CN116596406A - 北斗导航对抗训练的智能评估方法、装置、设备和介质 - Google Patents
北斗导航对抗训练的智能评估方法、装置、设备和介质 Download PDFInfo
- Publication number
- CN116596406A CN116596406A CN202310841532.7A CN202310841532A CN116596406A CN 116596406 A CN116596406 A CN 116596406A CN 202310841532 A CN202310841532 A CN 202310841532A CN 116596406 A CN116596406 A CN 116596406A
- Authority
- CN
- China
- Prior art keywords
- training
- action
- navigation
- countermeasure
- scoring
- 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
Links
- 238000012549 training Methods 0.000 title claims abstract description 237
- 238000011156 evaluation Methods 0.000 title claims abstract description 136
- 230000009471 action Effects 0.000 claims abstract description 200
- 230000000875 corresponding effect Effects 0.000 claims abstract description 62
- 238000000034 method Methods 0.000 claims abstract description 37
- 238000012545 processing Methods 0.000 claims abstract description 26
- 230000011218 segmentation Effects 0.000 claims abstract description 13
- 239000011159 matrix material Substances 0.000 claims description 19
- 230000006870 function Effects 0.000 claims description 15
- 238000010606 normalization Methods 0.000 claims description 15
- 238000013461 design Methods 0.000 claims description 10
- 230000008878 coupling Effects 0.000 claims description 8
- 238000010168 coupling process Methods 0.000 claims description 8
- 238000005859 coupling reaction Methods 0.000 claims description 8
- DMBHHRLKUKUOEG-UHFFFAOYSA-N diphenylamine Chemical compound C=1C=CC=CC=1NC1=CC=CC=C1 DMBHHRLKUKUOEG-UHFFFAOYSA-N 0.000 claims 1
- 239000004973 liquid crystal related substance Substances 0.000 description 8
- 238000004891 communication Methods 0.000 description 5
- 230000008569 process Effects 0.000 description 5
- 230000008859 change Effects 0.000 description 4
- 238000010586 diagram Methods 0.000 description 3
- 238000004364 calculation method Methods 0.000 description 2
- 230000006378 damage Effects 0.000 description 2
- 230000000694 effects Effects 0.000 description 2
- 238000005516 engineering process Methods 0.000 description 2
- 238000013210 evaluation model Methods 0.000 description 2
- 230000002093 peripheral effect Effects 0.000 description 2
- 230000002123 temporal effect Effects 0.000 description 2
- 241000282414 Homo sapiens Species 0.000 description 1
- 238000003491 array Methods 0.000 description 1
- 230000019771 cognition Effects 0.000 description 1
- 238000004590 computer program Methods 0.000 description 1
- 238000010276 construction Methods 0.000 description 1
- 230000010485 coping Effects 0.000 description 1
- 238000011161 development Methods 0.000 description 1
- 230000018109 developmental process Effects 0.000 description 1
- 238000012854 evaluation process Methods 0.000 description 1
- 230000003631 expected effect Effects 0.000 description 1
- 230000014509 gene expression Effects 0.000 description 1
- 230000010354 integration Effects 0.000 description 1
