【技术实现步骤摘要】
本专利技术涉及机器学习，尤其涉及兵棋推演态势分析数据集的建立方法、设备和存储介质。
技术介绍
1、人工智能技术的发展给军事斗争准备带来了新的巨大冲击，在信息化战争之后，智能化战争逐步成为各军事大国争相研究的热点、难点，各大国均尝试在智能武器和智能决策这两个重要领域谋求先机。其中智能指挥决策尤为重要，而战场态势表达和战场态势认知又是指挥决策的基础。
2、兵棋推演作为新兴的战争研究利器，在提高指挥员谋略水平、辅助作战决策、战法研究与验证等方面发挥重要作用，为战场态势研究提供了可行的研究路径。兵棋由一幅地图，一套代表军队的硬方块，一本详细规则，一张概率表和一个骰子组成，通过双方回合制推演，逼真地预测当时战场的实际作战活动。随着计算机技术的发展，现代计算机兵棋应运而生，其运用统计学、概率论、博弈论等科学方法，对战争全过程进行仿真、模拟与推演，为军事指挥能力训练和作战效能评估提供了良好的平台，广泛应用于军事指挥训练、作战辅助决策、装备试验验证、作战概念开发等情景。计算机兵棋推演因其不受场地限制、接近真实对抗、节省训练经费等优点，成为和平时期战略战役指挥能力训练的有效途径，其发展也越来越受到国内外的重视。战争系统是典型的复杂系统，现代战争所固有的复杂性导致兵棋推演的战场态势必然复杂。战场态势是指挥员指挥作战、下定作战决心的主要依据，分析清楚、理解透彻战场态势是各类作战行动的前提。计算机兵棋系统中的想定表达方式复杂多样、作战单元类别纷繁复杂、初始数据和过程数据海量，具备大规模、多尺度、高复杂度、时变性等特点，这给指挥员带来极大的认
3、即时制兵棋推演中的每一帧推演数据都包含敌方数据、我方数据和战场环境数据等大量的确定性因素、不确定性因素与非线性信息，态势数据整体呈现出数量大、种类多、样式复杂、动态性高的特征，为战场态势的特征表达带来巨大难题。总的来说，将兵棋推演系统复杂的推演过程数据映射成适用于机器学习的兵棋推演数据集，主要存在以下几个方面的困难和挑战：(1)数据结构统一；(2)高维数据降维；(3)特征标签均衡；(4)数据变换保真；(5)自动计算存储。
技术实现思路
1、针对上述存在的问题，本专利技术旨在提供一种兵棋推演态势分析数据集的建立方法、设备和存储介质，通过特征工程分析反映计算机兵棋战场态势的关键特征要素，提出了分层栅格化的战场态势特征表达模型，并采用等间隔时间关联模式对兵棋推演过程数据进行滑动切片、映射变换，解决了兵棋数据结构不统一、特征标签不均衡以及数据变换保真困难等问题，实现了样本的自动收集与存储。
2、为了实现上述目的，本专利技术所采用的技术方案如下：
3、兵棋推演态势分析数据集的建立方法，包括以下步骤，
4、s1：兵棋推演原始数据采集；
5、s2：确定影响战场态势特征表达的关键因素，并分层映射到栅格化二维平面；
6、s3：建立战场态势特征表达模型；
7、s4：建立战场态势优胜率标签模型；
8、s5：设计两端样本采集器，对少数标签样本进行数据集均衡强化；
9、s6：将步骤s2-s5得到的数据样本进行自动化映射，完成数据集自动构建。
10、进一步的，步骤s2中，基于特征工程分析确定影响战场态势特征表达的关键因素，包括地形地貌、地图高程、夺控点位置、夺控点状态、红方算子位置、红方算子速度、红方算子血量、红方算子武力、红方算子动作、蓝方算子位置、蓝方算子速度、蓝方算子血量、蓝方算子武力和蓝方算子动作。
11、进一步的，步骤s3中所述的战场态势特征表达模型包括：地形编码模型、高程编码模型、夺控点位置编码模型、夺控点状态编码模型、红/蓝方算子位置编码模型、红/蓝算子速度编码模型、红/蓝算子血量编码模型、红/蓝算子武力编码模型和红/蓝算子动作编码模型。
12、进一步的，红/蓝算子武力编码模型表示为
13、
14、其中，red_weapon_cool_timei,j代表对应位置(i,j)处算子携带武器的冷却时间，当武器冷却时间red_weapon_cool_timei,j＝0时，算子攻击能力最大为1，当武器冷却时间red_weapon_cool_timei,j＝75时，算子攻击能力最小为
15、进一步的，步骤s4中所述的战场态势优胜率标签模型表示为
16、
