CN110288160A - 一种基于平行仿真的态势动态预测方法 - Google Patents
一种基于平行仿真的态势动态预测方法 Download PDFInfo
- Publication number
- CN110288160A CN110288160A CN201910569906.8A CN201910569906A CN110288160A CN 110288160 A CN110288160 A CN 110288160A CN 201910569906 A CN201910569906 A CN 201910569906A CN 110288160 A CN110288160 A CN 110288160A
- Authority
- CN
- China
- Prior art keywords
- simulation
- situation
- dynamic
- parallel
- prediction
- 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.)
- Pending
Links
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F30/00—Computer-aided design [CAD]
- G06F30/20—Design optimisation, verification or simulation
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
- G06Q10/00—Administration; Management
- G06Q10/04—Forecasting or optimisation specially adapted for administrative or management purposes, e.g. linear programming or "cutting stock problem"
Landscapes
- Engineering & Computer Science (AREA)
- Business, Economics & Management (AREA)
- Theoretical Computer Science (AREA)
- Physics & Mathematics (AREA)
- Human Resources & Organizations (AREA)
- Economics (AREA)
- Strategic Management (AREA)
- General Physics & Mathematics (AREA)
- General Business, Economics & Management (AREA)
- Operations Research (AREA)
- Quality & Reliability (AREA)
- Tourism & Hospitality (AREA)
- Marketing (AREA)
- Game Theory and Decision Science (AREA)
- Entrepreneurship & Innovation (AREA)
- Development Economics (AREA)
- Computer Hardware Design (AREA)
- Evolutionary Computation (AREA)
- Geometry (AREA)
- General Engineering & Computer Science (AREA)
- Management, Administration, Business Operations System, And Electronic Commerce (AREA)
Abstract
一种基于平行仿真的态势动态预测方法,包括平行仿真评估与预测框架构建步骤、仿真模型动态构建与修正步骤、态势仿真推演复杂度控制步骤和态势要素动态分析与预测步骤,采用参数化、组件化建模技术建立多分辨率仿真模型,通过离散事件仿真机制和分布式并行仿真技术,设计构建与实际信息系统相对应的人工仿真系统,在人工系统中进行仿真态势推演,通过人工系统与实际系统的平行运行、演化逼近和反馈控制,进而对实际系统进行模拟、分析、控制和预测。通过基于平行仿真技术的人工系统的推演与反馈,从而解决实际信息系统对复杂、动态的社会行为进行态势预测时置信度不高的问题,提高实际系统的管理、控制与决策的时效性和科学性。
Description
技术领域
本发明属于计算机仿真领域,具体的,涉及一种利用平行仿真的方法,对各种复杂性高、不确定性大、时效性强、因素多、变化快的社会行为进行态势动态预测的方法。
背景技术
平行仿真是一项计算机仿真技术,是平行系统理论在计算机仿真领域中的应用,其基本特点是虚实共生和模型动态演化,仿真系统和仿真对象(即现实世界对象或系统)存在交互和响应。
平行系统是指由某一个自然的现实系统和对应的一个或多个虚拟或理想的人工系统所组成的共同系统。平行仿真技术,旨在利用复杂系统仿真建模理论,构建与实际系统相对应的人工系统,通过实际系统与人工系统的相互联接,在人工系统中进行计算实验,通过人工系统与实际系统的平行运行、演化逼近和反馈控制,进而对实际系统进行模拟、分析、控制和预测。
平行仿真主要包括三个方面的内容:
1.学习与训练:人工系统作为一个学习、训练及控制复杂系统的中心,通过对实际与人工系统的适当联接组合,可以使管理和控制实际复杂系统的有关人员迅速掌握复杂系统的各种状况以及对应的行动;人工系统与实际系统也存在实时互动与学习,由于实际系统存在各种不确定性、复杂性或多样性的问题,因此人工系统与实际系统可以相互补充、协同演化。