- 238000012821 model calculation Methods 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 230000003287 optical effect Effects 0.000 description 1
- 230000009467 reduction Effects 0.000 description 1
- 230000004044 response Effects 0.000 description 1
- 238000004088 simulation Methods 0.000 description 1
- 239000000126 substance Substances 0.000 description 1
- 238000006467 substitution reaction Methods 0.000 description 1
Classifications
-
- 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
- G06Q10/06—Resources, workflows, human or project management; Enterprise or organisation planning; Enterprise or organisation modelling
- G06Q10/063—Operations research, analysis or management
- G06Q10/0639—Performance analysis of employees; Performance analysis of enterprise or organisation operations
- G06Q10/06398—Performance of employee with respect to a job function
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F17/00—Digital computing or data processing equipment or methods, specially adapted for specific functions
- G06F17/10—Complex mathematical operations
- G06F17/18—Complex mathematical operations for evaluating statistical data, e.g. average values, frequency distributions, probability functions, regression analysis
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F18/00—Pattern recognition
- G06F18/20—Analysing
- G06F18/25—Fusion techniques
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
- G06N5/00—Computing arrangements using knowledge-based models
- G06N5/02—Knowledge representation; Symbolic representation
- G06N5/022—Knowledge engineering; Knowledge acquisition
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
- G06N7/00—Computing arrangements based on specific mathematical models
- G06N7/02—Computing arrangements based on specific mathematical models using fuzzy logic
-
- 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
- G06Q50/00—Information and communication technology [ICT] specially adapted for implementation of business processes of specific business sectors, e.g. utilities or tourism
- G06Q50/10—Services
- G06Q50/20—Education
- G06Q50/205—Education administration or guidance
- G06Q50/2057—Career enhancement or continuing education service
-
- Y—GENERAL TAGGING OF NEW TECHNOLOGICAL DEVELOPMENTS; GENERAL TAGGING OF CROSS-SECTIONAL TECHNOLOGIES SPANNING OVER SEVERAL SECTIONS OF THE IPC; TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
- Y02—TECHNOLOGIES OR APPLICATIONS FOR MITIGATION OR ADAPTATION AGAINST CLIMATE CHANGE
- Y02T—CLIMATE CHANGE MITIGATION TECHNOLOGIES RELATED TO TRANSPORTATION
- Y02T10/00—Road transport of goods or passengers
- Y02T10/10—Internal combustion engine [ICE] based vehicles
- Y02T10/40—Engine management systems
Landscapes
- Engineering & Computer Science (AREA)
- Business, Economics & Management (AREA)
- Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- General Physics & Mathematics (AREA)
- Human Resources & Organizations (AREA)
- Data Mining & Analysis (AREA)
- Educational Administration (AREA)
- General Engineering & Computer Science (AREA)
