CN108647374A - 陆军战术兵棋博弈中坦克战术行为模拟方法及系统和设备 - Google Patents

陆军战术兵棋博弈中坦克战术行为模拟方法及系统和设备 Download PDF

Info

Publication number
CN108647374A
CN108647374A CN201810238441.3A CN201810238441A CN108647374A CN 108647374 A CN108647374 A CN 108647374A CN 201810238441 A CN201810238441 A CN 201810238441A CN 108647374 A CN108647374 A CN 108647374A
Authority
CN
China
Prior art keywords
attack
tank
target
chess piece
current location
Prior art date
Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
Granted
Application number
CN201810238441.3A
Other languages
English (en)
Other versions
CN108647374B (zh
Inventor
赵美静
刘朝阳
倪晚成
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Institute of Automation of Chinese Academy of Science
Original Assignee
Institute of Automation of Chinese Academy of Science
Priority date (The priority date is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the date listed.)
Filing date
Publication date
Application filed by Institute of Automation of Chinese Academy of Science filed Critical Institute of Automation of Chinese Academy of Science
Priority to CN201810238441.3A priority Critical patent/CN108647374B/zh
Publication of CN108647374A publication Critical patent/CN108647374A/zh
Application granted granted Critical
Publication of CN108647374B publication Critical patent/CN108647374B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Classifications

    • GPHYSICS
    • G06COMPUTING; CALCULATING OR COUNTING
    • G06FELECTRIC DIGITAL DATA PROCESSING
    • G06F30/00Computer-aided design [CAD]
    • G06F30/20Design optimisation, verification or simulation

Landscapes

  • Engineering & Computer Science (AREA)
  • Physics & Mathematics (AREA)
  • Theoretical Computer Science (AREA)
  • Computer Hardware Design (AREA)
  • Evolutionary Computation (AREA)
  • Geometry (AREA)
  • General Engineering & Computer Science (AREA)
  • General Physics & Mathematics (AREA)
  • Management, Administration, Business Operations System, And Electronic Commerce (AREA)
  • Toys (AREA)

Abstract

本发明涉及陆军战术兵棋博弈领域,具体涉及一种陆军战术兵棋博弈中坦克战术行为模拟方法及系统和设备,旨在提高模拟系统在复杂多变环境下的速度。本发明的坦克战术行为模拟方法包括:接收我方棋子位置、敌方棋子位置,以及棋子在战场任意位置点的攻击区域、被攻击区域和机动区域等当前的态势信息;根据当前的态势信息确定模拟系统中我方坦克的初始位置并选择初始攻击目标;根据初始攻击目标将我方坦克机动到攻击位置;选择我方坦克在当前位置的攻击目标;对当前位置的攻击目标进行射击;计算当前位置点对应的撤退位置;将我方坦克撤退到当前位置点对应的撤退位置。使坦克能够在复杂、高动态及不确定的博弈回合内快速、合理地执行战术行为动作。