2.管理与控制:人工系统试图尽可能地模拟实际系统,对其行为进行预估,从而为寻找对实际系统有效的解决方案或对当前方案进行改进提供依据;随着计算实验的深入与扩展,通过进一步观察实际系统运行状态,可预估其潜在的多个发展趋势,对比相应的人工系统状态,选择合适的策略引导实际系统行为;当实际系统与人工系统产生状态误差时,产生误差反馈信号,同时对人工系统和实际系统的评估方式或参数进行修正,以减少差别。
3.实验与评估:人工系统作为软件定义的系统,主要用来进行“计算实验”,以真实系统运行数据为信息输入,分析解复杂实际系统面对不同情境和状况时的行为和反应,并对不同解决方案的效果进行评估,作为辅助管理与控制决策的依据。
另一方面,态势动态预测是属于态势感知技术的重要内容,是数据信息融合领域中的重点研究问题。态势是指现实世界中实际系统的当前状态及发展变化趋势,包括实际系统的各种态势要素。态势要素分为确定性要素和不确定性要素两种类别。
态势感知技术包括感知、理解和预测三个层次,是对从实际世界中获取的数据信息进行高层次关系提取与处理,更接近于人的思维过程,要涉及到众多的因素、参数、规则、推理和判断等,所以比一级融合处理更复杂。态势预测进行的各类运算大多基于各类领域知识以及模拟人类思维的逻辑推理范畴,而且对于那些复杂性高、不确定性大、时效性强、因素多、变化快的社会行为进行预测,要想给出一个置信度较高的估计/预测模型是比较困难的。
目前在态势感知以及态势预测的工程化实现中,主要是应用认知模型的方法,如人工智能、专家系统、黑板模型、逻辑模板匹配等作为实现技术。尽管这些实现技术方法为态势预测的实用化提供了很有希望的技术途径,但是它们都只能部分地实现态势预测的某些功能。现有的研究成果已经表明单一的信息融合方法对于态势预测这种高层级融合问题往往难于奏效,随着对信息融合系统性能的要求越来越高,单纯依赖某种技术方法是不够的,需要综合运用多种技术方法来提高态势预测的可信度。
因此,如何将平行仿真技术与社会行为态势预测进行结合,针对某一具体领域的社会行为进行平行仿真,进而综合运用多种技术对各种复杂性高、不确定性大、时效性强、因素多、变化快的社会行为进行态势动态预测成为现有技术亟需解决的技术问题。
发明内容
本发明主要目的是解决工程化的实际信息系统对复杂、动态的社会行为进行态势预测时置信度不高的问题,提供一种基于平行仿真的态势动态预测方法,通过构建与实际信息系统相对应的针对某一具体领域的人工仿真系统,例如,城市交通管理、社会突发事件处置、作战辅助决策以及火箭卫星导航等领域,接收上述实际信息系统的各类数据信息,在人工仿真系统中进行多分支并行仿真运算的快速推演,通过人工仿真系统与实际信息系统的平行运行、演化逼近和反馈控制,进而提高实际信息系统对复杂动态的社会行为进行态势动态预测的可信度。
为达此目的,本发明采用以下技术方案:
一种基于平行仿真的态势动态预测方法,包括如下步骤:
平行仿真评估与预测框架构建步骤S110:
构建能够与实际信息系统进行信息数据交互的人工仿真系统,所述人工仿真系统依据具有演化修正能力的多分辨率仿真模型,并通过基于离散事件的仿真推进机制和分布式并行仿真方法进行运行,所述人工仿真系统具有数据与模型分离的仿真模型;
仿真模型动态构建与修正步骤S120:
所述人工仿真系统是通过基于元数据的仿真模型描述技术以及参数化、组件化仿真建模方法建立与实际系统研究领域的实际信息系统相对应的具有多分辨率自适应能力的基础仿真模型,该人工仿真系统不断地从实际信息系统中获取数据信息进行学习演化,用于调整各类仿真模型的参数、结构或属性,形成不断演化并支持态势推演的仿真模型;
态势仿真推演复杂度控制S130:
利用集群/多核并行计算、并行仿真调度、仿真模型聚合、平行仿真调度和计算负载均衡的控制策略,对所述人工仿真系统的态势仿真推演进行优化和改进;
态势要素动态分析与预测步骤S140:
以人工仿真系统的态势推演为支撑,对实际信息系统研究的社会行为领域内的时间、空间的多个态势要素进行察觉、认知、理解和分析,在态势要素理解和综合分析的基础上,结合历史数据和知识规则,构建态势预测知识库,对复杂动态的社会行为的态势进行动态预测。
可选的,所述平行仿真评估与预测框架构建步骤S110具体还包括:通过基于元数据的交互格式和接口描述语言,建立人工仿真系统与实际信息系统之间的相互关联与信息交互,以及根据从实际信息系统中获取的各类数据信息,实现人工系统中仿真模型的动态匹配,将实际信息系统和人工仿真系统通过交互接口联接起来,形成平行系统。
可选的,所述人工仿真系统与实际信息系统是基于闭环反馈的可演化平行仿真,人工仿真系统与实际信息系统彼此进行信息交互,人工仿真系统的演化建模基于情报数据进行推动,人工仿真系统与实际信息系统之间形成虚实共生的态势关系。
可选的,在步骤S120中,该人工仿真系统是通过模型组装、聚合/解聚技术实现仿真模型的多分辨率自适应调整,还对仿真模型的标识特征、物理特征、状态特征、行为特征不断进行动态修正,以形成不断演化并支持态势推演的仿真模型。
可选的,在步骤S120中,人工仿真系统的动态构建与修正包括基于实体映射的基础模型调度、基于元数据的动态模型构建、情报数据特征参数提取、实体仿真模型分级动态匹配、情报数据驱动的模型动态修正以及基于强化学习的决策知识进化。
可选的,步骤S130具体包括:采用集群/多核并行计算和并行仿真调度的控制策略,通过基于离散事件超实时仿真技术,实现近实时的仿真调度和态势推演;采用仿真模型聚合的控制策略,通过多分辨率仿真模型自适应技术,降低在不同仿真粒度要求下的仿真模型计算复杂度,提高态势推演时仿真模型数量的上限;采用平行仿真调度的控制策略,通过多分支平行仿真技术,实现大样本多分支态势推演的收敛;采用计算负载均衡的控制策略,通过分布式并行计算技术,优化解决仿真节点数量与计算能力的矛盾。
