CN117131706B - 面向计算机生成兵力的决策控制装置及行为控制方法 - Google Patents
面向计算机生成兵力的决策控制装置及行为控制方法 Download PDFInfo
- Publication number
- CN117131706B CN117131706B CN202311378739.1A CN202311378739A CN117131706B CN 117131706 B CN117131706 B CN 117131706B CN 202311378739 A CN202311378739 A CN 202311378739A CN 117131706 B CN117131706 B CN 117131706B
- Authority
- CN
- China
- Prior art keywords
- task
- decision
- module
- interface
- control device
- 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
- 238000000034 method Methods 0.000 title claims abstract description 44
- 238000012545 processing Methods 0.000 claims abstract description 94
- 230000006870 function Effects 0.000 claims abstract description 86
- 230000006399 behavior Effects 0.000 claims description 40
- 239000002131 composite material Substances 0.000 claims description 23
- 238000004088 simulation Methods 0.000 claims description 23
- 238000013507 mapping Methods 0.000 claims description 5
- 230000003068 static effect Effects 0.000 claims description 5
- 238000004519 manufacturing process Methods 0.000 claims description 4
- 230000004044 response Effects 0.000 claims description 4
- 230000001960 triggered effect Effects 0.000 claims description 4
- 230000008676 import Effects 0.000 claims description 3
- 230000003993 interaction Effects 0.000 description 11
- 238000001514 detection method Methods 0.000 description 7
- 230000008569 process Effects 0.000 description 7
- 230000008878 coupling Effects 0.000 description 5
- 238000010168 coupling process Methods 0.000 description 5
- 238000005859 coupling reaction Methods 0.000 description 5
- 238000010586 diagram Methods 0.000 description 5
- 230000008485 antagonism Effects 0.000 description 4
- 230000008901 benefit Effects 0.000 description 3
- 230000019771 cognition Effects 0.000 description 3
- 150000001875 compounds Chemical class 0.000 description 3
- 238000013461 design Methods 0.000 description 3
- 238000005516 engineering process Methods 0.000 description 3
- 238000010801 machine learning Methods 0.000 description 3
- 230000008520 organization Effects 0.000 description 3