- Mathematical Physics (AREA)
- Strategic Management (AREA)
- Software Systems (AREA)
- Economics (AREA)
- Tourism & Hospitality (AREA)
- Life Sciences & Earth Sciences (AREA)
- Computational Mathematics (AREA)
- Mathematical Analysis (AREA)
- Mathematical Optimization (AREA)
- Artificial Intelligence (AREA)
- Pure & Applied Mathematics (AREA)
- Educational Technology (AREA)
- Evolutionary Computation (AREA)
- Computing Systems (AREA)
- Bioinformatics & Computational Biology (AREA)
- General Business, Economics & Management (AREA)
- Health & Medical Sciences (AREA)
- Development Economics (AREA)
- Evolutionary Biology (AREA)
- Bioinformatics & Cheminformatics (AREA)
- Entrepreneurship & Innovation (AREA)
- General Health & Medical Sciences (AREA)
- Marketing (AREA)
- Algebra (AREA)
- Operations Research (AREA)
- Molecular Biology (AREA)
- Game Theory and Decision Science (AREA)
- Fuzzy Systems (AREA)
- Biomedical Technology (AREA)
- Computational Linguistics (AREA)
- Computer Vision & Pattern Recognition (AREA)
Abstract
本申请提供了一种北斗导航对抗训练的智能评估方法、装置、设备和介质,涉及导航对抗的训练评估领域,该方法包括:获取导航对抗训练初始答案表,对初始答案表进行动态更新,通过更新后的多个动态答案表生成动态答案库;根据预先构建的动作计分模型确定完成导航对抗训练动作后对应的动作评分;基于动态答案库和预先构建的导航对抗训练层级评分模型确定各层级的训练评估结果;对动作评分进行分段处理和降模糊化处理,得到导航对抗训练的多维度评估结果。本申请避免了人为主观、外界干扰因素的影响,提升了评估结果的准确性和合理性和全面性。
Description
技术领域
本申请涉及导航对抗的训练评估领域,尤其是涉及一种北斗导航对抗训练的智能评估方法、装置、设备和介质。
背景技术
随着卫星导航应用领域不断扩展与延深,其在安全管理方面的应用愈显重要,进而关于导航对抗训练评估也尤为重要,目前导航对抗训练评估体系不够完善,通常采用人工计分的方式进行评估,该方法不仅效率低,并且很难准确定量地给出评估结果,大大降低了评估结果的客观性与准确性,难以达到训练的真实目的。
发明内容
本申请的目的在于提供一种北斗导航对抗训练的智能评估方法、装置、设备和介质,避免了人为主观、外界干扰因素的影响,提升了评估结果的准确性和合理性和全面性。
第一方面,本发明提供一种北斗导航对抗训练的智能评估方法,包括:
获取导航对抗训练初始答案表,对初始答案表进行动态更新,通过更新后的多个动态答案表生成动态答案库;
根据预先构建的动作计分模型确定完成导航对抗训练动作后对应的动作评分;
基于动态答案库和预先构建的导航对抗训练层级评分模型确定各层级的训练评估结果;
对动作评分进行分段处理和降模糊化处理,得到导航对抗训练的多维度评估结果。
在可选的实施方式中,导航对抗训练层级依次包括训练想定层级、训练课目层级、训练行动层级和训练动作层级;生成的动态答案库包括独立训练智能动态答案库和对抗训练智能动态答案库;
对初始答案表进行动态更新,通过更新后的多个动态答案表生成动态答案库,包括:
根据每次的独立训练想定,拟定多个课目训练流程,对于每个训练课目,按照行动-动作进行推进,对独立训练中各个动作形成关键动作集,每个动作集作为动态答案的一部分,通过多次独立训练生成独立训练智能动态答案库;
根据每次的对抗训练想定,拟定多个课目训练流程,对于每个训练课目,按照训练方-行动-动作进行推进,对于红、蓝双方对抗以及白方导调动作形成关键对抗块,每个对抗块中的动作作为各方的动态答案表的一部分,通过多次对抗训练生成对抗训练智能动态答案库。
在可选的实施方式中,预先构建的动作计分模型包括时序性计分模型、时效性计分模型、规范性计分约束条件和协作性计分约束条件;
其中,时序性计分模型为,u为前一个动作与答题表对应标识,v为当前动作与答题表对应标识,z为后一个动作与答题表对应标识;
时效性计分模型为;其中,/>为时效性评分;p、q、m为预设系数;/>为动作用时,/>为预设失效的时长;
规范性计分约束条件用于根据动作完成程度分阶段确定规范性得分;
协作性计分约束条件用于当前动作与下一动作完成度的影响分阶段确定协作性得分。
在可选的实施方式中,根据预先构建的动作计分模型确定完成导航对抗训练动作后对应的动作评分,包括:
根据时序性计分模型确定时序性得分,根据时效性计分模型计算时效性得分;
基于时序性得分、时效性得分和规范性得分和协作性得分,以及每种得分对应的权重系数,确定完成导航对抗训练动作后对应的动作评分。
在可选的实施方式中,基于动态答案库和预先构建的导航对抗训练层级评分模型确定各层级的训练评估结果,包括:
基于动态答案库中的多个动态答案表与导航对抗训练层级所包括的训练想定层级、训练课目层级、训练行动层级和训练动作层级进行逐层级比对后,根据预先构建的动作计分模型确定评分矩阵;评分矩阵用于表征对抗训练各层级之间的耦合关系。
在可选的实施方式中,对动作评分进行分段处理和降模糊化处理,得到导航对抗训练的多维度评估结果,包括:
对动作评分进行分段处理,确定对抗训练动作所属的评分类别;
根据评分类别构建对应的评分模糊权函数,并通过评分模糊权函数确定对抗训练动作对应的评分类别的评估模糊系数和总评估模糊系数;
基于评估模糊系数和总评估模糊系数确定对应的评分类别的评分降模糊权矩阵;
根据对抗训练动作所对应的评分将模糊权矩阵确定导航对抗训练的多维度评估结果。
在可选的实施方式中,多维度评估结果包括行动评估结果、课目评估结果、想定评估结果、针对预设行动的席位评估结果、针对预设课目的席位评估结果和针对预设想定的席位评估结果。
第二方面,本发明提供一种北斗导航对抗训练的智能评估装置,包括:
答案库动态生成模块,用于获取导航对抗训练初始答案表,对初始答案表进行动态更新,通过更新后的多个动态答案表生成动态答案库;
动作评分模块,用于根据预先构建的动作计分模型确定完成导航对抗训练动作后对应的动作评分;
层级评估模块,用于基于动态答案库和预先构建的导航对抗训练层级评分模型确定各层级的训练评估结果;
多维度评估模块,用于对动作评分进行分段处理和降模糊化处理,得到导航对抗训练的多维度评估结果。
第三方面,本发明提供一种电子设备,包括处理器和存储器,存储器存储有能够被处理器执行的计算机可执行指令,处理器执行计算机可执行指令以实现前述实施方式任一项的北斗导航对抗训练的智能评估方法。
第四方面,本发明提供一种计算机可读存储介质,计算机可读存储介质存储有计算机可执行指令,计算机可执行指令在被处理器调用和执行时,计算机可执行指令促使处理器实现前述实施方式任一项的北斗导航对抗训练的智能评估方法。
本申请提供的北斗导航对抗训练的智能评估方法、装置、设备和介质,通过以智能动态答案库进行动作评分的判分依据,一方面,极大避免了人为主观、外界干扰因素的影响,另一方面,通过不断迭代训练,使得答案库质量及评估结果更加准确、合理,为后续评估提供优质的答案库;通过动作的时序性、时效性、规范性与协作性,能够全面多方位考察参训人员的技术能力、训练素养;第三,通过预先构建的导航对抗训练层级评分模型,能够反应训练各层级之间的耦合关系,从每个层级均能得到应有的评估结果,并能通过每个层级的评估结果看到整个训练过程的态势变化;第四,对于存在模糊、异议的动作评分结果,通过降模糊化的多维度评估,有效过滤了不确定性的动作评分结果,提高各动作评分结果的准确性,进而保证想定、课目、行动、参训方、角色等多维度评估结果的客观真实性。
附图说明
为了更清楚地说明本申请具体实施方式或现有技术中的技术方案,下面将对具体实施方式或现有技术描述中所需要使用的附图作简单地介绍,显而易见地,下面描述中的附图是本申请的一些实施方式,对于本领域普通技术人员来讲,在不付出创造性劳动的前提下,还可以根据这些附图获得其他的附图。
图1为本申请实施例提供的一种北斗导航对抗训练的智能评估方法的流程图;
图2为本申请实施例提供的一种北斗导航对抗训练的智能评估装置的结构图;
图3为本申请实施例提供的一种电子设备的结构图。
具体实施方式
为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,所描述的实施例是本申请一部分实施例,而不是全部的实施例。通常在此处附图中描述和示出的本申请实施例的组件可以以各种不同的配置来布置和设计。
因此,以下对在附图中提供的本申请的实施例的详细描述并非旨在限制要求保护的本申请的范围,而是仅仅表示本申请的选定实施例。基于本申请中的实施例,本领域普通技术人员在没有作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。
应注意到:相似的标号和字母在下面的附图中表示类似项,因此,一旦某一项在一个附图中被定义,则在随后的附图中不需要对其进行进一步定义和解释。
如今,卫星导航定位的价值集中体现在帮助人类精确感知、认知、控制物质、能量、信息的时空运行与分布。尤其在安防、应急、军事等领域,卫星导航系统可以极大地提高指挥控制、协同作业和快速反应能力,以及高技术装备的打击应对精度,其装备对象可延伸到每个实体,是现代高科技安全管理重要的装备之一。
纵观卫星导航系统的发展与应用的历史与现实,针对卫星导航系统的遏制与反遏制、应用与反应用、控制与反控制、摧毁与反摧毁等斗争愈发激烈。导航对抗作为一种新的对抗支援形式,其主要任务是确保我方有效保护对于导航基础设施及手段的有效使用,同时尽可能阻碍和破坏敌方的正常导航定位服务。
在现实训练场景中,通常以模拟场景来训练官兵的导航对抗能力、认知能力,以便掌握导航对抗要领与战术、战法,往往这种训练很难达到实际预期的效果,主要原因在于训练评估体系的不完善、评估规则的模糊化、评估过程的非理性,造成评估结果难以数字化。
基于此,本申请实施例提供了一种北斗导航对抗训练的智能评估方法、装置、设备和介质,避免了人为主观、外界干扰因素的影响,提升了评估结果的准确性和合理性和全面性。
本申请实施例提供了一种北斗导航对抗训练的智能评估方法,参见图1所示,该方法主要包括以下步骤:
步骤S110,获取导航对抗训练初始答案表,对初始答案表进行动态更新,通过更新后的多个动态答案表生成动态答案库。
上述导航对抗训练层级依次包括训练想定层级、训练课目层级、训练行动层级和训练动作层级。其中,想定是指根据预设的战略和战术目标,以某种逻辑和规则构建的、具有可能性和现实性的对抗训练程序及情景。
上述生成的动态答案库包括独立训练智能动态答案库和对抗训练智能动态答案库。
在一种实施方式中,对初始答案表进行动态更新,通过更新后的多个动态答案表生成动态答案库,可以包括以下步骤1-1和步骤1-2:
步骤1-1,根据每次的独立训练想定,拟定多个课目训练流程,对于每个训练课目,按照行动-动作进行推进,对独立训练中各个动作形成关键动作集,每个动作集作为动态答案的一部分,通过多次独立训练生成独立训练智能动态答案库;
步骤1-2,根据每次的对抗训练想定,拟定多个课目训练流程,对于每个训练课目,按照训练方-行动-动作进行推进,对于红、蓝双方对抗以及白方导调动作形成关键对抗块,每个对抗块中的动作作为各方的动态答案表的一部分,通过多次对抗训练生成对抗训练智能动态答案库。
其中,独立训练与对抗训练的答案表格式均相同,即以课目为单个表构成。
每个动作除了有评分结果外,还对其赋予了训练方属性(红方、蓝方或白方)信息,以及席位属性(保障席、技术席、通信席等)信息,在对各层级(想定、课目、行动、动作)评估时能够区分是某一方的行动、课目、想定评估结果或某一个席位的动作评估结果。
第一,随着训练的动态推进,能够使得答案库动态更新,更能适应训练评估,第二,同一训练课目正确答案不唯一,通过形成多种形式的答案库,能够更加准确、实际地评估训练过程。
步骤S120,根据预先构建的动作计分模型确定完成导航对抗训练动作后对应的动作评分。
上述预先构建的动作计分模型包括时序性计分模型、时效性计分模型、规范性计分约束条件和协作性计分约束条件。以下针对模型和条件的具体内容进行详细说明。
上述时序性计分模型为,u为前一个动作与答题表对应标识,v为当前动作与答题表对应标识,z为后一个动作与答题表对应标识。在实际应用时,可以用“0”表示该动作与答题表对应,“1”表示不对应,则相应的,时序性相关动作前后对应关系与得分表示为:
上述时效性计分模型为;其中,为时效性评分;p、q、m为预设系数;/>为动作用时,/>为预设失效的时长。
在一种实施方式中,时效性计分模型可以为,时效性计分模型用于通过当前动作用时与规定时长的关系计算得分,其中,预设系数的选择仅作示例,不作具体限定。
上述规范性计分约束条件用于根据动作完成程度分阶段确定规范性得分。例如,动作的整个操作能够完全按照规则进行,得分为100;动作的部分操作按照规则进行,得分50;动作不能完全按照规则进行,得分为0。
