CN115048823B - 一种智能决策推演的方法、装置、设备及存储介质 - Google Patents
一种智能决策推演的方法、装置、设备及存储介质 Download PDFInfo
- Publication number
- CN115048823B CN115048823B CN202210976100.2A CN202210976100A CN115048823B CN 115048823 B CN115048823 B CN 115048823B CN 202210976100 A CN202210976100 A CN 202210976100A CN 115048823 B CN115048823 B CN 115048823B
- Authority
- CN
- China
- Prior art keywords
- deduction
- service
- data
- decision
- function module
- 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.)
- Active
Links
Images
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
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F9/00—Arrangements for program control, e.g. control units
- G06F9/06—Arrangements for program control, e.g. control units using stored programs, i.e. using an internal store of processing equipment to receive or retain programs
- G06F9/44—Arrangements for executing specific programs
- G06F9/455—Emulation; Interpretation; Software simulation, e.g. virtualisation or emulation of application or operating system execution engines
- G06F9/45533—Hypervisors; Virtual machine monitors
- G06F9/45558—Hypervisor-specific management and integration aspects
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F9/00—Arrangements for program control, e.g. control units
- G06F9/06—Arrangements for program control, e.g. control units using stored programs, i.e. using an internal store of processing equipment to receive or retain programs
- G06F9/46—Multiprogramming arrangements
- G06F9/50—Allocation of resources, e.g. of the central processing unit [CPU]
- G06F9/5061—Partitioning or combining of resources
- G06F9/5072—Grid computing
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F2111/00—Details relating to CAD techniques
- G06F2111/02—CAD in a network environment, e.g. collaborative CAD or distributed simulation
Landscapes
- Engineering & Computer Science (AREA)
- Theoretical Computer Science (AREA)
- Physics & Mathematics (AREA)
- Software Systems (AREA)
- General Engineering & Computer Science (AREA)
- General Physics & Mathematics (AREA)
- Mathematical Physics (AREA)
- Computer Hardware Design (AREA)
- Evolutionary Computation (AREA)
- Geometry (AREA)
- Management, Administration, Business Operations System, And Electronic Commerce (AREA)