- 238000011160 research Methods 0.000 description 3
- 230000003542 behavioural effect Effects 0.000 description 2
- 238000007796 conventional method Methods 0.000 description 2
- 238000011835 investigation Methods 0.000 description 2
- 239000000203 mixture Substances 0.000 description 2
- 230000001360 synchronised effect Effects 0.000 description 2
- 230000009471 action Effects 0.000 description 1
- 238000004458 analytical method Methods 0.000 description 1
- 230000009286 beneficial effect Effects 0.000 description 1
- 238000004422 calculation algorithm Methods 0.000 description 1
- 238000004364 calculation method Methods 0.000 description 1
- 230000008859 change Effects 0.000 description 1
- 238000004590 computer program Methods 0.000 description 1
- 238000005094 computer simulation Methods 0.000 description 1
- 238000010276 construction Methods 0.000 description 1
- 230000007547 defect Effects 0.000 description 1
- 238000004387 environmental modeling Methods 0.000 description 1
- 230000006872 improvement Effects 0.000 description 1
- 230000014759 maintenance of location Effects 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 238000004806 packaging method and process Methods 0.000 description 1
- 230000002787 reinforcement Effects 0.000 description 1
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
- G06F2111/00—Details relating to CAD techniques
- G06F2111/20—Configuration CAD, e.g. designing by assembling or positioning modules selected from libraries of predesigned modules
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)
Abstract
本申请涉及面向计算机生成兵力的决策控制装置及行为控制方法，该装置包括定义的组件接口模块、主函数模块和任务插件列表模块；组件接口模块用于提供主函数模块和任务插件列表模块工作时完成数据初始化、配置基础文件、输入数据处理和输出数据处理的处理接口；主函数模块用于根据接收到的任务消息调用任务插件列表模块提供的任务插件完成任务消息对应的任务处理，任务插件列表模块用于提供分别对应于不同决策任务功能的各任务插件；各决策任务功能均为基于计算机生成兵力的不同任务功能。大幅提高了计算机CGF模型的可扩展性。
Description
技术领域
本发明属于计算仿真技术领域，涉及一种面向计算机生成兵力的决策控制装置及行为控制方法。
背景技术
计算机生成兵力 （Computer Generated Forces， CGF）是指由计算机生成的仿真实体，它能通过模拟人类行为自主对虚拟现场环境中的事件和状态做出反应。CGF的运用可以扩展仿真规模，减少所需人员和模拟器数量，使整个仿真过程易于管理和控制。CGF建模分为环境建模、物理建模和行为建模。行为建模是指对目标事务仿真中需要表示的人的行为或表现进行建模，也被称为人类行为的表示（Human Behavioral Representation，HBR），含义是用计算公式、程序或某种模拟方法来表示个人与组织的行为。CGF 行为建模是构建目标事务仿真系统的关键前沿技术之一，其本质是人类行为建模，其行为表示的准确与否是目标事务仿真中人类行为模型是否真实、仿真运行结果是否可信的关键所在，如何构建贴近真实的人类行为模型，始终是目标事务仿真技术研究的重点和难点，直接决定了仿真系统的可信性和效益。然而，传统的CGF建模技术仍存在着可扩展性较低的技术问题。