17、其中，gt表示推演中第t个时间步的优胜率，γ为优胜率折扣系数，rt+k+1为以第t个时间步下第k+1步的奖励值。
18、进一步的，步骤s6的具体操作包括以下步骤，
19、s601：对推演的过程序列按照等间隔时间关联模式进行滑动切片，形成单位时间步下的兵棋推演切片数据；
20、s602：针对单位时间步下的兵棋推演切片数据，按照已建立的战场态势特征表达模型和优胜率模型，计算各战场态势特征层及优胜率标签的值，将战场态势特征从抽象的物理空间映射到对应层的地理空间栅格中，得到多维栅格化形式的战场态势特征数据，完成数据集自动构建。
21、进一步的，本专利技术还包括一种电子设备，具体包括至少一个处理器；以及与所述处理器通信连接的存储器；其中，所述存储器存储有可被所述处理器执行的指令，所述指令被所述处理器执行，以使所述处理器能够执行如前所述的建立方法。
22、进一步的，本专利技术还包括一种存储有计算机指令的非瞬时计算机可读存储介质，所述计算机指令用于使所述计算机执行如前所述的建立方法。
23、本专利技术的有益效果是：
24、本专利技术针对当前兵棋推演战场态势表达与认知困难的问题，提出了面向兵棋推演战场态势认知的机器学习数据集构建方法。基于特征工程对影响兵棋推演战场态势的关键要素和关键能力等分析，降低了态势数据的耦合度，同时关键要素分析作为态势认知的先验知识利于提高后续的战场态势认知效率。建立了战场态势特征表达模型和优胜率标签模型，设计了等时间间隔的滑动切片和映射变换的数据集构建流程，实现了数据集自动化采集和存储。经实验验本文档来自技高网...
【技术保护点】
1.兵棋推演态势分析数据集的建立方法，其特征在于，包括以下步骤，
2.根据权利要求1所述的兵棋推演态势分析数据集的建立方法，其特征在于：步骤S2中，基于特征工程分析确定影响战场态势特征表达的关键因素，包括地形地貌、地图高程、夺控点位置、夺控点状态、红方算子位置、红方算子速度、红方算子血量、红方算子武力、红方算子动作、蓝方算子位置、蓝方算子速度、蓝方算子血量、蓝方算子武力和蓝方算子动作。
3.根据权利要求2所述的兵棋推演态势分析数据集的建立方法，其特征在于，步骤S3中所述的战场态势特征表达模型包括：地形编码模型、高程编码模型、夺控点位置编码模型、夺控点状态编码模型、红/蓝方算子位置编码模型、红/蓝算子速度编码模型、红/蓝算子血量编码模型、红/蓝算子武力编码模型和红/蓝算子动作编码模型。
4.根据权利要求3所述的兵棋推演态势分析数据集的建立方法，其特征在于，红/蓝算子武力编码模型表示为
5.根据权利要求4所述的兵棋推演态势分析数据集的建立方法，其特征在于，步骤S4中所述的战场态势优胜率标签模型表示为
6.根据权利要求5所述的
7.一种电子设备，其特征在于：包括至少一个处理器；以及与所述处理器通信连接的存储器；其中，所述存储器存储有可被所述处理器执行的指令，所述指令被所述处理器执行，以使所述处理器能够执行权利要求1-6任一项所述的建立方法。
8.一种存储有计算机指令的非瞬时计算机可读存储介质，其特征在于：所述计算机指令用于使所述计算机执行权利要求1-6中任一项所述的建立方法。
...【技术特征摘要】
1.兵棋推演态势分析数据集的建立方法，其特征在于，包括以下步骤，
2.根据权利要求1所述的兵棋推演态势分析数据集的建立方法，其特征在于：步骤s2中，基于特征工程分析确定影响战场态势特征表达的关键因素，包括地形地貌、地图高程、夺控点位置、夺控点状态、红方算子位置、红方算子速度、红方算子血量、红方算子武力、红方算子动作、蓝方算子位置、蓝方算子速度、蓝方算子血量、蓝方算子武力和蓝方算子动作。
3.根据权利要求2所述的兵棋推演态势分析数据集的建立方法，其特征在于，步骤s3中所述的战场态势特征表达模型包括：地形编码模型、高程编码模型、夺控点位置编码模型、夺控点状态编码模型、红/蓝方算子位置编码模型、红/蓝算子速度编码模型、红/蓝算子血量编码模型、红/蓝算子武力编码模型和红/蓝算子动作编码模型。
<...【专利技术属性】
技术研发人员：鲜勇，潘晨辉，张大巧，王明，
申请(专利权)人：中国人民解放军火箭军工程大学，
类型：发明
国别省市：
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。