Description

陆军战术兵棋博弈中坦克战术行为模拟方法及系统和设备
技术领域
本发明涉及陆军战术兵棋博弈领域,具体涉及一种陆军战术兵棋博弈中坦克战术行为模拟方法及系统和设备。
背景技术
我国地域辽阔,周边环境复杂,威胁对象可能来自不同的地域,作为世界第一的陆军是守卫战略要塞和维护我国领土安全的主要军事力量。坦克是具有强大直射火力、高度越野机动性和坚固防护力的履带式装甲战斗车辆。坦克作为陆军地面作战的主要突击兵器和装甲兵的基本装备,主要用于与敌方坦克和其它装甲车辆作战,也可以压制、消灭反坦克武器,摧毁野战工事,歼灭有生力量。坦克在现代战争中作为重要的作战武器和突防装备,是左右战争胜败格局的重要因素。
计算机兵棋系统具备节省训练经费、不受场地限制、接近真实体验等优点,是和平时期战略战役指挥能力训练的有效途径,可以有效提高作战推演的逼真度和效率,开展计算机兵棋系统研究具有重要的理论价值和军事意义。兵棋地图中最基本的几个概念包括:通视、可观察、可攻击、机动力等。观察点与目标点之间通视指的是连接两点直线所经过的地形或烟雾无遮蔽;观察目标对被观察目标可观察指的是在两目标位置点满足通视的条件下,观察目标对被观察目标具有观察能力;攻击目标对被攻击目标可攻击指的是在两目标满足可观察的条件下,被攻击目标在攻击目标的射程内;棋子单位在地图上的移动称为机动;由于棋子模拟的单位各不相同,不同棋子(在一个回合内)具有不同的机动力。在陆军战术兵棋博弈中,坦克作为战场的主要作战力量,其战术能力及作战效能是解决战斗的关键因素,因此,对坦克单兵战术行为模型的研究显得尤为重要。
常见的行为建模方法包括有限状态机(Finite State Ma-chine)、Petri-Net以及产生式规则系统等。传统的兵力行为建模方法实现简单,能很好地模拟作战实体的物理特性;但由于战场环境的动态变化和不确定性,对作战过程中各种情况进行预先的定义困难,将作战任务表示成各个独立的状态和对各状态迁移进行定义的过程非常复杂,模型逻辑关系往往不清晰、可读性差、容易出错,难以实现复杂的坦克战术行为模拟。因此,亟需对复杂、高动态及不确定兵棋博弈环境下的坦克战术行为进行模拟。
发明内容
为了解决现有技术中的上述问题,本发明提出了一种陆军战术兵棋博弈中坦克战术行为模拟方法及系统和设备,提高了复杂多变环境下的模拟速度。
本发明的第一方面提出一种陆军战术兵棋博弈中坦克战术行为模拟方法,包括:
步骤S1,接收当前的态势信息;根据所述当前的态势信息,确定模拟系统中我方坦克的初始位置,并选择初始攻击目标;
步骤S2,根据所述初始攻击目标,将我方坦克机动到攻击位置;
步骤S3,选择我方坦克在当前位置的攻击目标;
步骤S4,对所述当前位置的攻击目标进行射击;
步骤S5,计算当前位置点对应的撤退位置;
步骤S6,将我方坦克撤退到所述当前位置点对应的撤退位置;
其中,
所述当前的态势信息,包括:我方棋子位置、敌方棋子位置,以及棋子在战场任意位置点的攻击区域、被攻击区域和机动区域。
优选地,步骤S1中“根据所述当前的态势信息,确定模拟系统中我方坦克的初始位置,并选择初始攻击目标”,包括:
步骤S11,根据所述当前的态势信息,确定模拟系统中我方坦克的初始位置,并将我方坦克移动至该初始位置;
步骤S12,判断我方坦克所述初始位置对应的攻击区域内是否存在敌方可攻击棋子,若是则转至步骤S13;否则,转至步骤S14;
步骤S13,根据敌方可攻击棋子的类别优先级和敌我距离,选择所述初始攻击目标;
步骤S14,判断我方坦克当前剩余机动力是否大于其最大机动力的一半,若是则转至步骤S15;否则结束;
步骤S15,将我方坦克向夺控点方向机动一步;
步骤S16,判断我方坦克当前位置对应的攻击区域内是否存在敌方可攻击棋子,若是则转至步骤S13;否则,转至步骤S14。
优选地,步骤S13中,“根据敌方可攻击棋子的类别优先级和敌我距离,选择所述初始攻击目标”包括:
步骤S131,根据棋子类型,对敌方可攻击棋子进行分类;
步骤S132,根据类别优先级,对各类可攻击棋子进行排序;在每一类可攻击棋子内部,根据敌我距离由小到大进行排序;
步骤S133,选择排在第一位的敌方棋子,作为所述初始攻击目标;
其中,所述类别优先级为,坦克类棋子>战车类棋子>步兵类棋子。
优选地,步骤S2中“根据所述初始攻击目标,将我方坦克机动到攻击位置”,包括:
步骤S21,判断我方坦克的当前机动力是否等于其最大机动力,若是,则转至步骤S22;否则,保持我方坦克位置不变;
步骤S22,根据我方坦克最大机动力和所述初始攻击目标,计算攻击位置;
步骤S23,将我方坦克机动到攻击位置。
优选地,步骤S22中“根据我方坦克最大机动力和所述初始攻击目标,计算攻击位置”,包括:
步骤S221,计算我方坦克机动区域MoveMaxSet与所述初始攻击目标的被攻击区域BeShootedSet的交集ShootSet1;
步骤S222,遍历交集ShootSet1内的每个位置点,计算我方坦克在该位置点对应的撤退位置,得到撤退位置的集合ShootSet2;
步骤S223,计算集合ShootSet1与集合ShootSet2的交集ShootSet3;
步骤S224,选择集合ShootSet3中距离所述初始攻击目标最近的位置点,作为所述攻击位置;
其中,所述我方坦克机动区域MoveMaxSet,为我方坦克在最大机动力范围内能移动的所有位置的集合;所述初始攻击目标的被攻击区域BeShootedSet,为我方坦克能够攻击到该目标的所有位置的集合。
优选地,步骤S222中,所述计算我方坦克在该位置点对应的撤退位置,包括:
计算我方坦克在该位置点的剩余机动区域与所述初始攻击目标的攻击区域的差集;
输出该差集中距离所述初始攻击目标最远的位置点,作为我方坦克在该位置点对应的撤退位置;
其中,所述我方坦克在该位置的剩余机动区域,为我方坦克在该位置剩余机动力范围内能移动的所有位置的集合;所述初始攻击目标的攻击区域,为所述初始攻击目标的武器射程能够覆盖到的所有位置的集合。
优选地,步骤S3中“选择我方坦克在当前位置的攻击目标”包括:
步骤S31,判断我方坦克的当前机动力是否等于其最大机动力,若是,则选择所述初始攻击目标作为所述当前位置的攻击目标;否则,转至步骤S32;