发明内容
针对上述传统方法中存在的问题，本发明提出了一种面向计算机生成兵力的决策控制装置以及一种面向计算机生成兵力的决策行为控制方法，能够大幅提高计算机CGF模型的可扩展性。
为了实现上述目的，本发明实施例采用以下技术方案：
一方面，提供一种面向计算机生成兵力的决策控制装置，包括定义的组件接口模块、主函数模块和任务插件列表模块；
组件接口模块用于提供主函数模块和任务插件列表模块工作时完成数据初始化、配置基础文件、输入数据处理和输出数据处理的处理接口；
主函数模块用于根据接收到的任务消息调用任务插件列表模块提供的任务插件完成任务消息对应的任务处理，任务插件列表模块用于提供分别对应于不同决策任务功能的各任务插件；各决策任务功能均为基于计算机生成兵力的不同任务功能。
在其中一个实施例中，组件接口模块包括数据初始化接口、基础配置文件接口、输入数据处理接口和输出数据处理接口；
数据初始化接口用于对基于计算机生成兵力的决策控制中定义的静态参数、动态参数、响应消息、生产消息和任务进行初始化；
基础配置文件接口用于文件的具体存放路径描述、实体描述、组件描述和实体的实例说明；
输入数据处理接口用于处理决策控制装置接收到的消息，输出数据处理接口用于处理决策控制装置发送的消息。
在其中一个实施例中，输入数据处理接口包括触发器接收接口、实体数据共享模块读接口、记忆数据模块读接口和公共知识查询库；
触发器接收接口用于触发决策控制装置完成要处理的任务；每个任务由不同触发器接收接口触发；
实体数据共享模块读接口用于通过引擎黑板映射完成决策控制装置与仿真实体之间的参数共享；
记忆数据模块读接口用于保存决策控制装置的历史记忆数据；
公共知识查询库用于存放和更新任务规则信息以及任务执行条件信息，公共知识查询库包括分别对应每个仿真实体的公共知识库子集插件。
在其中一个实施例中，主函数模块包括决策主控制函数单元和决策任务插件调度函数单元，决策任务插件调度函数单元用于在接收到任务消息时，按照任务消息对应的时间和插件种类执行任务插件调度；决策主控制函数单元用于处理来自触发器接收接口的任务。
在其中一个实施例中，任务插件列表模块包括原子任务插件列表单元和复合任务插件列表单元，原子任务插件列表单元包括各不可分解的任务对应的原子任务插件，复合任务插件列表单元包括各可分解任务对应的复合任务插件，各原子任务插件和复合任务插件均继承自插件基类。
在其中一个实施例中，原子任务插件和复合任务插件的核心决策逻辑的描述方法包括基于知识工程的描述方法。
在其中一个实施例中，原子任务插件和复合任务插件的核心决策逻辑的描述方法包括基于决策控制理论的描述方法。
在其中一个实施例中，原子任务插件和复合任务插件的核心决策逻辑的描述方法包括机器学习的描述方法。
在其中一个实施例中，公共知识查询库的公共知识表示方式包括if-else规则或知识图谱。
另一方面，还提供一种面向计算机生成兵力的决策行为控制方法，应用于上述的面向计算机生成兵力的决策控制装置，该决策行为控制方法包括：
决策控制装置收到上级实体发送的任务命令后，通过组件接口模块执行针对任务命令的数据初始化；数据初始化包括基础数据导入、动态参数初始化和性能参数赋值；
决策控制装置存储任务命令携带的任务信息；
决策控制装置通过记忆数据模块读接口查取当前正在执行的任务和任务状态，确定任务信息对应的新任务的执行方式；执行方式包括立即执行、等待执行或不执行；
决策控制装置根据当前正在执行的任务和新任务的执行方式进行任务调度处理后，将任务信息通过任务消息发送给任务插件列表模块中的相应任务插件；
决策控制装置在任务调度完成后，更新记忆数据模块读接口和公共知识查询库的数据；
数据更新后，决策控制装置向上级实体发送任务处理结果信息。
上述技术方案中的一个技术方案具有如下优点和有益效果：
上述面向计算机生成兵力的决策控制装置及行为控制方法，通过针对传统的决策控制模型，利用组件化建模的方式，分别构建了定义的组件接口模块、主函数模块和任务插件列表模块，由组件接口模块提供主函数模块和任务插件列表模块工作时完成数据初始化、配置基础文件、输入数据处理和输出数据处理的处理接口，主函数模块而通过调用任务插件列表模块提供的任务插件完成任务消息对应的任务处理，从而极大的拓展决策控制模型的功能，从而将其设计为一个单独的组件，又称决策控制组件，实现高效处理系统中的复杂问题并提高系统的对抗性；此外，决策控制模型组件化后，使得整个行为建模更加符合人类行为认知，降低了系统的耦合性，提高行为建模的灵活性和拓展性，从而实现大幅提高计算机CGF模型的可扩展性目的，使得模型系统灵活性、适应性和对抗性都能够得到极大提升。
