[发明专利]一种智能博弈对抗平台

说明书

本发明提供了一种智能博弈对抗平台，包括仿真推演平台和AI对抗训练环境管理分系统。从系统功能组成、交互关系及工作流程方面，提出了智能博弈对抗平台系统设计方法，旨在解决智能博弈对抗训练试验的环境模拟和配试系统构建问题。仿真推演平台提供战场环境模拟、情报模拟、武器平台模拟、毁伤模拟和实时智能指令干预等功能；AI对抗训练环境管理分系统通过配置运行环境参数和运行条件参数，利用容器技术将仿真推演平台镜像创建生成训练对抗平台，动态形成对抗训练试验环境原型。支持大规模灵活部署、持续迭代测试，为智能博弈对抗训练提供仿真模拟环境和配试系统支撑。

技术领域

本发明涉及一种智能博弈对抗平台。

背景技术

2016年3月，Deepmind科研团队的围棋程序AlphaGo以4∶1的成绩战胜韩国围棋世界冠军李世石，这一研究成果在全球范围内引起巨大轰动，人工智能研究再一次吸引了世界的目光。在攻克围棋这一艰巨任务之后，Deepmind将研究重点转向更加复杂的领域——多智能体博弈游戏，并与美国电子游戏公司暴雪娱乐(Blizzard Entertainment)合作，在星际争霸II的游戏环境基础上开发了可进行更高水平人工智能研究的学习环境。实时策略游戏——星际争霸具有实时对抗、巨大的搜索空间、非完全信息博弈、多异构智能体协作、时空推理、多复杂任务、长远全局规划等特点，同时这些也是人工智能领域极具挑战的难题。鉴于此，国内外众多科研单位也竞相投入到这一领域当中。多智能体博弈游戏不仅在人工智能研究领域极具研究价值，其在社会管理、智能交通、经济、军事等领域同样具有巨大的潜在应用价值。

在智能化时代，多智能体博弈游戏具有实时对抗、群体协作、非完全信息博弈、庞大的搜索空间、多复杂任务和时间空间推理等特点，是当前人工智能领域极具挑战的难题。人工智能要想在智能指挥和博弈中取得突破，是与深度强化学习技术的进展分不开的。深度学习的成功主要归因于三大因素——大数据、大模型、大计算。基于计算机技术和大数据的发展，通过容器技术和容器编排工具快速部署多个试验场景同步训练，封装环境接口实现智能算法和仿真环境的快速交互，使得基于深度学习算法来训练智能体变得更加高效，支撑智能算法模型的高效开发和快速训练提升。

因此，综合考虑应用平台环境的多场次同步部署需求，利用容器具备高资源利用率、灵活封装与迁移、一致性部署与测试、系统隔离等特性，将仿真推演平台封装成镜像文件，使用容器编排管理工具产生容器生成训练对抗平台，形成对抗训练试验环境原型。支撑智能体的神经网络深度学习算法进行训练，保障智能博弈对抗仿真验证。

发明内容

发明目的：本发明所要解决的技术问题是针对现有技术的不足，提供一种智能博弈对抗平台，支持构建一套既贴近实战，支撑现有联合作战对抗仿真要求，又满足AI决策算法高效训练与演化成长需求的试验平台，适用于战役级规模的作战场景，形成支持联合作战智能博弈的仿真推演平台和供深度学习研发战役智能体的训练平台，为智能决策算法的敏捷开发、快速训练与高效对抗提供完善可靠的环境支撑。

本发明提供了一种智能博弈对抗平台，包括仿真推演平台和AI对抗训练环境管理分系统；

所述仿真推演平台用于：仿真平台的运行和推演，同时接收管理用户提交的指令集合，对指令做出响应和反馈；对实体单元进行行动控制和状态监控；对对抗双方的作战任务进行维护；对仿真时间进行同步；

所述AI对抗训练环境管理分系统负责整个仿真环境的启停和运行控制。

所述仿真推演平台包括功能模型模拟模块，功能模型模拟模块负责实体单元模型、机动模型、导引头模型、武器模型、毁伤模型、指挥官模型的生成和管理；其中实体单元模型上加载挂载的设备模型、运动模型、毁伤模型、指挥官模型、武器模型共同组成实体单元，能够根据不同的气象、地理位置进行机动，能够模拟作战实体单元的剩余存储油量、存活状态、机动速度、武器挂载情况、位置、毁伤程度信息，能够根据指挥官模型控制实体单元的机动行动和对抗行动。