步骤S32,根据敌方可攻击棋子的类别优先级和敌我距离,选择所述当前位置的攻击目标。
优选地,步骤S32中“根据敌方可攻击棋子的类别优先级和敌我距离,选择所述当前位置的攻击目标”包括:
步骤S321,根据棋子类型,对敌方可攻击棋子进行分类;
步骤S322,根据类别优先级,对各类可攻击棋子进行排序;在每一类可攻击棋子内部,根据敌我距离由小到大进行排序;
步骤S323,选择排在第一位的敌方棋子,作为所述当前位置的攻击目标;
其中,所述类别优先级为,坦克类棋子>战车类棋子>步兵类棋子。
优选地,步骤S5中所述计算当前位置点对应的撤退位置,包括:
步骤S51,计算我方坦克在当前位置的剩余机动区域与所述当前位置的攻击目标的攻击区域的差集;
步骤S52,选择该差集中距离所述当前位置的攻击目标最远的位置点,作为所述当前位置点对应的撤退位置;
其中,所述我方坦克在当前位置的剩余机动区域,为我方坦克在当前位置剩余机动力范围内能移动的所有位置的集合;所述当前位置的攻击目标的攻击区域,为所述当前位置的攻击目标的武器射程能够覆盖到的所有位置的集合。
本发明的第二方面,提出一种存储设备,其存储有程序,所述程序适于由处理器加载并执行,以实现上面所述的陆军战术兵棋博弈中的坦克战术行为模拟方法。
本发明的第三方面,提出一种处理设备,包括:处理器和存储器;其中,处理器适于执行程序;存储器适于存储该程序;
所述程序适于由所述处理器加载并执行,以实现上面所述的陆军战术兵棋博弈中的坦克战术行为模拟方法。
本发明的第四方面,提出一种陆军战术兵棋博弈中坦克战术行为模拟系统,包括:态势信息接收与初始攻击目标选择模块、攻击机动模块、当前攻击目标选择模块、目标攻击模块、撤退位置计算模块,以及撤退机动模块;
所述态势信息接收与初始攻击目标选择模块,用于接收当前的态势信息;并根据所述当前的态势信息,选择我方坦克的初始攻击目标;
所述攻击机动模块,用于根据所述初始攻击目标,将我方坦克机动到攻击位置;
所述当前攻击目标选择模块,用于选择我方坦克在当前位置的攻击目标;
所述目标攻击模块,用于对所述当前位置的攻击目标进行射击;
所述撤退位置计算模块,用于计算我方坦克在当前位置点对应的撤退位置;
所述撤退机动模块,用于将我方坦克撤退到所述当前位置点对应的撤退位置。
优选地,所述态势信息接收与初始攻击目标选择模块,包括:态势信息接收单元、初始位置确定单元、第一判断单元、初始攻击目标选择单元、第二判断单元、单步机动单元,以及第三判断单元;
所述态势信息接收单元,用于接收当前的态势信息;
所述初始位置确定单元,用于确定模拟系统中我方坦克的初始位置;
所述第一判断单元,用于判断我方坦克所述初始位置对应的攻击区域内是否存在敌方可攻击棋子;
所述初始攻击目标选择单元,用于在所述第一判断单元输出为真时,根据敌方可攻击棋子的类别优先级和敌我距离,选择所述初始攻击目标;
所述第二判断单元,用于判断我方坦克当前剩余机动力是否大于其最大机动力的一半;
所述单步机动单元,用于将我方坦克向夺控点方向机动一步;
所述第三判断单元,用于判断我方坦克当前位置对应的攻击区域内是否存在敌方可攻击棋子。
优选地,所述攻击机动模块,包括:第四判断单元、攻击位置计算单元、攻击位置机动单元;
所述第四判断单元,用于判断我方坦克的当前位置是否不等于所述初始位置;
所述攻击位置计算单元,用于根据我方坦克最大机动力和所述初始攻击目标,计算攻击位置;
所述攻击位置机动单元,用于将我方坦克机动到攻击位置。
优选地,所述当前攻击目标选择模块,包括:可攻击棋子分类单元、可攻击棋子排序单元,以及当前攻击目标选择单元;
所述可攻击棋子分类单元,用于根据棋子类型,对敌方可攻击棋子进行分类;
所述可攻击棋子排序单元,用于根据类别优先级对各类可攻击棋子进行排序,并在每一类可攻击棋子内部根据敌我距离由小到大进行排序;
所述当前攻击目标选择单元,用于选择排在第一位的敌方棋子,作为当前位置的攻击目标。
优选地,所述撤退位置计算模块,包括:差集计算单元、撤退位置选择单元;
差集计算单元,用于计算我方坦克在当前位置的剩余机动区域与所述当前位置的攻击目标的攻击区域的差集;
所述撤退位置选择单元,用于选择该差集中距离所述当前位置的攻击目标最远的位置点,作为所述当前位置点对应的撤退位置。
本发明的有益效果:
本发明提出的陆军战术兵棋博弈中坦克战术行为模拟方法及系统,在充分研究坦克战术行为知识的前提下,根据我方棋子位置、敌方棋子位置,以及各棋子在战场任意位置点的攻击区域、被攻击区域和机动区域等态势信息,对坦克一个博弈回合内的战术行为进行模拟。该方法把复杂态势下的坦克战术知识内嵌在了行为模型中,具有即时性、快速性以及战术行为可解释性等特点,体现出了特色和创新。使用本发明提供的方法,坦克能够在一个复杂、高动态及不确定的博弈回合内快速地、合理地依次实现攻击机动、射击、撤退机动等战术行为动作,从而可以加快策略型游戏AI(Artificial Intelligence)的自动训练过程,达到辅助游戏AI设计与进化等目的。
附图说明
图1(a)-(d)是本发明的陆军战术兵棋博弈过程中坦克的一系列战术行为示意图;
其中,图1(a)为我方坦克在战场中的初始位置示意图;图1(b)为我方坦克向夺控点方向机动的示意图;图1(c)为我方坦克对敌方坦克执行射击的示意图;图1(d)为我方坦克在完成射击动作后机动到撤退位置的示意图;
图2是本发明的坦克战术行为模拟方法实施例的流程示意图;
图3是本发明的坦克战术行为模拟方法实施例中选择初始攻击目标的流程示意图;
图4是图3中步骤S13的具体流程示意图;
图5是本发明的坦克战术行为模拟方法实施例中,根据初始攻击目标将我方坦克机动到攻击位置的流程示意图;
图6是本发明的坦克战术行为模拟方法实施例中,选择我方坦克在当前位置攻击目标的流程示意图;
图7是本发明的坦克战术行为模拟系统实施例的构成示意图。
具体实施方式
下面参照附图来描述本发明的优选实施方式。本领域技术人员应当理解的是,这些实施方式仅用于解释本发明的技术原理,并非旨在限制本发明的保护范围。
本发明欲解决的技术问题是针对复杂、高动态及不确定兵棋博弈环境下的坦克战术行为合理建模问题,通过最佳攻击目标选择,最佳攻击位置计算,最佳撤退位置计算等问题建模,使坦克在一个博弈回合内快速地、合理地依次实现攻击机动、射击、撤退机动等战术行为动作。