可选的,态势要素动态分析与预测步骤S140具体包括:
结合历史数据和知识规则,构建历史数据库、行为规则知识库、预测规则知识库以及控制规则知识库,根据从实际信息系统反馈的态势信息以及行动控制方案,结合行为规则知识库,通过知识推理技术推导出态势可能发展的多个分支,在人工仿真系统中进行多分支平行仿真推演,通过推演复杂度控制保证平行仿真推演的时效性与收敛性;结合历史数据库,通过动态贝叶斯网络推理对实际态势信息进行分析,得出各分支发展概率;结合预测规则知识库和控制规则知识库,通过模糊逻辑技术和期望模板匹配,推导出态势发展趋势以及存在的影响和潜在威胁。
可选的,在态势要素动态分析与预测步骤S140中,还进一步通过遗传算法技术进行预测规则知识的强化学习,并对历史知识、行为知识和控制知识进行相应的更新。
综上所述,本发明对现实世界某种复杂动态的社会行为领域环境,综合运用多种计算机仿真建模技术,建立与实际信息系统相对应的人工仿真系统,并且构建一个人工仿真系统与实际信息系统平行运行的系统框架,通过多分支平行仿真、分布式并行计算、多分辨率仿真模型自适应等技术降低人工系统仿真推演的运算复杂度,提高仿真推演的时效性,综合运用知识推理、贝叶斯网络、模板匹配、遗传算法等方法,通过建立“期望模板”的方式,对复杂动态社会行为的趋势企图进行推理和预测。本发明解决了实际信息系统对复杂、动态的社会行为进行态势预测时置信度不高的问题,提高实际信息系统的管理、控制与决策的时效性和科学性。
附图说明
图1是根据本发明具体实施例的基于平行仿真的态势动态预测方法的步骤图;
图2是根据本发明具体实施例的基于平行仿真的态势动态预测方法的原理图;
图3是根据本发明具体实施例的平行仿真评估与预测框架构建步骤的示意图;
图4是根据本发明具体实施例的仿真模型动态构建与修正步骤的示意图;
图5是根据本发明具体实施例的态势仿真推演复杂度控制策略的示意图;
图6是根据本发明具体实施例的态势要素动态分析与预测步骤的示意图。
具体实施方式
下面结合附图和实施例对本发明作进一步的详细说明。可以理解的是,此处所描述的具体实施例仅仅用于解释本发明,而非对本发明的限定。另外还需要说明的是,为了便于描述,附图中仅示出了与本发明相关的部分而非全部结构。
本发明在于设计构建与实际信息系统相对应的人工仿真系统,实际信息系统是针对某一具体领域的管理、控制、决策信息系统,例如,城市交通管理、社会突发事件处置、作战辅助决策以及火箭卫星导航等领域,人工仿真系统接收实际信息系统的各类数据信息,利用集群/多核并行计算、并行仿真调度、仿真模型聚合、平行仿真调度和计算负载均衡等控制方法提高运算推演速度、降低运算复杂度、进行预测的快速收敛,以人工仿真系统的态势推演为支撑,对实际信息系统研究的社会行为领域进行分析与预测,通过人工仿真系统与实际信息系统的平行运行、演化逼近和反馈控制,进而提高实际信息系统对复杂动态的社会行为进行态势动态预测的可信度。
具体的,参见图1,示出了根据本发明的基于平行仿真的态势动态预测方法的步骤图,本方法包括4个步骤,分别是平行仿真评估与预测框架构建步骤S110、仿真模型动态构建与修正步骤S120、态势仿真推演复杂度控制步骤S130和态势要素动态分析与预测步骤S140。参见图2,示出了根据本发明具体实施例的基于平行仿真的态势动态预测方法的原理图。
具体而言:
平行仿真评估与预测框架构建步骤S110:
构建能够与实际信息系统进行信息数据交互的人工仿真系统,所述人工仿真系统依据具有演化修正能力的多分辨率仿真模型,并通过基于离散事件的仿真推进机制和分布式并行仿真方法进行运行,所述人工仿真系统具有数据与模型分离的仿真模型。
所述实际信息系统指的是某一具体领域,因此,所构建的人工仿真系统也是针对某一具体领域,例如城市交通管理、社会突发事件处置、作战辅助决策以及火箭卫星导航等领域。
参见图3,示出了根据本发明具体实施例的平行仿真评估与预测框架构建步骤的示意图。
该步骤具体还包括:通过基于元数据的交互格式和接口描述语言,建立人工仿真系统与实际信息系统之间的相互关联与信息交互,以及根据从实际信息系统中获取的各类数据信息,实现人工系统中仿真模型的动态匹配,将实际信息系统和人工仿真系统通过交互接口联接起来,形成“虚”、“实”共生的平行系统。因此,实际信息系统和人工仿真系统同时存在,人工仿真系统受益于实际态势信息以演化修正自身模型、提高仿真结果精度,实际信息系统则受益于人工仿真系统反馈的仿真结果以提升管理与控制的时效性和科学性。
进一步的,所述人工仿真系统与实际信息系统是基于闭环反馈的可演化平行仿真,人工仿真系统与实际信息系统彼此进行信息交互,人工仿真系统的演化建模基于情报数据进行推动,人工仿真系统与实际信息系统之间形成虚实共生的态势关系。
仿真模型动态构建与修正步骤S120:
所述人工仿真系统是通过基于元数据的仿真模型描述技术以及参数化、组件化仿真建模方法建立与实际系统研究领域的实际信息系统相对应的具有多分辨率自适应能力的基础仿真模型,该人工仿真系统不断地从实际信息系统中获取数据信息进行学习演化,用于调整各类仿真模型的参数、结构或属性,形成不断演化并支持态势推演的仿真模型。
参见图4,示出了根据本发明具体实施例的仿真模型动态构建与修正步骤的示意图。
具体的,在该步骤中,该人工仿真系统是通过模型组装、聚合/解聚技术实现仿真模型的多分辨率自适应调整,对仿真模型的标识特征、物理特征、状态特征、行为特征不断进行动态修正,以形成不断演化并支持态势推演的仿真模型。
在该步骤中,人工仿真系统的动态构建与修正包括基于实体映射的基础模型调度、基于元数据的动态模型构建、情报数据特征参数提取、实体仿真模型分级动态匹配、情报数据驱动的模型动态修正以及基于强化学习的决策知识进化。
