、中期或者遠期）目標(biāo)，將這些目標(biāo)分解以降低其抽象層，并將其擴展進規(guī)劃中，重復(fù)這樣的動作確定具體動作，直至規(guī)劃中只存在原始動作。最后預(yù)測層對概率值最大的數(shù)據(jù)序列做狀態(tài)信息的預(yù)測，獲取對行為的預(yù)測值。如在沙盤推演中，占領(lǐng)對手領(lǐng)地這個目標(biāo)是明確的，因為占領(lǐng)陣地明確指出，但是何時占領(lǐng)、如何占領(lǐng)等問題沒有具體描述，假設(shè)給定以下前提條件：有足夠的兵力，并且已經(jīng)在對手陣地，那么利用兵力占領(lǐng)陣地就可以直接執(zhí)行，這是一個具體操作。

根據(jù)以上分析，自適應(yīng)增強改進的規(guī)劃識別算法預(yù)測具體步驟如下。

1）導(dǎo)入數(shù)據(jù)樣本，初始化樣本權(quán)重。

其中，Di是初始權(quán)重；m是樣本個數(shù)。

2）設(shè)置要訓(xùn)練的規(guī)劃識別弱預(yù)測器個數(shù)T和模型結(jié)構(gòu)，用規(guī)劃識別算法對樣本不斷的訓(xùn)練。

3）計算規(guī)劃識別弱預(yù)測器預(yù)測訓(xùn)練樣本的預(yù)測誤差ec。

4）將預(yù)測誤差ec與預(yù)設(shè)誤e進行比較，調(diào)整訓(xùn)練樣本權(quán)重Di。

5）計算第t個規(guī)劃識別弱預(yù)測器的預(yù)測誤差：

6）計算第t個規(guī)劃識別弱預(yù)測器的權(quán)重：

其中，Ct是第t個規(guī)劃識別預(yù)測器權(quán)重；et是第t個規(guī)劃識別預(yù)測器的預(yù)測誤差。

7）計算下一輪迭代時訓(xùn)練樣本的權(quán)重：

其中，Bt是歸一化因子。

若未達到迭代次數(shù)，返回第2）步，進行下一次迭代，直到迭代T次后，停止訓(xùn)練。

8）輸出強預(yù)測器。經(jīng)過T次訓(xùn)練后，生成T組弱預(yù)測函數(shù)ft(x)根據(jù)權(quán)重分布組合生成強預(yù)測函數(shù)：

其中，F(xiàn)(x)是強預(yù)測函數(shù)，ft(x)是弱預(yù)測函數(shù)。

3 實驗驗證

3.1 實驗說明

本次實驗主要針對空軍任務(wù)中飛機狀態(tài)進行分析。主要的樣本來自于aerial bombing operations數(shù)據(jù)集。該數(shù)據(jù)集由二戰(zhàn)的數(shù)字化紙質(zhì)任務(wù)報告組成。每條記錄都包含了date（日期）、conflict（沖突）、geographic location（地理位置）和飛機的狀態(tài)數(shù)據(jù)。并從數(shù)據(jù)集中隨機抽取50條數(shù)據(jù)定義為對手進攻性行為，以此模擬進攻行為。并且該數(shù)據(jù)集的數(shù)據(jù)被按塊分割，在進行驗證實驗時，將數(shù)據(jù)塊中的三分之一作為訓(xùn)練集，剩余的數(shù)據(jù)塊作為測試集，最后分析本文算法在對飛機不同狀態(tài)下的行為目的預(yù)測的效果。

3.2 實驗結(jié)果分析

用規(guī)劃識別方法訓(xùn)練測試，誤差大于0.005的樣本視為強化訓(xùn)練樣本，不斷地更新權(quán)值，計算預(yù)測誤差。通過不斷的訓(xùn)練，得到10個弱預(yù)測器和相應(yīng)的權(quán)值，最后通過加權(quán)，輸出一個規(guī)劃識別最終預(yù)測器。

由圖2、圖3的均方誤差曲線可以看出，Ada-Boost改進的規(guī)劃識別在第5次之后開始收斂，最佳驗證性能為0.00057352；規(guī)劃識別在訓(xùn)練7次之后開始收斂，最佳性能為0.00075864；由圖可得，經(jīng)由AdaBoost改進后的規(guī)劃識別算法比過去簡單的的規(guī)劃識別算法收斂速度更快，擁有更良好的預(yù)測效果。

圖2 規(guī)劃識別預(yù)測模型均方誤差曲線

圖3 AdaBoost改進的規(guī)劃識別預(yù)測模型均方誤差曲線

4 結(jié)語

為了提高在沙盤演練中敵意規(guī)劃的預(yù)測效率和準確度，本文提出基于AdaBoost改進的規(guī)劃識別方法。將每個規(guī)劃識別預(yù)測模型看做一個弱預(yù)測器，利用AdaBoost算法的核心思想，將得到多個經(jīng)過多次訓(xùn)練的、誤差較小的弱預(yù)測器組合成一個強預(yù)測器。利用得到的強預(yù)測器，識別預(yù)測軍事對抗中的敵意規(guī)劃。通過實驗證明，改進后的規(guī)劃識別方法可以提高預(yù)測模型的收斂速度以及預(yù)測效果，因此，改進后的規(guī)劃識別預(yù)測模型用于沙盤演練中敵意規(guī)劃的預(yù)測效果相對更好，所以該模型可以用于敵意規(guī)劃的識別與應(yīng)對之中，為演練中的敵意規(guī)劃預(yù)測提供了一種新的方法，結(jié)論為決策者做出科學(xué)決策提供幫助。

文章提出的方法主要考慮對手規(guī)劃中的復(fù)雜性和誤導(dǎo)性，雖然抽象后的數(shù)據(jù)特征能夠提高模型的識別精度，但是有些初始信息的處理較為繁瑣，會增加模型對數(shù)據(jù)信息處理工作量。所以下一步的研究重點是提高處理行為信息的效率，并且雖然本文提出的算法一定程度上提高了識別的精度，但在實際應(yīng)用場景中還需要能夠適應(yīng)多場景的識別方法，接下來的研究學(xué)習(xí)將盡可能地提高算法的精度，從而能夠在實際環(huán)境下實現(xiàn)應(yīng)用。