- Train Traffic Observation, Control, And Security (AREA)
Abstract
本申请公开了一种智能决策推演的方法、装置、设备及存储介质,可应用于军事作战推演系统领域。该方法应用于智能决策推演平台的业务服务层,所述业务服务层包括多个业务功能模块,所述方法包括:接收客户端发送的决策推演请求;响应于所述决策推演请求,分别获取各个所述业务功能模块所需的用户输入的仿真数据;获取各个所述业务功能模块所对应的推演数据;利用所述仿真数据和所述推演数据进行决策推演,生成各个所述业务功能模块的推演结果数据;将所述推演结果数据发送到所述客户端,以使所述客户端向用户展示推演结果数据。如此,由于各个业务功能模块之间彼此独立、互不干扰却又高效通信,提高了整个智能决策推演系统的灵活性。
Description
技术领域
本申请涉及军事作战决策推演系统领域,特别是涉及一种智能决策推演的方法、装置、设备及存储介质。
背景技术
随着科技的快速发展,现代战争也是越来越依赖网络平台,在军事作战方面,可以利用军事沙盘推演的训练平台来进行军事作战推演,达到训练作战能力的效果。
战术决策推演是一种决策类的推演,让受训者扮演战术单位指挥官的角色,面对一个具有挑战性的问题进行推演。战术决策推演主要运用军事培训,现在也逐步运用于警察、消防及其他机构危机处理的培训。现有的智能决策推演系统由数字仿真环境与分布式训练平台组成。其中,由于分布式训练平台中存在有多种业务服务,且各种不同的业务服务之间又未能解耦,使得决策推演过程中单独的业务服务不够灵活。因此,如何提高智能决策推演的灵活性,是本领域技术人员急需解决的问题。
发明内容
基于上述问题,本申请提供了一种智能决策推演的方法、装置、设备及存储介质,通过对智能决策推演平台以及智能决策推演平台中的业务服务层进行了拆分,从而解决了现有技术智能决策推演不灵活的问题。
第一方面,本申请实施例提供了一种智能决策推演的方法,应用于智能决策推演平台的业务服务层,所述业务服务层包括多个业务功能模块,所述方法包括:
接收客户端发送的决策推演请求;
响应于所述决策推演请求,分别获取各个所述业务功能模块所需的用户输入的仿真数据;
获取各个所述业务功能模块所对应的推演数据;
利用所述仿真数据和所述推演数据进行决策推演,生成各个所述业务功能模块的推演结果数据;
将所述推演结果数据发送到所述客户端,以使所述客户端向用户展示推演结果数据。
可选的,所述响应于所述决策推演请求,分别获取各个所述业务功能模块所需的用户输入的仿真数据,包括:
响应于所述决策推演请求,从所述客户端的各个仿真功能模块中分别获取各个所述业务功能模块所需的用户输入的仿真数据。
可选的,所述智能决策推演平台还包括服务通信层,所述获取各个所述业务功能模块所对应的推演数据,包括:
利用所述服务通信层的同步调用方式,获取各个所述业务功能模块所对应的推演数据,或利用所述服务通信层的异步调用方式,获取各个所述业务功能模块所对应的推演数据。
可选的,所述智能决策推演平台还包括平台资源层,所述利用所述服务通信层的同步调用方式,获取各个所述业务功能模块所对应的推演数据,包括:
通过所述服务通信层向所述平台资源层发送推演数据获取请求,使所述平台资源层响应于所述推演数据获取请求,将推演数据发送至所述服务通信层;
从所述服务通信层获取所述推演数据;
当获取所述推演数据后,执行其他任务。
可选的,所述智能决策推演平台还包括平台资源层,所述利用所述服务通信层的异步调用方式,获取各个所述业务功能模块所对应的推演数据,包括:
通过所述服务通信层向所述平台资源层发送推演数据获取请求,使所述平台资源层响应于所述推演数据获取请求,将推演数据发送至所述服务通信层;
在等待所述平台资源层响应于所述推演数据获取请求时,继续执行其他任务;
从所述服务通信层获取所述推演数据。
可选的,所述利用所述仿真数据和所述推演数据进行决策推演,生成各个所述业务功能模块的推演结果数据,包括:
将所述仿真数据和所述推演数据输入奖励函数;
利用所述奖励函数进行连续决策推演,直至满足效果评估曲线,生成各个所述业务功能模块的推演结果数据。
第二方面,本申请实施例提供了一种智能决策推演的装置,应用于智能决策推演平台的业务服务层,所述业务服务层包括多个业务功能模块,所述装置包括:
接收模块,用于接收服务调用方输入的决策推演请求;
仿真数据获取模块,用于响应于所述决策推演请求,分别获取各个业务功能模块所需的服务调用方输入的仿真数据;
推演数据获取模块,用于获取各个所述业务功能模块所对应的推演数据;
推演模块,用于利用所述仿真数据和所述推演数据进行决策推演,生成各个所述业务功能模块的推演结果数据;
发送模块,用于将所述推演结果数据发送到客户端,向服务调用方展示推演结果数据。
第三方面,本申请提供了一种智能决策推演的设备,包括:
存储器,用于存储计算机程序;
处理器,用于执行所述计算机程序时实现上述任一项所述智能决策推演的方法的步骤。
第四方面,本申请提供了一种可读存储介质,所述可读存储介质上存储有计算机程序,所述计算机程序被处理器执行时实现上述任一项所述智能决策推演的方法的步骤。
从以上技术方案可以看出,相较于现有技术,本申请具有以下优点:
本申请将智能决策推演平台以及智能决策推演平台中的业务服务层进行了拆分,使得业务服务层先接收客户输入的决策推演请求,然后响应于所述决策推演请求,分别获取各个业务功能模块所需的服务调用方输入的仿真数据,再获取各个所述业务功能模块所对应的推演数据,最后利用所述仿真数据和所述推演数据进行决策推演,生成各个所述业务功能模块的推演结果数据并将所述推演结果数据发送到客户端,向服务调用方展示推演结果数据。相较于现有技术中各个业务服务之间的未能解耦不同,本申请通过对智能决策推演平台以及智能决策推演平台中的业务服务层进行了拆分,将各个不同的业务服务存储在对应的业务服务模块中,由于各个业务功能模块之间彼此独立、互不干扰却又高效通信,提高了整个智能决策推演系统的灵活性。
附图说明
图1为本申请实施例提供的一种智能决策推演的方法的流程图;
图2为本申请实施例提供的一种同步调用的执行流程图;
图3为本申请实施例提供的一种异步调用的执行流程图;
图4为本申请实施例提供的一种整体架构的结构示意图;
图5为本申请实施例提供的一种智能决策推演的装置的结构示意图。
具体实施方式
正如前文所述,现有的智能决策推演系统不够灵活,对于每个业务服务而言无法实现独立处理。具体来说,现有的智能决策推演系统多是由数字仿真环境与分布式训练平台组成,其中,分布式训练平台中存在有多种业务服务,且各种不同的业务服务之间又未能解耦,使得决策推演过程中单独的业务服务不够灵活。
为解决上述问题,本申请实施例提供了一种智能决策推演的方法,该方法结合微服务架构的设计思想,将智能决策推演平台划分为业务服务层、服务通信层以及平台资源层,主要应用于智能决策推演平台的业务服务层,包括:在接收客户端发送的决策推演请求后,响应于决策推演请求,分别获取各个业务功能模块所需的用户输入的仿真数据。然后获取各个业务功能模块所对应的推演数据,并利用仿真数据和推演数据进行决策推演,生成各个业务功能模块的推演结果数据。最后将得到的推演结果数据发送到客户端,以使客户端向用户展示推演结果数据。
如此,对智能决策推演平台以及智能决策推演平台中的业务服务层进行了拆分,将分布式训练平台拆解为多个层,并将业务服务层中耦合为一个整体的多个业务服务解耦,使之对应存储在各自的业务功能模块中相互独立却又彼此保持联系,从而提高整个智能决策推演系统的灵活性。
需要说明的是,本发明提供的一种智能决策推演的方法、装置、设备及存储介质可用于军事作战推演系统领域、云计算领域、大数据领域、物联网领域。上述仅为示例,并不对本发明提供的一种智能决策推演的方法、装置、设备及存储介质的应用领域进行限定。
为了使本申请实施例的目的、技术方案和优点更加清楚,下面将结合本申请实施例中的附图,对本申请实施例中的技术方案进行清楚、完整地描述,显然,所描述的实施例仅是本申请一部分实施例,而不是全部的实施例。基于本申请中的实施例,本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例,都属于本申请保护的范围。
图1为本申请实施例提供的一种智能决策推演的方法的流程图。结合图1所述,本申请实施例提供的一种智能决策推演的方法,可以包括:
S101: 接收客户端发送的决策推演请求。
在实际应用中,智能决策推演系统是一种作为军事沙盘推演的训练平台。在军事作战决策推演系统领域,用户可以利用此平台,通过智能决策推演系统的前端,也就是服务器端,进行仿真数据的输入。其中仿真数据可以是作战场景、作战时间、作战内容等等。一般的前端服务器都是由高性能的PC构造,其部属有UI页面以及仿真环境的可视化界面等等。在本申请中,在用户通过向仿真环境的可视化界面中对应的仿真功能模块输入需要仿真数据后,用户会将决策推演请求反馈给客户端,使客户端将该决策推演请求发送给后端,也就是智能决策推演平台的业务服务层。也就是说,此时智能决策推演平台的业务服务层接收到了客户端发送的决策推演请求。
S102:响应于所述决策推演请求,分别获取各个所述业务功能模块所需的用户输入的仿真数据。
在实际应用中,智能决策推演平台划分成业务服务层、服务通信层以及平台资源层。由于一般的智能决策推演平台有着多个彼此耦合的业务服务模块,比如全局态势、局部态势等等。本申请将智能决策推演平台的业务服务层划分为了多个相互独立却又彼此保持联系的业务功能模块。具体的,业务功能模块包括全局态势、局部态势、决策模型、态势评估、行为控制、态势融合。各个业务功能模块之间采用轻量级通信机制互相协作,总体受微服务的流程编排以及kubernetes(简称K8s,一种可移植容器的编排管理工具)的自动化调度管理。业务服务层的各个业务功能模块在经过最后的决策推演后,最终都会生成对应业务功能的推演结果。所以各个功能模块用作推演的仿真数据也不尽相同。即客户端将该决策推演请求发送给智能决策推演平台的业务服务层之后,业务服务层也会对接收到的客户端发送的决策推演请求做出响应,然后业务服务层会从用户输入的仿真数据中获取需要的仿真数据,并分别发送到各个对应的业务功能模块,用作决策推演。
另外,由于业务服务层获取仿真数据的具体位置不尽相同,因此本申请可以就可能的获取位置进行说明。
在一种情况下,针对从多个仿真功能模块中获取仿真数据。相应的,S102具体可以包括:
响应于所述决策推演请求,从所述客户端的各个仿真功能模块中分别获取各个所述业务功能模块所需的用户输入的仿真数据。