附图说明
为了更清楚地说明本申请实施例或传统技术中的技术方案，下面将对实施例或传统技术描述中所需要使用的附图作简单地介绍，显而易见地，下面描述中的附图仅仅是本申请的一些实施例，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为一个实施例中面向计算机生成兵力的决策控制装置的模块组成示意图；
图2为一个实施例中组件接口的组成示意图；
图3为一个实施例中主函数模块的组成示意图；
图4为一个实施例中任务插件列表的组成示意图；
图5为一个实施例中面向计算机生成兵力的决策行为控制方法的流程示意图；
图6为一个实施例中面向计算机生成兵力的决策行为控制方法的应用流程示意图。
具体实施方式
为了使本申请的目的、技术方案及优点更加清楚明白，以下结合附图及实施例，对本申请进行进一步详细说明。应当理解，此处描述的具体实施例仅仅用以解释本申请，并不用于限定本申请。
除非另有定义，本文所使用的所有的技术和科学术语与属于本申请的技术领域的技术人员通常理解的含义相同。在本申请的说明书中所使用的术语只是为了描述具体的实施例的目的，不是旨在于限制本申请。
需要说明的是，在本文中提及“实施例”意味着，结合实施例描述的特定特征、结构或特性可以包含在本发明的至少一个实施例中。在说明书中的各个位置展示该短语并不一定均是指相同的实施例，也不是与其它实施例互斥的独立的或备选的实施例。
本领域技术人员可以理解，本文所描述的实施例可以与其它实施例相结合。在本发明说明书和所附权利要求书中使用的术语“和/或”是指相关联列出的项中的一个或多个的任何组合以及所有可能组合，并且包括这些组合。
在本发明的研究设计中，发明人研究发现是否具有真实可信的行为是 CGF 行为模型的核心，决策控制是CGF行为模型的重要组成部分，行为模型具体表现为决策控制的真实性、可靠性和稳定性决。但是现有的CGF模型中的决策控制模型普遍存在建模难度大、决策过程过于刻板、缺乏灵活性和适应性，模型可扩展性不足，对目标事务中的不确定和对抗性考虑不足，难以满足未来关于目标事务的仿真系统的建设需要。
基于此，本申请设计了一种灵活可变的、扩展性强的、充分考虑实际应用场景中的各种复杂情况且具有高对抗性的决策控制建模方案，构建的决策控制模型可以包括接入基础数据和初始化等接口，决策主控逻辑模块以及决策任务插件等。由于决策控制是行为建模中的一部分，为了充分考虑模型的灵活性和可拓展性，降低系统的耦合度，本申请将决策控制模型设计为一个独立的组件（装置），又称决策控制组件。
下面将结合本发明实施例图中的附图，对本发明实施方式进行详细说明。
请参阅图1，在一个实施例中，提供了一种面向计算机生成兵力的决策控制装置100，包括定义的组件接口模块11、主函数模块13和任务插件列表模块15。组件接口模块11用于提供主函数模块13和任务插件列表模块15工作时完成数据初始化、配置基础文件、输入数据处理和输出数据处理的处理接口。主函数模块13用于根据接收到的任务消息调用任务插件列表模块15提供的任务插件完成任务消息对应的任务处理。任务插件列表模块15用于提供分别对应于不同决策任务功能的各任务插件；各决策任务功能均为基于计算机生成兵力的不同任务功能。
可以理解，组件接口模块11主要包括了数据初始化、基础配置文件处理、数据输入（模型中获取）处理和数据处理输出等四部分，通过将前述CGF模型既有的基础功能进行重新定义封装和集成，以用于支持模型系统的基础功能。主函数模块13是封装集成了CGF模型的主函数的功能模块，其主函数不是决策控制的入口，决策控制的入口由组件接口模块11中的触发器接收接口进入。主函数模块13所提供的主函数是决策控制的主要任务处理逻辑完成的地方，是决策控制的核心，其用于根据模型接收到的任务消息来调用相应的任务插件来完成该任务消息对应的任务处理。任务插件列表模块15则是对于复杂功能，将其功能中独立的部分例如任务模型和规则模型等，以插件的形式进行构建，也可以将其通过引擎扩展仿真服务形式构建，从而提升这些功能模块的复用性，这些决策任务例如但不限于机动任务、探测分析任务和命令执行任务。
上述面向计算机生成兵力的决策控制装置100，通过针对传统的决策控制模型，利用组件化建模的方式，分别构建了定义的组件接口模块11、主函数模块13和任务插件列表模块15，由组件接口模块11提供主函数模块13和任务插件列表模块15工作时完成数据初始化、配置基础文件、输入数据处理和输出数据处理的处理接口，主函数模块13而通过调用任务插件列表模块15提供的任务插件完成任务消息对应的任务处理，从而极大的拓展决策控制模型的功能，从而将其设计为一个单独的组件，又称决策控制组件，实现高效处理系统中的复杂问题并提高系统的对抗性；此外，决策控制模型组件化后，使得整个行为建模更加符合人类行为认知，降低了系统的耦合性，提高行为建模的灵活性和拓展性，从而实现大幅提高计算机CGF模型的可扩展性目的，使得模型系统灵活性、适应性和对抗性都能够得到极大提升。