态势仿真推演复杂度控制S130:
利用集群/多核并行计算、并行仿真调度、仿真模型聚合、平行仿真调度和计算负载均衡的控制策略,对所述人工仿真系统的态势仿真推演进行优化和改进,包括降低运算复杂度,优化运算方法,提高仿真时效性。
该步骤主要用于解决在基于实际信息系统的实时数据进行仿真推演时,实体仿真模型的数量、仿真模型计算复杂度、大样本多分支方案数量与仿真节点数量、仿真计算能力之间存在着的矛盾和不足,以提高仿真效率,解决复杂动态社会行为态势预测的时效性和收敛性问题。
参见图5,示出了根据本发明具体实施例的态势仿真推演复杂度控制策略的示意图。
具体而言,本步骤包括采用集群/多核并行计算和并行仿真调度的控制策略,通过基于离散事件超实时仿真技术,实现近实时的仿真调度和态势推演;采用仿真模型聚合的控制策略,通过多分辨率仿真模型自适应技术,降低在不同仿真粒度要求下的仿真模型计算复杂度,可提高态势推演时仿真模型数量的上限;采用平行仿真调度的控制策略,通过多分支平行仿真技术,实现大样本多分支态势推演的收敛;采用计算负载均衡的控制策略,通过分布式并行计算技术,优化解决仿真节点数量与计算能力的矛盾。
态势要素动态分析与预测步骤S140:
以人工仿真系统的态势推演为支撑,对实际信息系统研究的社会行为领域内的时间、空间的多个态势要素进行察觉、认知、理解和分析,在态势要素理解和综合分析的基础上,结合历史数据和知识规则,构建态势预测知识库,对复杂动态的社会行为的态势进行动态预测,所述态势包括运动趋势、行动企图和/或控制效果。
具体的,参见图6,示出了根据本发明具体实施例的态势要素动态分析与预测步骤的示意图。
具体而言,结合历史数据和知识规则,构建历史数据库、行为规则知识库、预测规则知识库以及控制规则知识库,根据从实际信息系统反馈的态势信息以及行动控制方案,结合行为规则知识库,通过知识推理技术推导出态势可能发展的多个分支,在人工仿真系统中进行多分支平行仿真推演,通过推演复杂度控制保证平行仿真推演的时效性与收敛性;结合历史数据库,通过动态贝叶斯网络推理对实际态势信息进行分析,得出各分支发展概率;结合预测规则知识库和控制规则知识库,通过模糊逻辑技术和期望模板匹配,推导出态势发展趋势以及存在的影响和潜在威胁。
进一步的,在该步骤中,还进一步通过遗传算法技术进行预测规则知识的强化学习,并对历史知识、行为知识和控制知识进行更新,例如对存储历史知识、行为知识和控制知识的数据库进行更新。
本步骤的上述过程随着人工仿真系统和实际信息系统的平行运行而演化逼近,通过持续迭代,逐渐提高历史数据库、行为规则知识库、预测规则知识库、控制规则知识库与实际行为领域的匹配度,实现对复杂动态社会行为的变化趋势、发展企图、控制效果等态势动态预测的可信度提升。
实施例:
本发明适用于对多种复杂动态的社会行为进行态势动态预测,可以应用于城市交通管理、社会突发事件处置、作战辅助决策以及火箭卫星导航等领域,下面结合具体领域的人工仿真建模的实施例对本发明的态势动态预测方法进行阐述。
1.城市交通管理
针对大型城市交通具有的流量大、变化快、道路施工、交通事故、道路情况复杂等情况,综合运用计算机仿真建模技术,建立各类交通工具模型、道路模型、交通事故模型、交通流量模型以及交通管理模型等,构建与城市实际交通管理系统平行运行的交通管理仿真系统。仿真系统从城市交通管理系统中获取当前交通的各类实时信息,运用大型计算机进行多分支仿真推演,通过仿真复杂度控制提高仿真运算速度和推演时效性,通过态势要素动态分析与推理给出交通情况发展趋势的预测。城市交通管理系统根据仿真系统提供的态势预测,对城市交通进行管理与控制,并将管理控制的结果信息反馈给仿真系统。仿真系统根据实时反馈的交通情况信息,对各类仿真模型参数进行修正,以及更新知识库进化推理预测模型。经过迭代的模型修正演化,使仿真模型及知识库逐步逼近真实的城市交通领域环境,提高仿真系统对交通态势预测的可靠性。
2.社会突发事件处置
根据社会突发事件处置系统所对应的各类恐怖袭击事件环境,综合运用计算机仿真建模技术,建立各类恐怖分子模型、公安武警模型、武器装备模型、城市环境模型、社会舆情模型、交通工具模型以及网络通信模型等,构建与社会突发事件处置系统平行运行的突发事件仿真系统。仿真系统从社会突发事件处置系统中获取当前发生的各类实时信息,运用大型计算机进行多分支仿真推演,通过仿真复杂度控制提高仿真运算速度和推演时效性,通过态势要素动态分析与推理给出突发事件发展趋势的预测。社会突发事件处置系统根据仿真系统提供的态势预测,对突发事件进行管理处置,并将管理处置的结果信息反馈给仿真系统。仿真系统根据实时反馈的事件情报信息,对各类仿真模型参数进行修正,以及更新知识库进化推理预测模型。经过多次事件处置的模型修正演化,使仿真模型及知识库逐步逼近真实的社会突发事件领域环境,提高仿真系统对突发事件态势预测的可靠性。
3.作战辅助决策
根据不同作战背景条件的战场环境,综合运用计算机仿真建模技术,建立各类作战实体模型、指挥实体模型、武器装备模型、侦察情报模型、通信网络模型、电子对抗模型以及指挥控制模型等,构建与作战指挥信息系统平行运行的作战仿真系统。仿真系统从作战指挥信息系统中实时获取当各类战场情报信息,运用大型计算机进行多分支仿真推演,通过仿真复杂度控制提高仿真运算速度和推演时效性,通过态势要素动态分析与推理给出战场态势的预测。作战指挥信息系统根据仿真系统提供的态势预测,对作战行动和计划进行指挥决策,并将作战行动计划及后续的战场情报信息继续反馈给仿真系统。仿真系统根据实时反馈的战场情报信息,对各类仿真模型参数进行修正,以及更新知识库进化推理预测模型。经过反复迭代的模型修正演化,使仿真模型及知识库逐步逼近真实的战场领域环境,提高仿真系统对作战行动态势预测的可靠性。