在实际应用中,客户端中一般有着桌面设备、浏览器以及仿真环境三个模块。不过由于仿真环境又具有多样性,本申请把仿真环境拆成多个仿真功能模块。具体的仿真环境包括,场景模块、地理信息、想定编辑、任务编辑、推演控制、装备数据管理。用户可以将所需的不同的种类的仿真数据对应输入不同的仿真功能模块中去,然后发起决策推演请求。在客户端将该决策推演请求发送给智能决策推演平台的业务服务层之后,业务服务层也会对接收到的客户端发送的决策推演请求做出响应。然后业务服务层会从各个不同的仿真功能模块中提取出各个业务功能模块所需要的仿真数据,然后将仿真数据进行分别打包,将打包好的各个业务功能模块所需要的仿真数据对应发送到各个业务功能模块中去。即业务服务层响应于所述决策推演请求,将各个仿真模拟功能模块中各个业务功能模块所需要数据进行提取打包,分别发送到各个业务功能模块。
S103:获取各个所述业务功能模块所对应的推演数据。
在实际应用中,因为决策推演除了需要仿真数据之外还需要对应的推演数据支持才能进行推演。所以当业务服务层响应于所述决策推演请求,分别获取各个所述业务功能模块所需的用户输入的仿真数据之后,业务服务层还需要获取各个业务功能模块所对应的推演数据。推演数据中包括推演算法、推演逻辑等一些为业务服务层的推演提供底层支持的数据。
S104: 利用所述仿真数据和所述推演数据进行决策推演,生成各个所述业务功能模块的推演结果数据。
在实际应用中,当业务服务层获取了各个业务功能模块对应的仿真数据以及推演数据之后,利用自身的推演模拟功能模块进行连续推演,直至生成各个业务功能模块最终的推演结果数据为止。
另外,对于进行决策推演的过程不同。因此本申请实施例还可以根据具体的决策推演过程进行说明。
在一种情况下,对于业务服务层如何进行决策推演。相应的,S104具体可以包括:
将所述仿真数据和所述推演数据输入奖励函数;
利用所述奖励函数进行连续决策推演,直至满足效果评估曲线,生成各个所述业务功能模块的推演结果数据。
在实际应用中,奖励函数可以描述为:在执行策略时获得的奖励等于执行该状态下所有行为的概率与对应行为产生的即时奖励的乘积的和。因为一次需要重复进行多次推演,所以其决策推演的结果会形成一个曲线,当利用奖励函数进行连续决策推演,直至满足效果评估曲线后,即生成各个业务功能模块的推演结果数据。
S105:将所述推演结果数据发送到所述客户端,以使所述客户端向用户展示推演结果数据。
在实际应用中,当业务服务层生成了各个业务功能模块的推演结果数据后,将该推演结果数据发送到客户端,最终由客户端向用户展示推演结果数据。
综上所述,本申请将客户端中的仿真环境以及智能决策推演系统进行了功能服务拆分,使得业务服务层先接收客户输入的决策推演请求,然后响应于所述决策推演请求,分别获取各个业务功能模块所需的服务调用方输入的仿真数据,再获取各个所述业务功能模块所对应的推演数据,最后利用所述仿真数据和所述推演数据进行决策推演,生成各个所述业务功能模块的推演结果数据并将所述推演结果数据发送到客户端,向服务调用方展示推演结果数据。相较于现有技术中各个业务服务之间的未能解耦不同,本申请通过对仿真环境以及智能决策推演系统进行了功能服务拆分,使仿真环境以及各个业务功能模块之间彼此独立、互不干扰却又高效通信,同时每个模块的版本更迭高效而稳定,从而提高整个智能决策推演系统的灵活性。
另外,对于上述S103而言,由于业务服务层对于各个业务功能模块所对应的推演数据的获取方式不尽相同,因此本申请实施例还可以根据不同获取方式对如何获取各个所述业务功能模块所对应的推演数据进行说明。
在一种情况下,对于业务服务层如何获取各个业务功能模块所对应的推演数据。相应的,所述智能决策推演平台还包括服务通信层,S103具体可以包括:
利用所述服务通信层的同步调用方式,获取各个所述业务功能模块所对应的推演数据,或利用所述服务通信层的异步调用方式,获取各个所述业务功能模块所对应的推演数据。
在实际应用中,智能决策推演平台划分成业务服务层、服务通信层以及平台资源层。其中的业务服务层在获取了各个所述业务功能模块所需的用户输入的仿真数据之后,需要通过服务通信层来获取各个业务功能模块所对应的推演数据。服务通信层是支持各个业务功能模块之间以及业务服务层、服务通信层以及平台资源层之间通信的。尽管在微服务架构下各个业务功能之间松耦合,并且可以在不同的模块上,但是各个业务功能模块之间仍然存在相互调用的情况,因此需要对各个业务功能模块以及业务服务层、服务通信层和平台资源层的通信方式进行设计。自此引入了服务通信层,使得各个业务功能模块以及各个层之间保持该有的通信通道。对于服务通信层而言有两种具体的调用方式,可分为同步调用和异步调用。因此对于业务服务层如何获取各个业务功能模块所对应的推演数据可分为利用所述服务通信层的同步调用方式,获取各个所述业务功能模块所对应的推演数据,或利用所述服务通信层的异步调用方式,获取各个所述业务功能模块所对应的推演数据。
另外,智能决策推演平台还包括平台资源层,由于服务通信层不同的调用方式,业务服务层从平台资源层获取各个业务功能模块所对应的推演数据的方式也就不同,因此本申请可以就可能的获取方式进行说明。
在一种情况下,针对利用服务通信层的同步调用方式,获取各个业务功能模块所对应的推演数据。相应的,具体可以包括:
通过所述服务通信层向所述平台资源层发送推演数据获取请求,使所述平台资源层响应于所述推演数据获取请求,将推演数据发送至所述服务通信层;
从所述服务通信层获取所述推演数据;
当获取所述推演数据后,执行其他任务。