本发明使用的方法既可以在个人计算机、工控机及服务器上以软件的形式安装并执行,也可将本发明的方法做成嵌入式芯片以硬件的形式来体现。运行本发明的程序可以使用多种编程语言实现。如C、C++、C#、PYTHON和JAVA等。根据选取词典的大小,承载的计算机设备可以是普通PC机,也可以是更高级的服务器。
图1(a)-(d)是本发明的陆军战术兵棋博弈过程中坦克的一系列战术行为示意图。
图2是本发明的陆军战术兵棋博弈中的坦克战术行为模拟方法实施例的流程示意图。如图2所示,本实施例的坦克战术行为模拟方法包括以下步骤:
步骤S1,接收当前的态势信息;根据当前的态势信息,确定模拟系统中我方坦克的初始位置,并选择初始攻击目标;
步骤S2,根据初始攻击目标,将我方坦克机动到攻击位置;
步骤S3,选择我方坦克在当前位置的攻击目标;
步骤S4,对当前位置的攻击目标进行射击;
步骤S5,计算当前位置点对应的撤退位置;
步骤S6,将我方坦克撤退到当前位置点对应的撤退位置,从而完成一个博弈回合。
其中,所述当前的态势信息包括:我方棋子位置、敌方棋子位置,以及棋子在战场任意位置点的攻击区域、被攻击区域和机动区域。
具体地,本实施例的步骤S1中“根据当前的态势信息,确定模拟系统中我方坦克的初始位置,并选择初始攻击目标”,如图3所示,可以包括如下步骤:
在步骤S11中,根据当前的态势信息,确定模拟系统中我方坦克的初始位置,并将我方坦克移动至该初始位置。
在步骤S12中,判断我方坦克初始位置对应的攻击区域内是否存在敌方可攻击棋子,若是则转至步骤S13;否则,转至步骤S14。对于如图1(a)所示的例子,我方坦克O-tk在初始位置点没有可攻击的敌方棋子,因此需要转至步骤S14。
在步骤S13中,根据敌方可攻击棋子的类别优先级和敌我距离,选择初始攻击目标。
在步骤S14中,判断我方坦克当前剩余机动力是否大于其最大机动力的一半,若是则转至步骤S15;否则结束,表示没有初始攻击目标,不执行后面的步骤。对于如图1(a)所示的例子,我方坦克O-tk当前机动力为6,假设最大机动力也为6,则当前机动力大于其最大机动力的一半,因此需要转至步骤S15。
在步骤S15中,将我方坦克向夺控点方向机动一步。如图1(b)所示,我方坦克向着夺控点方向机动了一步,当前机动力由6变为5,我方坦克的攻击区域为圆形区域。
在步骤S16中,判断我方坦克当前位置对应的攻击区域内是否存在敌方可攻击棋子,若是则转至步骤S13;否则,转至步骤S14。如图1(b)所示,坦克当前位置存在3个可攻击的敌方棋子,分别为:敌方坦克T-tk、敌方战车T-cha以及敌方步兵T-inf,因此转至步骤S13去选择攻击目标。
具体地,本实施例的步骤S13中,“根据敌方可攻击棋子的类别优先级和敌我距离,选择初始攻击目标”如图4所示,可以包括以下步骤:
在步骤S131中,根据棋子类型,对敌方可攻击棋子进行分类。图1(b)中,敌方可攻击棋子分为3类:敌方坦克类包括敌方坦克棋子T-tk、敌方战车类包括敌方战车棋子T-cha、敌方步兵类包括敌方步兵棋子T-inf。
在步骤S132中,根据类别优先级,对各类可攻击棋子进行排序;在每一类可攻击棋子内部,根据敌我距离由小到大进行排序。其中,所述类别优先级为:坦克类棋子>战车类棋子>步兵类棋子。
图1(b)中敌方可攻击棋子按类别优先级排序的结果为:坦克棋子T-tk>战车棋子T-cha>步兵棋子T-inf。由于每一类中只含有一个棋子,因此不需要另外排序。
在步骤S133中,选择排在第一位的敌方棋子,作为初始攻击目标。例如图1(b)中,我方坦克的初始攻击目标为:敌方的坦克棋子T-tk。
具体地,本实施例的步骤S2中“根据初始攻击目标,将我方坦克机动到攻击位置”,如图5所示可以包括以下步骤:
在步骤S21中,判断我方坦克的当前机动力是否等于其最大机动力,若是,则转至步骤S22;否则,保持我方坦克位置不变。
对于图1(b)的例子,我方坦克O-tk在步骤S1中机动过,则本步骤保持不动,即不执行下面步骤S22-S23的动作。
在步骤S22中,根据我方坦克最大机动力和初始攻击目标,计算攻击位置。该步骤可以分为步骤S221-S224:
步骤S221,计算我方坦克机动区域MoveMaxSet与初始攻击目标的被攻击区域BeShootedSet的交集ShootSet1;
步骤S222,遍历交集ShootSet1内的每个位置点,计算我方坦克在该位置点对应的撤退位置,得到撤退位置的集合ShootSet2;
步骤S223,计算集合ShootSet1与集合ShootSet2的交集ShootSet3;
步骤S224,选择集合ShootSet3中距离初始攻击目标最近的位置点,作为攻击位置。
其中,所述我方坦克机动区域MoveMaxSet,为我方坦克在最大机动力范围内能移动的所有位置的集合;所述初始攻击目标的被攻击区域BeShootedSet,为我方坦克能够攻击到该目标的所有位置的集合。
在步骤S23中,将我方坦克机动到攻击位置。
具体地,本实施例的步骤S222中,计算我方坦克在该位置点对应的撤退位置可以包括以下步骤:
计算我方坦克在该位置点的剩余机动区域与初始攻击目标的攻击区域的差集;
输出该差集中距离初始攻击目标最远的位置点,作为我方坦克在该位置点对应的撤退位置;
其中,所述我方坦克在该位置的剩余机动区域,为我方坦克在该位置剩余机动力范围内能移动的所有位置的集合;所述初始攻击目标的攻击区域,为初始攻击目标的武器射程能够覆盖到的所有位置的集合。
这里提到的“剩余机动区域”不同于“剩余机动力”。剩余机动力是一个数值,如坦克最大机动力是6,已经走了2格,耗费了2个机动力,剩余机动力就是4;剩余机动区域指在当前剩余机动力情况下的活动范围,指的是一片区域。
具体地,本实施例的步骤S3中“选择我方坦克在当前位置的攻击目标”,如图6所示,可以包括以下步骤:
在步骤S31中,判断我方坦克的当前机动力是否等于其最大机动力(也就是说我方坦克在步骤S2中是否保持不动或者虽然机动过,但后来又回到了初始位置),若是,则选择初始攻击目标作为当前位置的攻击目标;否则,转至步骤S32。图1(b)的例子中我方坦克O-tk在步骤S2中保持不动,因此,这里选择步骤S1中计算得到的初始攻击目标T-tk,作为当前位置的最佳攻击目标。