4.火箭卫星导航
针对火箭卫星发射、飞行导航的地理、大气、太空环境,综合运用计算机仿真建模技术,建立各类火箭模型、卫星模型、地理模型、大气模型、太空模型、星体模型、飞行控制模型以及通信网络模型等,构建与火箭卫星导航系统相对应的平行导航仿真系统。仿真系统从火箭卫星导航系统中获取当前火箭卫星飞行的各类实时数据信息,运用大型计算机进行多分支仿真推演,通过仿真复杂度控制提高仿真运算速度和推演时效性,通过态势要素动态分析与推理给出火箭卫星导航发展趋势的预测。火箭卫星导航系统根据仿真系统提供的态势预测,对火箭卫星进行飞行控制与管理,并将飞行控制及结果信息反馈给仿真系统。仿真系统根据实时反馈的导航状态信息,对各类仿真模型参数进行修正,以及更新知识库进化推理预测模型。经过迭代的模型修正演化,使仿真模型及知识库逐步逼近真实的火箭卫星导航领域环境,提高导航仿真系统对飞行导航态势预测的可靠性。
综上,本发明对现实世界某种复杂动态的社会行为领域环境,综合运用多种计算机仿真建模技术,建立与实际信息系统相对应的人工仿真系统,并且构建一个人工仿真系统与实际信息系统平行运行的系统框架,通过多分支平行仿真、分布式并行计算、多分辨率仿真模型自适应等技术降低人工系统仿真推演的运算复杂度,提高仿真推演的时效性,综合运用知识推理、贝叶斯网络、模板匹配、遗传算法等方法,通过建立“期望模板”的方式,对复杂动态社会行为的趋势企图进行推理和预测。本发明解决了实际信息系统对复杂、动态的社会行为进行态势预测时置信度不高的问题,提高实际信息系统的管理、控制与决策的时效性和科学性。
显然,本领域技术人员应该明白,上述的本发明的各单元或各步骤可以用通用的计算装置来实现,它们可以集中在单个计算装置上,可选地,他们可以用计算机装置可执行的程序代码来实现,从而可以将它们存储在存储装置中由计算装置来执行,或者将它们分别制作成各个集成电路模块,或者将它们中的多个模块或步骤制作成单个集成电路模块来实现。这样,本发明不限制于任何特定的硬件和软件的结合。
以上内容是结合具体的优选实施方式对本发明所作的进一步详细说明,不能认定本发明的具体实施方式仅限于此,对于本发明所属技术领域的普通技术人员来说,在不脱离本发明构思的前提下,还可以做出若干简单的推演或替换,都应当视为属于本发明由所提交的权利要求书确定保护范围。
Claims (8)
1.一种基于平行仿真的态势动态预测方法,包括如下步骤:
平行仿真评估与预测框架构建步骤S110:
构建能够与实际信息系统进行信息数据交互的人工仿真系统,所述人工仿真系统依据具有演化修正能力的多分辨率仿真模型,并通过基于离散事件的仿真推进机制和分布式并行仿真方法进行运行,所述人工仿真系统具有数据与模型分离的仿真模型;
仿真模型动态构建与修正步骤S120:
所述人工仿真系统是通过基于元数据的仿真模型描述技术以及参数化、组件化仿真建模方法建立与实际系统研究领域的实际信息系统相对应的具有多分辨率自适应能力的基础仿真模型,该人工仿真系统不断地从实际信息系统中获取数据信息进行学习演化,用于调整各类仿真模型的参数、结构或属性,形成不断演化并支持态势推演的仿真模型;
态势仿真推演复杂度控制S130:
利用集群/多核并行计算、并行仿真调度、仿真模型聚合、平行仿真调度和计算负载均衡的控制策略,对所述人工仿真系统的态势仿真推演进行优化和改进;
态势要素动态分析与预测步骤S140:
以人工仿真系统的态势推演为支撑,对实际信息系统研究的社会行为领域内的时间、空间的多个态势要素进行察觉、认知、理解和分析,在态势要素理解和综合分析的基础上,结合历史数据和知识规则,构建态势预测知识库,对复杂动态的社会行为的态势进行动态预测。
2.根据权利要求1所述的态势动态预测方法,其特征在于:
所述平行仿真评估与预测框架构建步骤S110具体还包括:通过基于元数据的交互格式和接口描述语言,建立人工仿真系统与实际信息系统之间的相互关联与信息交互,以及根据从实际信息系统中获取的各类数据信息,实现人工系统中仿真模型的动态匹配,将实际信息系统和人工仿真系统通过交互接口联接起来,形成平行系统。
3.根据权利要求2所述的态势动态预测方法,其特征在于:
所述人工仿真系统与实际信息系统是基于闭环反馈的可演化平行仿真,人工仿真系统与实际信息系统彼此进行信息交互,人工仿真系统的演化建模基于情报数据进行推动,人工仿真系统与实际信息系统之间形成虚实共生的态势关系。
4.根据权利要求1所述的态势动态预测方法,其特征在于:
在步骤S120中,该人工仿真系统是通过模型组装、聚合/解聚技术实现仿真模型的多分辨率自适应调整,还对仿真模型的标识特征、物理特征、状态特征、行为特征不断进行动态修正,以形成不断演化并支持态势推演的仿真模型。
5.根据权利要求4所述的态势动态预测方法,其特征在于:
在步骤S120中,人工仿真系统的动态构建与修正包括基于实体映射的基础模型调度、基于元数据的动态模型构建、情报数据特征参数提取、实体仿真模型分级动态匹配、情报数据驱动的模型动态修正以及基于强化学习的决策知识进化。
6.根据权利要求1所述的态势动态预测方法,其特征在于:
所述步骤S130具体包括:采用集群/多核并行计算和并行仿真调度的控制策略,通过基于离散事件超实时仿真技术,实现近实时的仿真调度和态势推演;采用仿真模型聚合的控制策略,通过多分辨率仿真模型自适应技术,降低在不同仿真粒度要求下的仿真模型计算复杂度,提高态势推演时仿真模型数量的上限;采用平行仿真调度的控制策略,通过多分支平行仿真技术,实现大样本多分支态势推演的收敛;采用计算负载均衡的控制策略,通过分布式并行计算技术,优化解决仿真节点数量与计算能力的矛盾。
7.根据权利要求1所述的态势动态预测方法,其特征在于:
所述态势要素动态分析与预测步骤S140具体包括:
结合历史数据和知识规则,构建历史数据库、行为规则知识库、预测规则知识库以及控制规则知识库,根据从实际信息系统反馈的态势信息以及行动控制方案,结合行为规则知识库,通过知识推理技术推导出态势可能发展的多个分支,在人工仿真系统中进行多分支平行仿真推演,通过推演复杂度控制保证平行仿真推演的时效性与收敛性;结合历史数据库,通过动态贝叶斯网络推理对实际态势信息进行分析,得出各分支发展概率;结合预测规则知识库和控制规则知识库,通过模糊逻辑技术和期望模板匹配,推导出态势发展趋势以及存在的影响和潜在威胁。
8.根据权利要求7所述的态势动态预测方法,其特征在于:
在态势要素动态分析与预测步骤S140中,还进一步通过遗传算法技术进行预测规则知识的强化学习,并对历史知识、行为知识和控制知识进行相应的更新。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201910569906.8A CN110288160A (zh) | 2019-06-27 | 2019-06-27 | 一种基于平行仿真的态势动态预测方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201910569906.8A CN110288160A (zh) | 2019-06-27 | 2019-06-27 | 一种基于平行仿真的态势动态预测方法 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN110288160A true CN110288160A (zh) | 2019-09-27 |
Family
ID=68019308
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201910569906.8A Pending CN110288160A (zh) | 2019-06-27 | 2019-06-27 | 一种基于平行仿真的态势动态预测方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN110288160A (zh) |
Cited By (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN111784199A (zh) * | 2020-07-23 | 2020-10-16 | 中国人民解放军国防科技大学 | 业务与信息与技术相互演化的系统、方法及存储介质 |
CN112651130A (zh) * | 2020-12-28 | 2021-04-13 | 航天科工网络信息发展有限公司 | 一种面向决策支持的虚实映射平行仿真系统 |
CN112766595A (zh) * | 2021-01-29 | 2021-05-07 | 北京电子工程总体研究所 | 一种指挥控制装置、方法、系统、计算机设备及介质 |
CN113568324A (zh) * | 2021-06-29 | 2021-10-29 | 之江实验室 | 一种基于仿真演绎的知识图谱修正方法 |
CN113971047A (zh) * | 2021-10-22 | 2022-01-25 | 中国联合网络通信集团有限公司 | 分级平行系统的构建方法、应用方法、计算机设备及介质 |
CN115330095A (zh) * | 2022-10-14 | 2022-11-11 | 青岛慧拓智能机器有限公司 | 矿车调度模型训练方法、装置、芯片、终端、设备及介质 |
CN116258026A (zh) * | 2023-05-16 | 2023-06-13 | 中国人民解放军国防科技大学 | 一种基于多分辨率通用兵力模型的聚合解聚系统和方法 |
Citations (8)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
WO2007043786A1 (en) * | 2005-10-10 | 2007-04-19 | Seiyang Yang | Dynamic-based verification apparatus for verification from electronic system level to gate level, and verification method using the same |
CN101083019A (zh) * | 2006-12-31 | 2007-12-05 | 中国人民解放军63791部队 | 基于空间态势感知的快速评估系统 |
CN105701273A (zh) * | 2015-12-31 | 2016-06-22 | 北京华如科技股份有限公司 | 一种基于主体的组件化物流系统仿真计算方法 |
CN106650985A (zh) * | 2016-09-12 | 2017-05-10 | 南京航空航天大学 | 基于随机Petri网的不正常航班衍生事件链式效应预测方法 |
CN107464012A (zh) * | 2017-07-10 | 2017-12-12 | 中国电子科技集团公司第二十八研究所 | 一种基于平行仿真的城市交通运输支持系统 |
CN107491853A (zh) * | 2017-06-22 | 2017-12-19 | 杨雪榕 | 基于仿真在回路的平行计算试验系统以及试验方法 |
CN108549366A (zh) * | 2018-05-04 | 2018-09-18 | 同济大学 | 智能汽车道路行驶与虚拟测试平行映射实验方法 |
CN108873799A (zh) * | 2018-06-29 | 2018-11-23 | 南京海联智能科技有限公司 | 船载智能驾驶辅助终端 |
-
2019