在实际应用中,对于服务通信层的同步调用功能指的是,当业务服务层通过服务通信层向平台资源层发送推演数据获取请求后,需要等到平台资源层响应该请求,并且将该响应通过服务通信层发送给业务服务层之后,也就是业务服务层接收到平台资源层返回的推演数据后才能进行其他任务的执行。在业务服务层发送推演数据获取请求后是处于等待阶段的,其自身不会进行其他动作,处于静止状态,需要接收到返回的推演数据方能解除自身的静止状态,进行下一任务的执行。具体的同步调用的执行流程图如图2所示,业务服务层向服务通信层发起请求,服务通信层向平台资源层发送获取信息请求,平台资源层向服务通信层返回响应,最终服务通信层向业务服务层返回响应。
常见的同步调用的方式一般包括RPC(Remote Procedure Call)远程过程调用以及HTTP(Hyper Text Transfer Protocol)请求调用等,其中RPC调用过程基于原生的TCP(传输控制协议)通信,无需规定数据的格式,因此数据传输和处理的效率更高,但为了满足像调用本地服务一样调用远程服务,必须在API(Application Programming Interface,应用程序编程接口)层面进行封装,限制了开发的语言环境;而HTTP方式则更为灵活,支持跨语言和跨平台,服务的提供者只需要为调用者提供对应接口进行调用,开发更为灵活,缺点则是HTTP传输的数据体积较大。在本申请中,业务服务层通过服务通信层向平台资源层发送推演数据获取请求,使平台资源层响应于该推演数据获取请求,将存储在数据库中的推演数据发送至服务通信层,此时的业务服务层处于自身静止的等待状态。然后在平台资源层将推演数据返回到服务通信层之后,业务服务层从服务通信层获取该推演数据,并解除自身的静止状态继续执行其他任务。
综上所述,本申请利用服务通信层的同步调用功能当业务服务层通过服务通信层向平台资源层发送推演数据获取请求后,等待平台资源层响应该请求,并且将该响应通过服务通信层发送给业务服务层之后,也就是业务服务层接收到平台资源层返回的推演数据后继续执行其他任务,通过该同步调用的方法,使得系统无需规定数据的格式,因此数据传输和处理的效率更高。
在另一种情况下,针对利用服务通信层的异步调用方式,获取各个业务功能模块所对应的推演数据。相应的,具体可以包括:
通过所述服务通信层向所述平台资源层发送推演数据获取请求,使所述平台资源层响应于所述推演数据获取请求,将推演数据发送至所述服务通信层;
在等待所述平台资源层响应于所述推演数据获取请求时,继续执行其他任务;
从所述服务通信层获取所述推演数据。
在实际应用中,对于服务通信层的异步调用功能指的是,业务服务层在发起推演数据请求之后立即返回并继续执行下一步操作,之后等待服务通信层通知响应的结果。也就是说,在业务服务层通过服务通信层向平台资源层发送推演数据获取请求之后,使平台资源层响应于推演数据获取请求,将推演数据发送至服务通信层。而在等待的过程中,业务服务层不处在自身静止的状态,业务服务层会继续进行其他任务的执行。具体的异步调用的执行流程图如图3所示,其中的业务服务层在向服务通信层发起请求后马上返回,可以继续执行其他的任务,直至接收到返回的响应信息。服务通信层则需要与平台资源层进行通信,发送获取信息请求,待得到平台资源层的返回响应后向业务服务层返回响应信息,即获取到所需信息后主动向业务服务层通知响应结果。期间产生的所有消息通知都可以暂时存储在消息队列中。现如今常见的消息队列包括RocketMQ、RabbitMQ以及Kafka等,其中RocketMQ是阿里开源的中间件,吞吐量和可用性较高,适合大规模的分布式系统;RabbitMQ基于AMQP(Advanced Message Queuing Protocol)协议实现,适用于数据一致性、可靠性以及稳定性要求较高的场景;KafKa基于Pull(拉)的模式来实现服务消费,支持快速持久化、性能高并且扩展性良好。其中对于消息的传输与响应各自有其对应的格式。就传输过程的数据格式而言,其需要结合数据大小、数据编码的复杂度以及协议通用性进行综合考虑。当前传输过程中的数据格式包括Protocol Buffer、XML以及JSON等。而响应过程的数据格式涉及到客户端和服务端之间、各个微服务之间、以及微服务与平台资源之间的通信。一般的若是基于Resful设计风格进行设计并且基于HTTP协议来进行数据传输,则可以使用HTTP的状态码来描述接口的状态信息。
综上所述,本申请利用服务通信层的异步调用功能,业务服务层在发起推演数据请求之后立即返回并继续执行下一步操作,之后等待服务通信层通知响应的结果,使得系统的使用率更高。
另外,平台资源层由数据库、缓存、计算资源池、存储资源池和其他服务器构成,其中数据库为MySQL数据库,缓存为Redis缓存。其中MySQL数据库以及Redis缓存进行数据存储,为了优化服务端部分请求的处理时间。而计算资源池和存储资源池用来存储推演数据。通过基础资源池容器云平台,提供基于Kubernetes管理的通用的底层容器的基础运行环境,包括:容器集群、容器网络等基础环境;提供通用微服务运行调度框架,实现对服务发现、负载均衡、故障恢复、度量和监控的通用能力。具体的客户端、业务服务层、服务通信层、平台资源层之间的整体架构的结构示意图如图4所示,包含桌面设备、浏览器、场景模块、地理信息、想定编辑、任务编辑、推演控制、装备数据管理模块的客户端,包含全局态势、局部态势、决策模型、态势评估、行为控制、态势融合模块的业务服务层,包含同步调用、异步调用模块的服务通信层以及包含数据库、缓存、计算资源池、存储资源池和其他服务器模块的平台资源层依次连接。