在步骤S32中,根据敌方可攻击棋子的类别优先级和敌我距离,选择当前位置的攻击目标。该步骤可以分为步骤S321-S323:
步骤S321,根据棋子类型,对敌方可攻击棋子进行分类;
步骤S322,根据类别优先级,对各类可攻击棋子进行排序;在每一类可攻击棋子内部,根据敌我距离由小到大进行排序;
步骤S323,选择排在第一位的敌方棋子,作为当前位置的攻击目标。
其中,所述类别优先级为:坦克类棋子>战车类棋子>步兵类棋子。
在步骤S4中,如图1(c)所示,我方坦克O-tk对敌方坦克T-tk执行射击动作。
具体地,本实施例的步骤S5中所述计算当前位置点对应的撤退位置,可以包括以下步骤:
在步骤S51中,计算我方坦克在当前位置的剩余机动区域MoveSet与当前位置的攻击目标的攻击区域TargetShootedSet的差集TKBeWithdrawSet。
如图1(d)所示,我方坦克O-tk的剩余机动区域MoveSet是以我方坦克位置为圆心的虚线圆形区域(包括被覆盖区域),攻击目标敌方坦克T-tk的攻击区域TargetShootedSet是以敌方坦克为中心的实线圆形区域,差集TKBeWithdrawSet为图中的虚线月牙形填充区域(不包括被覆盖区域)。
在步骤S52中,选择该差集TKBeWithdrawSet中距离当前位置的攻击目标最远的位置点,作为我方坦克在当前位置点对应的撤退位置。如图1(d)所示,集合TKBeWithdrawSet中(虚线月牙形填充区域)具体攻击目标点T-tk最远的位置点W(x,y)是图中黑色五星标注的位置。
其中,所述我方坦克在当前位置的剩余机动区域,为我方坦克在当前位置剩余机动力范围内能移动的所有位置的集合;所述当前位置的攻击目标的攻击区域,为当前位置的攻击目标的武器射程能够覆盖到的所有位置的集合。
在步骤S6中,如图1(d)所示,我方坦克O-tk在射击完成后机动到黑色五星所示的撤退点,完成了一个兵棋博弈回合。
本发明的一种存储设备的实施例,其存储有程序,所述程序适于由处理器加载并执行,以实现上面所述的陆军战术兵棋博弈中的坦克战术行为模拟方法。
本发明的一种处理设备的实施例,包括:处理器和存储器;
其中,处理器适于执行程序;存储器适于存储该程序;所述程序适于由所述处理器加载并执行,以实现上面所述的陆军战术兵棋博弈中的坦克战术行为模拟方法。
图7为本发明的陆军战术兵棋博弈中的坦克战术行为模拟系统实施例的构成示意图。如图7所示,本实施例的坦克战术行为模拟系统100包括:态势信息接收与初始攻击目标选择模块110、攻击机动模块120、当前攻击目标选择模块130、目标攻击模块140、撤退位置计算模块150,以及撤退机动模块160。
其中,态势信息接收与初始攻击目标选择模块110用于接收当前的态势信息,并根据当前的态势信息,选择我方坦克的初始攻击目标;攻击机动模块120用于根据初始攻击目标,将我方坦克机动到攻击位置;当前攻击目标选择模块130用于选择我方坦克在当前位置的攻击目标;目标攻击模块140用于对当前位置的攻击目标进行射击;撤退位置计算模块150用于计算我方坦克在当前位置点对应的撤退位置;撤退机动模块160用于将我方坦克撤退到当前位置点对应的撤退位置。
具体地,本实施例中的态势信息接收与初始攻击目标选择模块,可以包括:态势信息接收单元、初始位置确定单元、第一判断单元、初始攻击目标选择单元、第二判断单元、单步机动单元,以及第三判断单元。
其中,态势信息接收单元用于接收当前的态势信息;初始位置确定单元用于确定模拟系统中我方坦克的初始位置;第一判断单元用于判断我方坦克在初始位置时对应的攻击区域内是否存在敌方可攻击棋子;初始攻击目标选择单元用于在第一判断单元输出为真时,根据敌方可攻击棋子的类别优先级和敌我距离,选择初始攻击目标;第二判断单元用于判断我方坦克当前剩余机动力是否大于其最大机动力的一半;单步机动单元用于将我方坦克向夺控点方向机动一步;第三判断单元用于判断我方坦克当前位置对应的攻击区域内是否存在敌方可攻击棋子。
具体地,本实施例的攻击机动模块,可以包括:第四判断单元、攻击位置计算单元、攻击位置机动单元。
其中,第四判断单元用于判断我方坦克的当前位置是否不等于初始位置;攻击位置计算单元用于根据我方坦克最大机动力和初始攻击目标,计算攻击位置;攻击位置机动单元用于将我方坦克机动到攻击位置。
具体地,本实施例的当前攻击目标选择模块,可以包括:可攻击棋子分类单元、可攻击棋子排序单元,以及当前攻击目标选择单元。
其中,可攻击棋子分类单元用于根据棋子类型,对敌方可攻击棋子进行分类;可攻击棋子排序单元用于根据类别优先级对各类可攻击棋子进行排序,并在每一类可攻击棋子内部根据敌我距离由小到大进行排序;当前攻击目标选择单元用于选择排在第一位的敌方棋子,作为当前位置的攻击目标。
具体地,本实施例的撤退位置计算模块,可以包括:差集计算单元、撤退位置选择单元。
其中,差集计算单元用于计算我方坦克在当前位置的剩余机动区域与当前位置的攻击目标的攻击区域的差集;撤退位置选择单元用于选择该差集中距离当前位置的攻击目标最远的位置点,作为当前位置点对应的撤退位置。
关于本模拟系统实施例中各模块、单元的功能及相互间关系,可以参看模拟方法实施例中步骤S1-S6及其具体展开步骤的相关描述,此处不再赘述。
本领域技术人员应该能够意识到,结合本文中所公开的实施例描述的各示例的方法步骤以及单元、模块,能够以电子硬件、计算机软件或者二者的结合来实现,为了清楚地说明电子硬件和软件的可互换性,在上述说明中已经按照功能一般性地描述了各示例的组成及步骤。这些功能究竟以电子硬件还是软件方式来执行,取决于技术方案的特定应用和设计约束条件。本领域技术人员可以对每个特定的应用来使用不同方法来实现所描述的功能,但是这种实现不应认为超出本发明的范围。
至此,已经结合附图所示的优选实施方式描述了本发明的技术方案,但是,本领域技术人员容易理解的是,本发明的保护范围显然不局限于这些具体实施方式。在不偏离本发明的原理的前提下,本领域技术人员可以对相关技术特征做出等同的更改或替换,这些更改或替换之后的技术方案都将落入本发明的保护范围之内。