- 2019-06-27 CN CN201910569906.8A patent/CN110288160A/zh active Pending
Patent Citations (8)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
WO2007043786A1 (en) * | 2005-10-10 | 2007-04-19 | Seiyang Yang | Dynamic-based verification apparatus for verification from electronic system level to gate level, and verification method using the same |
CN101083019A (zh) * | 2006-12-31 | 2007-12-05 | 中国人民解放军63791部队 | 基于空间态势感知的快速评估系统 |
CN105701273A (zh) * | 2015-12-31 | 2016-06-22 | 北京华如科技股份有限公司 | 一种基于主体的组件化物流系统仿真计算方法 |
CN106650985A (zh) * | 2016-09-12 | 2017-05-10 | 南京航空航天大学 | 基于随机Petri网的不正常航班衍生事件链式效应预测方法 |
CN107491853A (zh) * | 2017-06-22 | 2017-12-19 | 杨雪榕 | 基于仿真在回路的平行计算试验系统以及试验方法 |
CN107464012A (zh) * | 2017-07-10 | 2017-12-12 | 中国电子科技集团公司第二十八研究所 | 一种基于平行仿真的城市交通运输支持系统 |
CN108549366A (zh) * | 2018-05-04 | 2018-09-18 | 同济大学 | 智能汽车道路行驶与虚拟测试平行映射实验方法 |
CN108873799A (zh) * | 2018-06-29 | 2018-11-23 | 南京海联智能科技有限公司 | 船载智能驾驶辅助终端 |
Non-Patent Citations (6)
Title |
---|
LIN JIANNING 等: "Research of Resource Selection Algorithm of Parallel Simulation System for Command Decisions Support Driven by Real-Time Intelligence", 《SCS AUTUMN SIMULATION MULTI-CONFERENCE》 * |
周芳 等: "情报数据驱动的平行仿真实体模型动态匹配方法", 《指挥与控制学报》 * |
周芳 等: "情报驱动的平行仿真实体动态生成方法", 《系统工程与电子技术》 * |
方冰 等: "基于平行仿真的城市交通运输决策支持平台", 《指挥信息系统与技术》 * |
毛少杰 等: "面向指挥决策支持的平行仿真系统研究", 《指挥与控制学报》 * |
窦林涛 等: "平行仿真技术在指控系统中的应用构想", 《指挥控制与仿真》 * |
Cited By (10)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN111784199A (zh) * | 2020-07-23 | 2020-10-16 | 中国人民解放军国防科技大学 | 业务与信息与技术相互演化的系统、方法及存储介质 |
CN112651130A (zh) * | 2020-12-28 | 2021-04-13 | 航天科工网络信息发展有限公司 | 一种面向决策支持的虚实映射平行仿真系统 |
CN112766595A (zh) * | 2021-01-29 | 2021-05-07 | 北京电子工程总体研究所 | 一种指挥控制装置、方法、系统、计算机设备及介质 |
CN112766595B (zh) * | 2021-01-29 | 2023-09-29 | 北京电子工程总体研究所 | 一种指挥控制装置、方法、系统、计算机设备及介质 |
CN113568324A (zh) * | 2021-06-29 | 2021-10-29 | 之江实验室 | 一种基于仿真演绎的知识图谱修正方法 |
CN113568324B (zh) * | 2021-06-29 | 2023-10-20 | 之江实验室 | 一种基于仿真演绎的知识图谱修正方法 |
CN113971047A (zh) * | 2021-10-22 | 2022-01-25 | 中国联合网络通信集团有限公司 | 分级平行系统的构建方法、应用方法、计算机设备及介质 |
CN113971047B (zh) * | 2021-10-22 | 2023-06-23 | 中国联合网络通信集团有限公司 | 分级平行系统的构建方法、应用方法、计算机设备及介质 |
CN115330095A (zh) * | 2022-10-14 | 2022-11-11 | 青岛慧拓智能机器有限公司 | 矿车调度模型训练方法、装置、芯片、终端、设备及介质 |
CN116258026A (zh) * | 2023-05-16 | 2023-06-13 | 中国人民解放军国防科技大学 | 一种基于多分辨率通用兵力模型的聚合解聚系统和方法 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN110288160A (zh) | 一种基于平行仿真的态势动态预测方法 | |