综上所述,本申请将客户端中的仿真环境以及智能决策推演系统进行了功能服务拆分,使得业务服务层先接收客户输入的决策推演请求,然后响应于所述决策推演请求,分别获取各个业务功能模块所需的服务调用方输入的仿真数据,再获取各个所述业务功能模块所对应的推演数据,最后利用所述仿真数据和所述推演数据进行决策推演,生成各个所述业务功能模块的推演结果数据并将所述推演结果数据发送到客户端,向服务调用方展示推演结果数据。相较于现有技术中各个业务服务之间未能解耦不同,本申请通过对仿真环境以及智能决策推演系统进行了功能服务拆分,使仿真环境以及各个业务功能模块之间彼此独立、互不干扰却又高效通信,同时每个模块的版本更迭高效而稳定,从而提高整个智能决策推演系统的灵活性。
图5为本申请实施例提供的一种智能决策推演的装置的结构示意图。结合图5所示,本申请实施例提供的智能决策推演的装置200,所述智能决策推演的装置200应用于智能决策推演平台的业务服务层,所述业务服务层包括多个业务功能模块,所述智能决策推演的装置200可以包括:
接收模块201,用于接收服务调用方输入的决策推演请求;
仿真数据获取模块202,用于响应于所述决策推演请求,分别获取各个业务功能模块所需的服务调用方输入的仿真数据;
推演数据获取模块203,用于获取各个所述业务功能模块所对应的推演数据;
推演模块204,用于利用所述仿真数据和所述推演数据进行决策推演,生成各个所述业务功能模块的推演结果数据;
发送模块205,用于将所述推演结果数据发送到客户端,向服务调用方展示推演结果数据。
作为一种实施方式,对于如何获取用户输入的仿真数据,上述仿真数据获取模块202具体用于:
响应于所述决策推演请求,从所述客户端的各个仿真功能模块中分别获取各个所述业务功能模块所需的用户输入的仿真数据。
作为一种实施方式,所述智能决策推演平台还包括服务通信层,对于如何获取推演数据,上述推演数据获取模块203具体用于:
利用所述服务通信层的同步调用方式,获取各个所述业务功能模块所对应的推演数据,或利用所述服务通信层的异步调用方式,获取各个所述业务功能模块所对应的推演数据。
作为一种实施方式,所述智能决策推演平台还包括平台资源层,其中对于利用所述服务通信层的同步调用方式,获取各个所述业务功能模块所对应的推演数据,上述推演数据获取模块203具体用于:
通过所述服务通信层向所述平台资源层发送推演数据获取请求,使所述平台资源层响应于所述推演数据获取请求,将推演数据发送至所述服务通信层;
从所述服务通信层获取所述推演数据;
当获取所述推演数据后,执行其他任务。
作为另一种实施方式,对于利用所述服务通信层的异步调用方式,获取各个所述业务功能模块所对应的推演数据,上述推演数据获取模块203具体用于:
通过所述服务通信层向所述平台资源层发送推演数据获取请求,使所述平台资源层响应于所述推演数据获取请求,将推演数据发送至所述服务通信层;
在等待所述平台资源层响应于所述推演数据获取请求时,继续执行其他任务;
从所述服务通信层获取所述推演数据。
作为一种实施方式,对于如何利用所述仿真数据和所述推演数据进行决策推演,生成各个所述业务功能模块的推演结果数据,上述推演模块204具体用于:
将所述仿真数据和所述推演数据输入奖励函数;
利用所述奖励函数进行连续决策推演,直至满足效果评估曲线,生成各个所述业务功能模块的推演结果数据。
综上所述,本申请将客户端中的仿真环境以及智能决策推演系统进行了功能服务拆分,使得业务服务层先接收客户输入的决策推演请求,然后响应于所述决策推演请求,分别获取各个业务功能模块所需的服务调用方输入的仿真数据,再获取各个所述业务功能模块所对应的推演数据,最后利用所述仿真数据和所述推演数据进行决策推演,生成各个所述业务功能模块的推演结果数据并将所述推演结果数据发送到客户端,向服务调用方展示推演结果数据。相较于现有技术中各个业务服务之间未能解耦不同,本申请通过对仿真环境以及智能决策推演系统进行了功能服务拆分,使仿真环境以及各个业务功能模块之间彼此独立、互不干扰却又高效通信,同时每个模块的版本更迭高效而稳定,从而提高整个智能决策推演系统的灵活性。
另外,本申请还提供了一种智能决策推演的设备,包括:存储器,用于存储计算机程序;处理器,用于执行所述计算机程序时实现如上述智能决策推演的方法的步骤。
另外,本申请还提供了一种可读存储介质,所述可读存储介质上存储有计算机程序,所述计算机程序被处理器执行时实现上述实施例中所述智能决策推演的方法的步骤。
对所公开的实施例的上述说明,使本领域专业技术人员能够实现或使用本申请。对这些实施例的多种修改对本领域的专业技术人员来说将是显而易见的,本文中所定义的一般原理可以在不脱离本申请的精神或范围的情况下,在其它实施例中实现。因此,本申请将不会被限制于本文所示的这些实施例,而是要符合与本文所公开的原理和新颖特点相一致的最宽的范围。
Claims (8)
1.一种智能决策推演的方法,其特征在于,所述方法应用于智能决策推演平台的业务服务层,所述业务服务层包括多个业务功能模块,所述方法包括:
接收客户端发送的决策推演请求;
响应于所述决策推演请求,分别获取各个所述业务功能模块所需的用户输入的仿真数据;所述各个所述业务功能模块间相互独立却又彼此保持联系;
获取各个所述业务功能模块所对应的推演数据;