上述协作性计分约束条件用于当前动作与下一动作完成度的影响分阶段确定协作性得分。例如,如果完成当前动作后,下一动作能完全正常进行,得分为100;如果完成当前动作后,下一动作正常进行受到影响,得分为50;如果完成当前动作后,不能进行下一动作,得分为0。
在一种实施方式中,上述根据预先构建的动作计分模型确定完成导航对抗训练动作后对应的动作评分,可以包括以下步骤2-1和步骤2-2:
步骤2-1,根据时序性计分模型确定时序性得分,根据时效性计分模型计算时效性得分。时序性得分和时效性得分通过上述对应的模型计算得分计算。
步骤2-2,基于时序性得分、时效性得分和规范性得分和协作性得分,以及每种得分对应的权重系数,确定完成导航对抗训练动作后对应的动作评分。
基于以上四类计分模型计分条件,单个对抗训练动作会形成四类评分结果,将四类评分结果进行统计,便得到整个动作的评分,其统计公式为:
其中,分别时序性、时效性、规范性与协作性的评分结果,为对应的权重系数。在一种示例中,权重系数可以分别设置为0.25、0.25、0.3、0.2。
通过上述时序性计分模型、时效性计分模型、规范性计分约束条件和协作性计分约束条件预先构建的动作计分模型,综合考虑了动作的时序性、时效性、规范性与协作性,能够全面多方位考察参训人员的技术能力、训练素养。
步骤S130,基于动态答案库和预先构建的导航对抗训练层级评分模型确定各层级的训练评估结果。
在一种实施方式中,可以基于动态答案库中的多个动态答案表与导航对抗训练层级所包括的训练想定层级、训练课目层级、训练行动层级和训练动作层级进行逐层级比对后,根据预先构建的动作计分模型确定评分矩阵;评分矩阵用于表征对抗训练各层级之间的耦合关系。
在实际应用中,考虑导航对抗部署与行动是独立、协同相统一的特性,因此对其进行分层次、分类别构建评估模型,具体方法描述如下:
上述训练想定层级的评估规则集合及对应的分值/>分别为:
是想定中第/>个科目的评估规则集合,/>第/>个科目的规则分值,也即:
是想定中第/>个科目第/>个行动的评估规则集合,/>第/>个科目第/>个行动的规则分值,即:
是想定中第/>个科目第/>个行动中动作/>的评估规则集合,/>第/>个科目第/>个行动中动作/>规则分值。
根据评估规则进行评估时,不同层级(想定-科目-行动-动作)的规则对训练综合能力的影响不同,因此需要进行各个层级的评估,直至最小单元(动作)。通过首先构建识别矩阵,然后给出各层级每个规则权重,最后进行评估计算。
通过预先建立的个智能动态答案表与实际动作进行比对后,按照上述预先构建的动作计分模型中的计分策略进行计分,设第/>个答案表对动作/>的评分为d ijkp,其中,p为答案表的数目。因此构建评分矩阵/>为:
通过构建层次评估模型,能够反应训练各层级之间的耦合关系,从每个层级均能得到应有的评估结果,并能通过每个层级的评估结果看到整个训练过程的态势变化。
步骤S140,对动作评分进行分段处理和降模糊化处理,得到导航对抗训练的多维度评估结果。
在一种实施方式中,为保证评估结果正确性,可以将评分标准等级划分为若干个评分类别,以基于评分类别进行相应的评分,在具体实施时,可以包括以下步骤3-1至步骤3-4:
步骤3-1,对动作评分进行分段处理,确定对抗训练动作所属的评分类别;
步骤3-2,根据评分类别构建对应的评分模糊权函数,并通过评分模糊权函数确定对抗训练动作对应的评分类别的评估模糊系数和总评估模糊系数;
步骤3-3,基于评估模糊系数和总评估模糊系数确定对应的评分类别的评分降模糊权矩阵;
步骤3-4,根据对抗训练动作所对应的评分将模糊权矩阵确定导航对抗训练的多维度评估结果。
上述多维度评估结果包括行动评估结果、课目评估结果、想定评估结果、针对预设行动的席位评估结果、针对预设课目的席位评估结果和针对预设想定的席位评估结果。
在一个评分示例中,将评分标准等级划分为5个评分类别,分别为“0~20”、“20~40”、“40~60”、“60~80”、“80~100”分,各评分类别对应的中值分别为10、30、50、70、90。根据不同评分类别,构建评分模糊权函数:
第一类,评分中值为90时,对应的评分模糊权函数:
第二类,评分中值为70时,对应的评分模糊权函数:
第三类,评分中值为50时,对应的评分模糊权函数:
第四类,评分中值为30时,对应的评分模糊权函数:
第五类,评分中值为10时,对应的评分模糊权函数:
通过计算可以得到动作属于相应评分类别的评估模糊系数以及总评估模糊系数,分别记为/>、/>:
其中为评分类别数目,即为5,被评对象的第/>类的评分降模糊权为:
设行动j的各评分降模糊权向量可表示为/>,便可得到规则/>的评分降模糊权矩阵/>。
(1)对行动做综合评估,根据行动的规则分值,其评估结果为:
(2)对课目做综合评估,根据课目的规则分值,其评估结果为:
其中,。
(3)对想定做综合评估,根据想定的规则分值,其评估结果为:
其中,。
(4)关于红/白/蓝任意一方在整个行动中,某个席位的评估结果为:
(5)关于红/白/蓝任意一方在整个课目中,某个席位的评估结果为:
(6)关于红/白/蓝任意一方在整个想定中,某个席位的评估结果为:
其中,Bijl为课目i行动j动作l的评估结果,对应于矩阵Bij元素对角线上的值,为当前席位编号,/>为待评估席位编号。
以上得到不同维度的评分结果后,对其进行整合处理,目的是对答案库中答案表的完整性、准确性进行修正,其整合处理流程如下:
(1)将多次不同训练的不同维度评估结果进行临时存储;
(2)根据动作、行动、课目、想定评估结果最高分原则,对不同维度的动作、行动、课目、想定分值进行提取;
(3)根据提取的动作、行动、课目、想定分值,形成新的规则分值答案表;
(4)将新的答案表按照不同维度存储到动态答案库。
降模糊化的多维度评估方法能够有效过滤不确定性的动作评分结果,提高各动作评分结果的准确性,进而保证想定、课目、行动、参训方、角色等多维度评估结果的客观真实性。
导航对抗的主要目标任务是为了阻止敌方使用卫星导航信息,保证我方可以有效地利用卫星导航信息,同时不影响对抗区域以外和平利用卫星导航信息。在导航对抗训练中,合理的评估方法对检查、考核导航技术人员作训指挥效能、及时发现并且消除导航对抗指挥中存在的问题、优化各个环节的指挥训练活动、提高导航对抗整体作业能力,具有重要指导意义。
本申请实施例所提供的上述北斗导航对抗训练的智能评估方法,有效完善了导航对抗训练评估技术理论,支撑了导航对抗作训装备的论证与建设。第一,创造性的提出了以智能动态答案库进行动作评分的判分依据,一方面,极大避免了人为主观、外界干扰因素的影响,另一方面,通过不断迭代训练,使得答案库质量及评估结果更加准确、合理,为后续评估提供优质的答案库;第二,综合考虑了动作的时序性、时效性、规范性与协作性,能够全面多方位考察参训人员的技术能力、训练素养;第三,通过构建层次评估体系,能够反应训练各层级之间的耦合关系,从每个层级均能得到应有的评估结果,并能通过每个层级的评估结果看到整个训练过程的态势变化;第四,对于存在模糊、异议的动作评分结果,本申请实施例发明了降模糊化的多维度评估方法,该方法有效过滤了不确定性的动作评分结果,提高各动作评分结果的准确性,进而保证想定、课目、行动、参训方、角色等多维度评估结果的客观真实性。