Claims (16)

1.一种陆军战术兵棋博弈中坦克战术行为模拟方法,其特征在于,包括:
步骤S1,接收当前的态势信息;根据所述当前的态势信息,确定模拟系统中我方坦克的初始位置,并选择初始攻击目标;
步骤S2,根据所述初始攻击目标,将我方坦克机动到攻击位置;
步骤S3,选择我方坦克在当前位置的攻击目标;
步骤S4,对所述当前位置的攻击目标进行射击;
步骤S5,计算当前位置点对应的撤退位置;
步骤S6,将我方坦克撤退到所述当前位置点对应的撤退位置;
其中,
所述当前的态势信息,包括:我方棋子位置、敌方棋子位置,以及棋子在战场任意位置点的攻击区域、被攻击区域和机动区域。
2.根据权利要求1所述的坦克战术行为模拟方法,其特征在于,步骤S1中“根据所述当前的态势信息,确定模拟系统中我方坦克的初始位置,并选择初始攻击目标”,包括:
步骤S11,根据所述当前的态势信息,确定模拟系统中我方坦克的初始位置,并将我方坦克移动至该初始位置;
步骤S12,判断我方坦克所述初始位置对应的攻击区域内是否存在敌方可攻击棋子,若是则转至步骤S13;否则,转至步骤S14;
步骤S13,根据敌方可攻击棋子的类别优先级和敌我距离,选择所述初始攻击目标;
步骤S14,判断我方坦克当前剩余机动力是否大于其最大机动力的一半,若是则转至步骤S15;否则,结束;
步骤S15,将我方坦克向夺控点方向机动一步;
步骤S16,判断我方坦克当前位置对应的攻击区域内是否存在敌方可攻击棋子,若是则转至步骤S13;否则,转至步骤S14。
3.根据权利要求2所述的坦克战术行为模拟方法,其特征在于,步骤S13中,“根据敌方可攻击棋子的类别优先级和敌我距离,选择所述初始攻击目标”包括:
步骤S131,根据棋子类型,对敌方可攻击棋子进行分类;
步骤S132,根据类别优先级,对各类可攻击棋子进行排序;在每一类可攻击棋子内部,根据敌我距离由小到大进行排序;
步骤S133,选择排在第一位的敌方棋子,作为所述初始攻击目标;
其中,
所述类别优先级为,坦克类棋子>战车类棋子>步兵类棋子。
4.根据权利要求2所述的坦克战术行为模拟方法,其特征在于,步骤S2中“根据所述初始攻击目标,将我方坦克机动到攻击位置”,包括:
步骤S21,判断我方坦克的当前机动力是否等于其最大机动力,若是,则转至步骤S22;否则,保持我方坦克位置不变;
步骤S22,根据我方坦克最大机动力和所述初始攻击目标,计算攻击位置;
步骤S23,将我方坦克机动到攻击位置。
5.根据权利要求4所述的坦克战术行为模拟方法,其特征在于,步骤S22中“根据我方坦克最大机动力和所述初始攻击目标,计算攻击位置”,包括:
步骤S221,计算我方坦克机动区域MoveMaxSet与所述初始攻击目标的被攻击区域BeShootedSet的交集ShootSet1;
步骤S222,遍历交集ShootSet1内的每个位置点,计算我方坦克在该位置点对应的撤退位置,得到撤退位置的集合ShootSet2;
步骤S223,计算集合ShootSet1与集合ShootSet2的交集ShootSet3;
步骤S224,选择集合ShootSet3中距离所述初始攻击目标最近的位置点,作为所述攻击位置;
其中,
所述我方坦克机动区域MoveMaxSet,为我方坦克在最大机动力范围内能移动的所有位置的集合;
所述初始攻击目标的被攻击区域BeShootedSet,为我方坦克能够攻击到该目标的所有位置的集合。
6.根据权利要求5所述的坦克战术行为模拟方法,其特征在于,步骤S222中,所述计算我方坦克在该位置点对应的撤退位置,包括:
计算我方坦克在该位置点的剩余机动区域与所述初始攻击目标的攻击区域的差集;
输出该差集中距离所述初始攻击目标最远的位置点,作为我方坦克在该位置点对应的撤退位置;
其中,
所述我方坦克在该位置的剩余机动区域,为我方坦克在该位置剩余机动力范围内能移动的所有位置的集合;
所述初始攻击目标的攻击区域,为所述初始攻击目标的武器射程能够覆盖到的所有位置的集合。
7.根据权利要求4所述的坦克战术行为模拟方法,其特征在于,步骤S3中“选择我方坦克在当前位置的攻击目标”包括:
步骤S31,判断我方坦克的当前机动力是否等于其最大机动力,若是,则选择所述初始攻击目标作为所述当前位置的攻击目标;否则,转至步骤S32;
步骤S32,根据敌方可攻击棋子的类别优先级和敌我距离,选择所述当前位置的攻击目标。
8.根据权利要求7所述的坦克战术行为模拟方法,其特征在于,步骤S32中“根据敌方可攻击棋子的类别优先级和敌我距离,选择所述当前位置的攻击目标”包括:
步骤S321,根据棋子类型,对敌方可攻击棋子进行分类;
步骤S322,根据类别优先级,对各类可攻击棋子进行排序;在每一类可攻击棋子内部,根据敌我距离由小到大进行排序;