利用所述仿真数据和所述推演数据进行决策推演,生成各个所述业务功能模块的推演结果数据;
将所述推演结果数据发送到所述客户端,以使所述客户端向用户展示推演结果数据;
所述响应于所述决策推演请求,分别获取各个所述业务功能模块所需的用户输入的仿真数据,包括:
响应于所述决策推演请求,从所述客户端的各个仿真功能模块中分别获取各个所述业务功能模块所需的用户输入的仿真数据;
所述仿真功能模块具体包括:场景模块、地理信息、想定编辑、任务编辑、推演控制、装备数据管理;
所述业务功能模块具体包括:全局态势、局部态势、决策模型、态势评估、行为控制、态势融合;所述各个业务功能模块之间采用轻量级通信机制互相协作,所述各个业务功能模块均受微服务的流程编排。
2.根据权利要求1所述的方法,其特征在于,所述智能决策推演平台还包括服务通信层,所述获取各个所述业务功能模块所对应的推演数据,包括:
利用所述服务通信层的同步调用方式,获取各个所述业务功能模块所对应的推演数据,或利用所述服务通信层的异步调用方式,获取各个所述业务功能模块所对应的推演数据。
3.根据权利要求2所述的方法,其特征在于,所述智能决策推演平台还包括平台资源层,所述利用所述服务通信层的同步调用方式,获取各个所述业务功能模块所对应的推演数据,包括:
通过所述服务通信层向所述平台资源层发送推演数据获取请求,使所述平台资源层响应于所述推演数据获取请求,将推演数据发送至所述服务通信层;
从所述服务通信层获取所述推演数据;
当获取所述推演数据后,执行其他任务。
4.根据权利要求2所述的方法,其特征在于,所述智能决策推演平台还包括平台资源层,所述利用所述服务通信层的异步调用方式,获取各个所述业务功能模块所对应的推演数据,包括:
通过所述服务通信层向所述平台资源层发送推演数据获取请求,使所述平台资源层响应于所述推演数据获取请求,将推演数据发送至所述服务通信层;
在等待所述平台资源层响应于所述推演数据获取请求时,继续执行其他任务;
从所述服务通信层获取所述推演数据。
5.根据权利要求1所述的方法,其特征在于,所述利用所述仿真数据和所述推演数据进行决策推演,生成各个所述业务功能模块的推演结果数据,包括:
将所述仿真数据和所述推演数据输入奖励函数;
利用所述奖励函数进行连续决策推演,直至满足效果评估曲线,生成各个所述业务功能模块的推演结果数据。
6.一种智能决策推演的装置,其特征在于,所述装置应用于智能决策推演平台的业务服务层,所述业务服务层包括多个业务功能模块,所述装置包括:
接收模块,用于接收客户端发送的决策推演请求;
仿真数据获取模块,响应于所述决策推演请求,分别获取各个所述业务功能模块所需的用户输入的仿真数据;所述各个所述业务功能模块间相互独立却又彼此保持联系;
推演数据获取模块,用于获取各个所述业务功能模块所对应的推演数据;
推演模块,用于利用所述仿真数据和所述推演数据进行决策推演,生成各个所述业务功能模块的推演结果数据;
发送模块,将所述推演结果数据发送到所述客户端,以使所述客户端向用户展示推演结果数据;
所述仿真数据获取模块,具体用于响应于所述决策推演请求,从所述客户端的各个仿真功能模块中分别获取各个所述业务功能模块所需的用户输入的仿真数据;
所述仿真功能模块具体包括:场景模块、地理信息、想定编辑、任务编辑、推演控制、装备数据管理;
所述业务功能模块具体包括:全局态势、局部态势、决策模型、态势评估、行为控制、态势融合,各个所述业务功能模块之间采用轻量级通信机制互相协作,各个所述业务功能模块均受微服务的流程编排。
7.一种智能决策推演的设备,其特征在于,包括:
存储器,用于存储计算机程序;
处理器,用于执行所述计算机程序时实现如权利要求1至5任一项所述智能决策推演的方法的步骤。
8.一种可读存储介质,其特征在于,所述可读存储介质上存储有计算机程序,所述计算机程序被处理器执行时实现如权利要求1至5任一项所述智能决策推演的方法的步骤。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202210976100.2A CN115048823B (zh) | 2022-08-15 | 2022-08-15 | 一种智能决策推演的方法、装置、设备及存储介质 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202210976100.2A CN115048823B (zh) | 2022-08-15 | 2022-08-15 | 一种智能决策推演的方法、装置、设备及存储介质 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN115048823A CN115048823A (zh) | 2022-09-13 |
CN115048823B true CN115048823B (zh) | 2023-05-09 |
Family
ID=83166968
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202210976100.2A Active CN115048823B (zh) | 2022-08-15 | 2022-08-15 | 一种智能决策推演的方法、装置、设备及存储介质 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN115048823B (zh) |