基于上述方法实施例,本申请实施例还提供一种北斗导航对抗训练的智能评估装置,参见图2所示,该装置包括以下部分:
答案库动态生成模块210,用于获取导航对抗训练初始答案表,对初始答案表进行动态更新,通过更新后的多个动态答案表生成动态答案库;
动作评分模块220,用于根据预先构建的动作计分模型确定完成导航对抗训练动作后对应的动作评分;
层级评估模块230,用于基于动态答案库和预先构建的导航对抗训练层级评分模型确定各层级的训练评估结果;
多维度评估模块240,用于对动作评分进行分段处理和降模糊化处理,得到导航对抗训练的多维度评估结果。
本申请实施例提供的北斗导航对抗训练的智能评估装置,通过以智能动态答案库进行动作评分的判分依据,一方面,极大避免了人为主观、外界干扰因素的影响,另一方面,通过不断迭代训练,使得答案库质量及评估结果更加准确、合理,为后续评估提供优质的答案库;通过动作的时序性、时效性、规范性与协作性,能够全面多方位考察参训人员的技术能力、训练素养;第三,通过预先构建的导航对抗训练层级评分模型,能够反应训练各层级之间的耦合关系,从每个层级均能得到应有的评估结果,并能通过每个层级的评估结果看到整个训练过程的态势变化;第四,对于存在模糊、异议的动作评分结果,通过降模糊化的多维度评估,有效过滤了不确定性的动作评分结果,提高各动作评分结果的准确性,进而保证想定、课目、行动、参训方、角色等多维度评估结果的客观真实性。
在一可行的实施方式中,导航对抗训练层级依次包括训练想定层级、训练课目层级、训练行动层级和训练动作层级;生成的动态答案库包括独立训练智能动态答案库和对抗训练智能动态答案库;
上述答案库动态生成模块210,用于:
根据每次的独立训练想定,拟定多个课目训练流程,对于每个训练课目,按照行动-动作进行推进,对独立训练中各个动作形成关键动作集,每个动作集作为动态答案的一部分,通过多次独立训练生成独立训练智能动态答案库;
根据每次的对抗训练想定,拟定多个课目训练流程,对于每个训练课目,按照训练方-行动-动作进行推进,对于红、蓝双方对抗以及白方导调动作形成关键对抗块,每个对抗块中的动作作为各方的动态答案表的一部分,通过多次对抗训练生成对抗训练智能动态答案库。
在一可行的实施方式中,预先构建的动作计分模型包括时序性计分模型、时效性计分模型、规范性计分约束条件和协作性计分约束条件;
其中,时序性计分模型为,u为前一个动作与答题表对应标识,v为当前动作与答题表对应标识,z为后一个动作与答题表对应标识;/>
时效性计分模型为;/>为时效性评分;/>为动作用时,/>为预设失效的时长;
规范性计分约束条件用于根据动作完成程度分阶段确定规范性得分;
协作性计分约束条件用于当前动作与下一动作完成度的影响分阶段确定协作性得分。
在一可行的实施方式中,上述动作评分模块220,还用于:
根据时序性计分模型确定时序性得分,根据时效性计分模型计算时效性得分;
基于时序性得分、时效性得分和规范性得分和协作性得分,以及每种得分对应的权重系数,确定完成导航对抗训练动作后对应的动作评分。
在一可行的实施方式中,上述层级评估模块230,还用于:
基于动态答案库中的多个动态答案表与导航对抗训练层级所包括的训练想定层级、训练课目层级、训练行动层级和训练动作层级进行逐层级比对后,根据预先构建的动作计分模型确定评分矩阵;评分矩阵用于表征对抗训练各层级之间的耦合关系。
在一可行的实施方式中,上述多维度评估模块240,还用于:
对动作评分进行分段处理,确定对抗训练动作所属的评分类别;
根据评分类别构建对应的评分模糊权函数,并通过评分模糊权函数确定对抗训练动作对应的评分类别的评估模糊系数和总评估模糊系数;
基于评估模糊系数和总评估模糊系数确定对应的评分类别的评分降模糊权矩阵;
根据对抗训练动作所对应的评分将模糊权矩阵确定导航对抗训练的多维度评估结果。
在一可行的实施方式中,多维度评估结果包括行动评估结果、课目评估结果、想定评估结果、针对预设行动的席位评估结果、针对预设课目的席位评估结果和针对预设想定的席位评估结果。
本申请实施例提供的北斗导航对抗训练的智能评估装置,其实现原理及产生的技术效果和前述方法实施例相同,为简要描述,北斗导航对抗训练的智能评估装置的实施例部分未提及之处,可参考前述北斗导航对抗训练的智能评估方法实施例中相应内容。
本申请实施例还提供了一种电子设备,如图3所示,为该电子设备的结构示意图,其中,该电子设备100包括处理器31和存储器30,该存储器30存储有能够被该处理器31执行的计算机可执行指令,该处理器31执行该计算机可执行指令以实现上述任一项北斗导航对抗训练的智能评估方法。
在图3示出的实施方式中,该电子设备还包括总线32和通信接口33,其中,处理器31、通信接口33和存储器30通过总线32连接。
其中,存储器30可能包含高速随机存取存储器(RAM,Random Access Memory),也可能还包括非不稳定的存储器(non-volatile memory),例如至少一个磁盘存储器。通过至少一个通信接口33(可以是有线或者无线)实现该系统网元与至少一个其他网元之间的通信连接,可以使用互联网,广域网,本地网,城域网等。总线32可以是ISA(IndustryStandard Architecture,工业标准体系结构)总线、PCI(Peripheral ComponentInterconnect,外设部件互连标准)总线或EISA(Extended Industry StandardArchitecture,扩展工业标准结构)总线等。所述总线32可以分为地址总线、数据总线、控制总线等。为便于表示,图3中仅用一个双向箭头表示,但并不表示仅有一根总线或一种类型的总线。
处理器31可能是一种集成电路芯片,具有信号的处理能力。在实现过程中,上述方法的各步骤可以通过处理器31中的硬件的集成逻辑电路或者软件形式的指令完成。上述的处理器31可以是通用处理器,包括中央处理器(Central Processing Unit,简称CPU)、网络处理器(Network Processor,简称NP)等;还可以是数字信号处理器(Digital SignalProcessor,简称DSP)、专用集成电路(Application Specific Integrated Circuit,简称ASIC)、现场可编程门阵列(Field-Programmable Gate Array,简称FPGA)或者其他可编程逻辑器件、分立门或者晶体管逻辑器件、分立硬件组件。通用处理器可以是微处理器或者该处理器也可以是任何常规的处理器等。结合本申请实施例所公开的方法的步骤可以直接体现为硬件译码处理器执行完成,或者用译码处理器中的硬件及软件模块组合执行完成。软件模块可以位于随机存储器,闪存、只读存储器,可编程只读存储器或者电可擦写可编程存储器、寄存器等本领域成熟的存储介质中。该存储介质位于存储器,处理器31读取存储器中的信息,结合其硬件完成前述实施例的北斗导航对抗训练的智能评估方法的步骤。
