近年來,基于人工智能技術(shù)的自動化作戰(zhàn)推演越發(fā)受到重視,但是由于有效地采集作戰(zhàn)推演數(shù)據(jù)難度較大,許多依賴數(shù)據(jù)學(xué)習(xí)的人工智能技術(shù)效果不佳。在結(jié)合專家知識和作戰(zhàn)推演數(shù)據(jù)的基礎(chǔ)上研究作戰(zhàn)推演中的人工智能技術(shù),是一種可行的替代方案。為此,立足兵棋推演設(shè)計了關(guān)鍵點推理遺傳模糊系統(tǒng)（genetic fuzzy system,GFS）框架,有效整合了對兵棋專家知識的建模和對兵棋復(fù)盤數(shù)據(jù)的學(xué)習(xí),從而提高了關(guān)鍵點的推理質(zhì)量。進(jìn)一步以安全點為例,構(gòu)建了安全點推理GFS,在初始化模糊系統(tǒng)規(guī)則庫的基礎(chǔ)上,通過合理設(shè)計遺傳算法中的參數(shù)編碼、適應(yīng)度函數(shù)、遺傳算子等,實現(xiàn)了安全點推理模糊系統(tǒng)的遺傳調(diào)優(yōu)算法。最后,通過實驗仿真展示了所提方法的可行性和實用性。 

【文章來源】：系統(tǒng)工程與電子技術(shù). 2020,42(10)北大核心EICSCD

【文章頁數(shù)】：9 頁


本文編號：3404815