步骤S323,选择排在第一位的敌方棋子,作为所述当前位置的攻击目标;
其中,
所述类别优先级为,坦克类棋子>战车类棋子>步兵类棋子。
9.根据权利要求7所述的坦克战术行为模拟方法,其特征在于,步骤S5中所述计算当前位置点对应的撤退位置,包括:
步骤S51,计算我方坦克在当前位置的剩余机动区域与所述当前位置的攻击目标的攻击区域的差集;
步骤S52,选择该差集中距离所述当前位置的攻击目标最远的位置点,作为所述当前位置点对应的撤退位置;
其中,
所述我方坦克在当前位置的剩余机动区域,为我方坦克在当前位置剩余机动力范围内能移动的所有位置的集合;
所述当前位置的攻击目标的攻击区域,为所述当前位置的攻击目标的武器射程能够覆盖到的所有位置的集合。
10.一种存储设备,其存储有程序,其特征在于,所述程序适于由处理器加载并执行,以实现权利要求1-9中任一项所述的陆军战术兵棋博弈中的坦克战术行为模拟方法。
11.一种处理设备,包括:
处理器,适于执行程序;以及
存储器,适于存储该程序;
其特征在于,所述程序适于由所述处理器加载并执行,以实现权利要求1-9中任一项所述的陆军战术兵棋博弈中的坦克战术行为模拟方法。
12.一种陆军战术兵棋博弈中坦克战术行为模拟系统,其特征在于,包括:态势信息接收与初始攻击目标选择模块、攻击机动模块、当前攻击目标选择模块、目标攻击模块、撤退位置计算模块,以及撤退机动模块;
所述态势信息接收与初始攻击目标选择模块,用于接收当前的态势信息;并根据所述当前的态势信息,选择我方坦克的初始攻击目标;
所述攻击机动模块,用于根据所述初始攻击目标,将我方坦克机动到攻击位置;
所述当前攻击目标选择模块,用于选择我方坦克在当前位置的攻击目标;
所述目标攻击模块,用于对所述当前位置的攻击目标进行射击;
所述撤退位置计算模块,用于计算我方坦克在当前位置点对应的撤退位置;
所述撤退机动模块,用于将我方坦克撤退到所述当前位置点对应的撤退位置。
13.根据权利要求12所述的坦克战术行为模拟系统,其特征在于,所述态势信息接收与初始攻击目标选择模块,包括:态势信息接收单元、初始位置确定单元、第一判断单元、初始攻击目标选择单元、第二判断单元、单步机动单元,以及第三判断单元;
所述态势信息接收单元,用于接收当前的态势信息;
所述初始位置确定单元,用于确定模拟系统中我方坦克的初始位置;
所述第一判断单元,用于判断我方坦克所述初始位置对应的攻击区域内是否存在敌方可攻击棋子;
所述初始攻击目标选择单元,用于在所述第一判断单元输出为真时,根据敌方可攻击棋子的类别优先级和敌我距离,选择所述初始攻击目标;
所述第二判断单元,用于判断我方坦克当前剩余机动力是否大于其最大机动力的一半;
所述单步机动单元,用于将我方坦克向夺控点方向机动一步;
所述第三判断单元,用于判断我方坦克当前位置对应的攻击区域内是否存在敌方可攻击棋子。
14.根据权利要求13所述的坦克战术行为模拟系统,其特征在于,所述攻击机动模块,包括:第四判断单元、攻击位置计算单元、攻击位置机动单元;
所述第四判断单元,用于判断我方坦克的当前位置是否不等于所述初始位置;
所述攻击位置计算单元,用于根据我方坦克最大机动力和所述初始攻击目标,计算攻击位置;
所述攻击位置机动单元,用于将我方坦克机动到攻击位置。
15.根据权利要求14所述的坦克战术行为模拟系统,其特征在于,所述当前攻击目标选择模块,包括:可攻击棋子分类单元、可攻击棋子排序单元,以及当前攻击目标选择单元;
所述可攻击棋子分类单元,用于根据棋子类型,对敌方可攻击棋子进行分类;
所述可攻击棋子排序单元,用于根据类别优先级对各类可攻击棋子进行排序,并在每一类可攻击棋子内部根据敌我距离由小到大进行排序;
所述当前攻击目标选择单元,用于选择排在第一位的敌方棋子,作为当前位置的攻击目标。
16.根据权利要求15所述的坦克战术行为模拟系统,其特征在于,所述撤退位置计算模块,包括:差集计算单元、撤退位置选择单元;
差集计算单元,用于计算我方坦克在当前位置的剩余机动区域与所述当前位置的攻击目标的攻击区域的差集;
所述撤退位置选择单元,用于选择该差集中距离所述当前位置的攻击目标最远的位置点,作为所述当前位置点对应的撤退位置。
CN201810238441.3A 2018-03-22 2018-03-22 陆军战术兵棋博弈中坦克战术行为模拟方法及系统和设备 Active CN108647374B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN201810238441.3A CN108647374B (zh) 2018-03-22 2018-03-22 陆军战术兵棋博弈中坦克战术行为模拟方法及系统和设备