本申请实施例还提供了一种计算机可读存储介质,该计算机可读存储介质存储有计算机可执行指令,该计算机可执行指令在被处理器调用和执行时,该计算机可执行指令促使处理器实现上述北斗导航对抗训练的智能评估方法,具体实现可参见前述方法实施例,在此不再赘述。
本申请实施例所提供的北斗导航对抗训练的智能评估方法、装置、设备和介质的计算机程序产品,包括存储了程序代码的计算机可读存储介质,所述程序代码包括的指令可用于执行前面方法实施例中所述的方法,具体实现可参见方法实施例,在此不再赘述。
除非另外具体说明,否则在这些实施例中阐述的部件和步骤的相对步骤、数字表达式和数值并不限制本申请的范围。
所述功能如果以软件功能单元的形式实现并作为独立的产品销售或使用时,可以存储在一个处理器可执行的非易失的计算机可读取存储介质中。基于这样的理解,本申请的技术方案本质上或者说对现有技术做出贡献的部分或者该技术方案的部分可以以软件产品的形式体现出来,该计算机软件产品存储在一个存储介质中,包括若干指令用以使得一台计算机设备(可以是个人计算机,服务器,或者网络设备等)执行本申请各个实施例所述方法的全部或部分步骤。而前述的存储介质包括:U盘、移动硬盘、只读存储器(ROM,Read-Only Memory)、随机存取存储器(RAM,Random Access Memory)、磁碟或者光盘等各种可以存储程序代码的介质。
最后应说明的是:以上各实施例仅用以说明本申请的技术方案,而非对其限制;尽管参照前述各实施例对本申请进行了详细的说明,本领域的普通技术人员应当理解:其依然可以对前述各实施例所记载的技术方案进行修改,或者对其中部分或者全部技术特征进行等同替换;而这些修改或者替换,并不使相应技术方案的本质脱离本申请各实施例技术方案的范围。
Claims (10)
1.一种北斗导航对抗训练的智能评估方法,其特征在于,包括:
获取导航对抗训练初始答案表,对所述初始答案表进行动态更新,通过更新后的多个动态答案表生成动态答案库;
根据预先构建的动作计分模型确定完成导航对抗训练动作后对应的动作评分;
基于所述动态答案库和预先构建的导航对抗训练层级评分模型确定各层级的训练评估结果;
对所述动作评分进行分段处理和降模糊化处理,得到导航对抗训练的多维度评估结果。
2.根据权利要求1所述的北斗导航对抗训练的智能评估方法,其特征在于,导航对抗训练层级依次包括训练想定层级、训练课目层级、训练行动层级和训练动作层级;所述生成的动态答案库包括独立训练智能动态答案库和对抗训练智能动态答案库;
对所述初始答案表进行动态更新,通过更新后的多个动态答案表生成动态答案库,包括:
根据每次的独立训练想定,拟定多个课目训练流程,对于每个训练课目,按照行动-动作进行推进,对独立训练中各个动作形成关键动作集,每个动作集作为动态答案的一部分,通过多次独立训练生成所述独立训练智能动态答案库;
根据每次的对抗训练想定,拟定多个课目训练流程,对于每个训练课目,按照训练方-行动-动作进行推进,对于红、蓝双方对抗以及白方导调动作形成关键对抗块,每个对抗块中的动作作为各方的动态答案表的一部分,通过多次对抗训练生成所述对抗训练智能动态答案库。
3.根据权利要求1所述的北斗导航对抗训练的智能评估方法,其特征在于,所述预先构建的动作计分模型包括时序性计分模型、时效性计分模型、规范性计分约束条件和协作性计分约束条件;
其中,所述时序性计分模型为,u为前一个动作与答题表对应标识,v为当前动作与答题表对应标识,z为后一个动作与答题表对应标识;
所述时效性计分模型为;其中,/>为时效性评分;p、q、m为预设系数;/>为动作用时,/>为预设失效的时长;
所述规范性计分约束条件用于根据动作完成程度分阶段确定规范性得分;
所述协作性计分约束条件用于当前动作与下一动作完成度的影响分阶段确定协作性得分。
4.根据权利要求3所述的北斗导航对抗训练的智能评估方法,其特征在于,根据预先构建的动作计分模型确定完成导航对抗训练动作后对应的动作评分,包括:
根据所述时序性计分模型确定时序性得分,根据所述时效性计分模型计算时效性得分;
基于所述时序性得分、所述时效性得分和所述规范性得分和协作性得分,以及每种得分对应的权重系数,确定完成导航对抗训练动作后对应的动作评分。
5.根据权利要求2所述的北斗导航对抗训练的智能评估方法,其特征在于,基于所述动态答案库和预先构建的导航对抗训练层级评分模型确定各层级的训练评估结果,包括:
基于所述动态答案库中的多个动态答案表与导航对抗训练层级所包括的训练想定层级、训练课目层级、训练行动层级和训练动作层级进行逐层级比对后,根据所述预先构建的动作计分模型确定评分矩阵;所述评分矩阵用于表征对抗训练各层级之间的耦合关系。
6.根据权利要求1所述的北斗导航对抗训练的智能评估方法,其特征在于,对所述动作评分进行分段处理和降模糊化处理,得到导航对抗训练的多维度评估结果,包括:
对所述动作评分进行分段处理,确定对抗训练动作所属的评分类别;
根据评分类别构建对应的评分模糊权函数,并通过所述评分模糊权函数确定对抗训练动作对应的评分类别的评估模糊系数和总评估模糊系数;
基于所述评估模糊系数和所述总评估模糊系数确定对应的评分类别的评分降模糊权矩阵;
根据所述对抗训练动作所对应的评分将模糊权矩阵确定导航对抗训练的多维度评估结果。
7.根据权利要求6所述的北斗导航对抗训练的智能评估方法,其特征在于,所述多维度评估结果包括行动评估结果、课目评估结果、想定评估结果、针对预设行动的席位评估结果、针对预设课目的席位评估结果和针对预设想定的席位评估结果。
8.一种北斗导航对抗训练的智能评估装置,其特征在于,包括:
答案库动态生成模块,用于获取导航对抗训练初始答案表,对所述初始答案表进行动态更新,通过更新后的多个动态答案表生成动态答案库;
动作评分模块,用于根据预先构建的动作计分模型确定完成导航对抗训练动作后对应的动作评分;
层级评估模块,用于基于所述动态答案库和预先构建的导航对抗训练层级评分模型确定各层级的训练评估结果;
多维度评估模块,用于对所述动作评分进行分段处理和降模糊化处理,得到导航对抗训练的多维度评估结果。
9.一种电子设备,其特征在于,包括处理器和存储器,所述存储器存储有能够被所述处理器执行的计算机可执行指令,所述处理器执行所述计算机可执行指令以实现权利要求1至7任一项所述的北斗导航对抗训练的智能评估方法。
10.一种计算机可读存储介质,其特征在于,所述计算机可读存储介质存储有计算机可执行指令,所述计算机可执行指令在被处理器调用和执行时,计算机可执行指令促使处理器实现权利要求1至7任一项所述的北斗导航对抗训练的智能评估方法。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202310841532.7A CN116596406B (zh) | 2023-07-11 | 2023-07-11 | 北斗导航对抗训练的智能评估方法、装置、设备和介质 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202310841532.7A CN116596406B (zh) | 2023-07-11 | 2023-07-11 | 北斗导航对抗训练的智能评估方法、装置、设备和介质 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN116596406A true CN116596406A (zh) | 2023-08-15 |