Lu et al. | LSTM variants meet graph neural networks for road speed prediction | |
Zhang et al. | DynaCAS: Computational experiments and decision support for ITS | |
Xu et al. | Scalable learning paradigms for data-driven wireless communication | |
CN102207928B (zh) | 基于强化学习的多Agent污水处理决策支持系统 | |
Liu et al. | Communication-aware motion planning for multi-agent systems from signal temporal logic specifications | |
CN110481536B (zh) | 一种应用于混合动力汽车的控制方法及设备 | |
Wang et al. | Ant colony optimization with an improved pheromone model for solving MTSP with capacity and time window constraint | |
CN112990485A (zh) | 基于强化学习的知识策略选择方法与装置 | |
Lv et al. | A new hybrid algorithm based on golden eagle optimizer and grey wolf optimizer for 3D path planning of multiple UAVs in power inspection | |
Huang et al. | A novel hybrid discrete grey wolf optimizer algorithm for multi-UAV path planning | |
Gao et al. | Multi-UAV task allocation based on improved algorithm of multi-objective particle swarm optimization | |
Wang et al. | Building transportation foundation model via generative graph transformer | |
Wang et al. | Coupled alternating neural networks for solving multi-population high-dimensional mean-field games with stochasticity | |
Zhao et al. | Deep Q networks-based optimization of emergency resource scheduling for urban public health events | |
Liu et al. | GPLight: Grouped Multi-agent Reinforcement Learning for Large-scale Traffic Signal Control. | |
Peng et al. | Modeling and solving the dynamic task allocation problem of heterogeneous UAV swarm in unknown environment | |
CN117408405A (zh) | 一种基于交通算网的边缘算力解构及智能调度方法 | |
Huo | [Retracted] Intelligent Recognition Method of Vehicle Path with Time Window Based on Genetic Algorithm | |
Maciejowski et al. | NMPC for complex stochastic systems using a Markov chain Monte Carlo approach | |
Bang et al. | Safe Merging in Mixed Traffic with Confidence | |
CN114523990A (zh) | 基于分层强化学习的自动驾驶决策方法和装置 | |
Fan et al. | Framework and key technologies of human-machine hybrid-augmented intelligence system for large-scale power grid dispatching and control | |
Chen et al. | Tensor-train fuzzy deep computation model for citywide traffic flow prediction | |
CN111950691A (zh) | 一种基于潜在动作表示空间的强化学习策略学习方法 |
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 | ||
RJ01 | Rejection of invention patent application after publication |
Application publication date: 20190927 |
|
RJ01 | Rejection of invention patent application after publication |