Family Cites Families (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN103093035B (zh) * | 2012-12-30 | 2015-08-19 | 江苏远望神州软件有限公司 | 用于城市危机应急决策演练的计算机仿真系统及仿真方法 |
TWI725662B (zh) * | 2019-12-13 | 2021-04-21 | 國立交通大學 | 自動化調整回合制遊戲強度之方法 |
CN112861431A (zh) * | 2021-01-29 | 2021-05-28 | 北京华如科技股份有限公司 | 一种可全要素编辑的海上方向兵棋推演系统 |
CN114489144B (zh) * | 2022-04-08 | 2022-07-12 | 中国科学院自动化研究所 | 无人机自主机动决策方法、装置及无人机 |
CN114841068A (zh) * | 2022-05-10 | 2022-08-02 | 北京航空航天大学 | 一种三维高仿真兵棋推演平台与方法 |
-
2022
- 2022-08-15 CN CN202210976100.2A patent/CN115048823B/zh active Active
Non-Patent Citations (1)
Title |
---|
时空推演法在建设项目施工管理中的应用;霍召欣;《科技资讯》;20110823(第24期);全文 * |
Also Published As
Publication number | Publication date |
---|---|
CN115048823A (zh) | 2022-09-13 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
JP6092381B2 (ja) | ウェブクライアントを介したリモートアプリケーションへのアクセスを提供する方法、システム、及びコンピュータ読取可能記憶媒体 | |
CN111711663A (zh) | 发布及订阅服务的处理方法、装置及电子设备 | |
CN111756917B (zh) | 信息交互方法、电子设备和计算机可读介质 | |
US20190132276A1 (en) | Unified event processing for data/event exchanges with existing systems | |
US11258675B2 (en) | Message oriented middleware topology explorer | |
US10454795B1 (en) | Intermediate batch service for serverless computing environment metrics | |
KR101834837B1 (ko) | MQTT와 KAFKA를 이용한 IoT 센서 시뮬레이터 시스템 | |
JP2012230667A (ja) | 高負荷のビジネスプロセスのスケーラビリティ | |
CN110399231B (zh) | 基于跨平台的数据处理方法、装置及计算机设备 | |
CN111200606A (zh) | 深度学习模型任务处理方法、系统、服务器及存储介质 | |
CN111740859B (zh) | 一种测试环境的部署方法、装置、电子设备及存储介质 | |
CN110618768B (zh) | 信息呈现方法和装置 | |
KR20140063688A (ko) | 이벤트 데이터 획득을 위한 스케일 아웃 시스템 | |
CN113946389A (zh) | 联邦学习流程执行优化方法、设备、存储介质及程序产品 | |
KR102565776B1 (ko) | 클라우드 서비스를 위한 방법 및 장치 | |
CN115048823B (zh) | 一种智能决策推演的方法、装置、设备及存储介质 | |
US20110321022A1 (en) | Code generation through metadata programming for mobile devices and web platforms to ease access to web services | |
CN115361382B (zh) | 基于数据群组的数据处理方法、装置、设备和存储介质 | |
Singh et al. | Comprehensive review of stream processing tools | |
CN116401034A (zh) | 任务执行方法、计算机设备及计算机存储介质 | |
CN115378937A (zh) | 任务的分布式并发方法、装置、设备和可读存储介质 | |
CN114298313A (zh) | 一种人工智能计算机视觉推理方法 | |
CN115250276A (zh) | 分布式系统及数据处理的方法和装置 | |
CN111937366B (zh) | Web请求处理方法和装置 | |
CN113722115A (zh) | 调用接口的方法、装置、设备和计算机可读介质 |
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 |