CN116596406B CN116596406B (zh) | 2023-10-03 |
Family
ID=87611970
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202310841532.7A Active CN116596406B (zh) | 2023-07-11 | 2023-07-11 | 北斗导航对抗训练的智能评估方法、装置、设备和介质 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN116596406B (zh) |
Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN112820164A (zh) * | 2021-01-29 | 2021-05-18 | 北京华如科技股份有限公司 | 一种基于分层的行为模型的vr虚拟对抗训练系统 |
CN113627596A (zh) * | 2021-08-10 | 2021-11-09 | 中国科学院自动化研究所 | 基于动态图神经网络的多智能体对抗方法及系统 |
US20220027798A1 (en) * | 2020-07-24 | 2022-01-27 | SparkCognition, Inc. | Autonomous behaviors in a multiagent adversarial scene |
CN115146055A (zh) * | 2022-04-18 | 2022-10-04 | 重庆邮电大学 | 一种基于对抗训练的文本通用对抗防御方法及系统 |
CN115374656A (zh) * | 2022-10-25 | 2022-11-22 | 中国人民解放军国防科技大学 | 一种卫星导航安全效能分析系统及建立方法 |
-
2023
- 2023-07-11 CN CN202310841532.7A patent/CN116596406B/zh active Active
Patent Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20220027798A1 (en) * | 2020-07-24 | 2022-01-27 | SparkCognition, Inc. | Autonomous behaviors in a multiagent adversarial scene |
CN112820164A (zh) * | 2021-01-29 | 2021-05-18 | 北京华如科技股份有限公司 | 一种基于分层的行为模型的vr虚拟对抗训练系统 |
CN113627596A (zh) * | 2021-08-10 | 2021-11-09 | 中国科学院自动化研究所 | 基于动态图神经网络的多智能体对抗方法及系统 |
CN115146055A (zh) * | 2022-04-18 | 2022-10-04 | 重庆邮电大学 | 一种基于对抗训练的文本通用对抗防御方法及系统 |
CN115374656A (zh) * | 2022-10-25 | 2022-11-22 | 中国人民解放军国防科技大学 | 一种卫星导航安全效能分析系统及建立方法 |
Also Published As
Publication number | Publication date |
---|---|
CN116596406B (zh) | 2023-10-03 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
JP6771751B2 (ja) | リスク評価方法およびシステム | |
Wei et al. | Credit scoring with social network data | |
Lubell et al. | Watershed partnerships and the emergence of collective action institutions | |
CN110110093A (zh) | 一种基于知识图谱的识别方法、装置、电子设备及存储介质 | |
CN109272323B (zh) | 一种风险交易识别方法、装置、设备及介质 | |
CN109635007B (zh) | 一种行为评估方法、装置及相关设备 | |
CN111737481B (zh) | 知识图谱的降噪方法、装置、设备和存储介质 | |
CN108805422A (zh) | 一种数据评估模型训练系统、数据评估平台和方法 | |
CN108038627A (zh) | 一种对象评估方法及装置 | |
CN109190917A (zh) | 一种信用贷款的风险控制方法和系统 | |
CN110209729A (zh) | 数据转移对象识别的方法及装置 | |
CN110009497B (zh) | 基于区块链的决策方法及装置和电子设备 | |
CN115203496A (zh) | 基于大数据的项目智能预测及评估方法、系统及可读存储介质 | |
CN113821827B (zh) | 保护多方数据隐私的联合建模方法及装置 | |
CN110413858A (zh) | 企业舆情信息查询方法、装置、计算机设备及存储介质 | |
CN116596406B (zh) | 北斗导航对抗训练的智能评估方法、装置、设备和介质 | |
CN110378389A (zh) | 一种Adaboost分类器计算机创建装置 | |
Yang | An agent-based dynamic model of politics, fertility and economic development | |
CN110458570B (zh) | 风险交易管控和配置方法及其系统 | |
CN107909496A (zh) | 社交网络中用户影响力分析方法、装置及电子设备 | |
CN114677217B (zh) | 一种基于子图匹配的面向以太坊的异常交易行为检测方法 | |
CN112632197B (zh) | 基于知识图谱的业务关系处理方法及装置 | |
CN113469696A (zh) | 一种用户异常度评估方法、装置及计算机可读存储介质 | |
CN111464591B (zh) | 一种区块链内节点间争端的处理方法及系统 | |
CN113779336A (zh) | 用户行为数据的处理方法及装置、电子设备 |
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 |