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN201810238441.3A CN108647374B (zh) 2018-03-22 2018-03-22 陆军战术兵棋博弈中坦克战术行为模拟方法及系统和设备

Publications (2)

Publication Number Publication Date
CN108647374A true CN108647374A (zh) 2018-10-12
CN108647374B CN108647374B (zh) 2020-11-17

Family

ID=63744686

Family Applications (1)

Application Number Title Priority Date Filing Date
CN201810238441.3A Active CN108647374B (zh) 2018-03-22 2018-03-22 陆军战术兵棋博弈中坦克战术行为模拟方法及系统和设备

Country Status (1)

Country Link
CN (1) CN108647374B (zh)

Cited By (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN109766906A (zh) * 2018-11-16 2019-05-17 中国人民解放军海军大连舰艇学院 基于事件图的海战场情况数据融合方法与系统
CN112704877A (zh) * 2021-01-21 2021-04-27 博智安全科技股份有限公司 空中侦察的通视范围确定方法、终端设备和可读存储介质
CN113222106A (zh) * 2021-02-10 2021-08-06 西北工业大学 一种基于分布式强化学习的智能兵棋推演方法

Citations (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN101882388A (zh) * 2010-04-16 2010-11-10 南征兵推(北京)信息技术研究院 一种通用兵棋系统及编辑和裁决方法
CN103324993A (zh) * 2013-07-15 2013-09-25 中国电子科技集团公司第二十八研究所 一种基于多飞行器协同作战的轨迹优化方法
CN105999689A (zh) * 2016-05-30 2016-10-12 北京理工大学 一种机器博弈的亚马逊棋ai算法
CN107451195A (zh) * 2017-07-03 2017-12-08 三峡大学 一种基于大数据可视化的兵棋推演系统
CN107506513A (zh) * 2017-06-29 2017-12-22 南京理工大学 一种基于a*算法的兵棋六角格地图路径规划方法

Patent Citations (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN101882388A (zh) * 2010-04-16 2010-11-10 南征兵推(北京)信息技术研究院 一种通用兵棋系统及编辑和裁决方法
CN103324993A (zh) * 2013-07-15 2013-09-25 中国电子科技集团公司第二十八研究所 一种基于多飞行器协同作战的轨迹优化方法
CN105999689A (zh) * 2016-05-30 2016-10-12 北京理工大学 一种机器博弈的亚马逊棋ai算法
CN107506513A (zh) * 2017-06-29 2017-12-22 南京理工大学 一种基于a*算法的兵棋六角格地图路径规划方法
CN107451195A (zh) * 2017-07-03 2017-12-08 三峡大学 一种基于大数据可视化的兵棋推演系统

Non-Patent Citations (3)

* Cited by examiner, † Cited by third party
Title
BILLDOC21: "基于ARM坦克射击模拟系统目标选择与优化", 《HTTP://WWW.DOC88.COM/P-8961278395522.HTML》 *
中国指挥与控制学会: "2017首届全国兵棋推演大赛之"铁甲先遣队"任务及规则说明", 《HTTP://WWW.SOHU.COM/A/129418367_358040》 *
张俊恒: "计算机兵棋中兵力机动路径规划研究", 《中国优秀硕士学位论文全文数据库》 *

Cited By (6)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN109766906A (zh) * 2018-11-16 2019-05-17 中国人民解放军海军大连舰艇学院 基于事件图的海战场情况数据融合方法与系统
CN109766906B (zh) * 2018-11-16 2021-02-23 中国人民解放军海军大连舰艇学院 基于事件图的海战场情况数据融合方法与系统
CN112704877A (zh) * 2021-01-21 2021-04-27 博智安全科技股份有限公司 空中侦察的通视范围确定方法、终端设备和可读存储介质
CN112704877B (zh) * 2021-01-21 2022-05-24 博智安全科技股份有限公司 空中侦察的通视范围确定方法、终端设备和可读存储介质
CN113222106A (zh) * 2021-02-10 2021-08-06 西北工业大学 一种基于分布式强化学习的智能兵棋推演方法
CN113222106B (zh) * 2021-02-10 2024-04-30 西北工业大学 一种基于分布式强化学习的智能兵棋推演方法

Also Published As

Publication number Publication date
CN108647374B (zh) 2020-11-17

Similar Documents

Publication Publication Date Title
Uriarte et al. Kiting in RTS games using influence maps
CN108647374A (zh) 陆军战术兵棋博弈中坦克战术行为模拟方法及系统和设备
CN110119773A (zh) 战略博弈系统的全局态势评估方方法、系统、装置
CN106964145B (zh) 一种仿人足球机器人传球控制方法及球队控球方法
CN107063255A (zh) 一种基于改进果蝇优化算法的三维航路规划方法
CN113791634A (zh) 一种基于多智能体强化学习的多机空战决策方法
CN113222106B (zh) 一种基于分布式强化学习的智能兵棋推演方法
CN112633519B (zh) 人机对抗行动预测方法、装置、电子设备和存储介质
CN111625930A (zh) 一种桌面式自行火炮模拟训练系统
Stanescu et al. Using Lanchester attrition laws for combat prediction in StarCraft
CN116661503B (zh) 一种基于多智能体安全强化学习的集群航迹自动规划方法
CN110109653A (zh) 一种陆战兵棋智能引擎及其运行方法
Miles et al. Towards the co-evolution of influence map tree based strategy game players
CN112221149A (zh) 一种基于深度强化学习的炮兵连智能作战演练系统
Xue et al. Multi-attribute decision-making in wargames leveraging the Entropy-Weight method in conjunction with deep reinforcement learning
CN117408376A (zh) 一种基于战场划分和吸引力地图的兵棋算子位置预测方法及系统
Soleyman et al. Multi-agent mission planning with reinforcement learning
CN113988301B (zh) 战术策略生成方法、装置、电子设备及存储介质
Sun et al. $$ Research on fusion algorithm of multi-attribute decision making and reinforcement learning based on intuitionistic fuzzy number in wargame environment $$
Doherty et al. Evolving tactical behaviours for teams of agents in single player action games
Sun et al. Method for making multi-attribute decisions in wargames by combining intuitionistic fuzzy numbers with reinforcement learning
Li et al. Fuzzy Self-Adaptive Soccer Robot Behavior Decision System Design through ROS.
CN116910987A (zh) 一种基于效果的后勤保障链路毁伤模型
CN116258003A (zh) 一种智能体集群态势协同感知的分布式计算方法
Karacan et al. Attrition Models and Applications

Legal Events

Date Code Title Description
PB01 Publication
PB01 Publication
SE01 Entry into force of request for substantive examination
SE01 Entry into force of request for substantive examination
GR01 Patent grant
GR01 Patent grant