在一个实施例中，如图2所示，组件接口模块包括数据初始化接口、基础配置文件接口、输入数据处理接口和输出数据处理接口。（数据）初始化接口用于对基于计算机生成兵力的决策控制中定义的静态参数、动态参数、响应消息、生产消息和任务进行初始化。基础配置文件接口（也称基础数据接口）用于文件的具体存放路径描述、实体描述、组件描述和实体的实例说明。输入数据（处理）接口用于处理决策控制装置接收到的消息。输出数据（处理）接口用于处理决策控制装置发送的消息。
具体的，定义组件接口类：组件接口模块包括的接口主要分为数据初始化接口、基础配置文件接口、输入数据（模型中获取）处理接口和输出数据处理接口等四部分。其中，数据初始化接口主要是对模型的决策控制中定义的一些静态参数、动态参数、响应消息（来自实体或其他组件的消息）、生产消息（发送给其他实体或组件的消息）和任务进行初始化。基础数据（配置文件）接口主要是为了维持整个模型系统的稳定运行，具体内容可以分为文件的具体存放路径，实体和组件的相关描述，实体的实例说明等，配置文件格式可以包括数据库文件、XML配置文件、JSOM配置文件和其他所需格式文件。
输入数据处理接口主要是用于处理整个决策控制组件接收到的消息。输出数据处理接口用于按照模型系统既有的输出处理流程，处理决策控制装置发送的各类消息。
进一步的，输入数据处理接口包括触发器接收接口、实体数据共享模块读接口、记忆数据模块读接口和公共知识查询库。触发器接收接口用于触发决策控制装置完成要处理的任务；每个任务由不同触发器接收接口触发。实体数据共享模块读接口用于通过引擎黑板映射完成决策控制装置与仿真实体之间的参数共享。记忆数据模块读接口用于保存决策控制装置的历史记忆数据。公共知识查询库用于存放和更新任务规则信息以及任务执行条件信息，公共知识查询库包括分别对应每个仿真实体的公共知识库子集插件。对应于触发器接收接口，还设置有触发器发送接口，对应于记忆数据模块读接口，还设置有记忆数据模块更新接口，对应于实体数据共享模块读接口，还设置有实体数据共享模块写接口。
具体的，触发器接收接口主要是用于触发决策控制组件需要去完成的具体任务，如机动、指令执行和探测侦查等。每个任务由不同的触发器触发。实体数据共享模块读接口则是由于实体和组件有不同的动态性能参数，其数据分别存放在不同的位置，需要通过引擎黑板进行映射实现参数的更新。如对于tank实体，可以通过决策控制组件实现tank的机动和探测侦查，决策控制组件需要在仿真完的每个时间步将tank实体的速度、位置、朝向和探测侦查结果等信息写入到引擎黑板里，实体通过引擎黑板映射获取更新数据，实现仿真每个时间步的实时更新。同时，决策控制组件需要读取实体的一些基本信息时，通过根据这些信息调用对应的组件即可完成任务，如实体的ID，通过组件ID和实体ID进行匹配判断，以此来区分需要响应的不同组件。
记忆数据模块读接口是用于将一些历史数据单独保存下来，避免进行重复的处理，浪费时间和算力资源。记忆数据模块读接口需要把模型系统的一些重要的、之后可能要用到的以及之前处理过的数据保留下来，由于记忆数据保留时间较长，因此还需要控制记忆数据的大小 ，保障记忆数据模块接口的高效性。
公共知识查询库：将任务执行规则以及任务执行条件等公共知识放入该查询库中，当决策控制组件遇到决策执行分路时，就可以查询公共知识查询库，获取对应的公共知识，以用于指示完成对应任务。公共知识查询库是一个不断填充和完善的库，随着模型系统所需仿真的任务的增加和复杂度的增长，公共知识查询库也越来越大，同时需保持知识查询的高效性和结果的匹配性。
公共知识查询库的插件可以包括影响实体行为决策的历史规则插件、任务条令插件、装备数据插件和对手背景插件等。公共知识查询库的插件如同实体的知识库，用于支撑决策控制组件以及任务插件列表模块中的复合任务或原子任务实现对一些通用情况下的决策处理。为提升公共知识查询库的查询效率，构建了体系完整且自洽的任务规则体系，为每个实体配备包含其相关公共知识库子集的插件。公共知识查询库的插件可以包括不同类型知识库的初始化、查询和更新接口。不同类型知识库中数据组织为不同形式，例如行动策略条令库中规则可实现为逻辑判断语句，装备数据库中数据组织可实现为具体的属性数据，而可选的，公共知识查询库的公共知识表示方式包括既有的if-else规则或知识图谱。
在一个实施例中，如图3所示，主函数模块包括决策主控制函数单元和决策任务插件调度函数单元。决策任务插件调度函数单元用于在接收到任务消息时，按照任务消息对应的时间和插件种类执行任务插件调度。决策主控制函数单元用于处理来自触发器接收接口的任务。
可以理解，主函数不是决策控制的入口，决策控制组件的入口由触发器接收接口进入。主函数是决策控制的主要任务处理逻辑完成的地方，是决策控制的核心。主函数分为决策主控制函数和决策任务插件调度函数。相应的，决策任务插件调度函数单元主要是为了合理并高效的调度各任务插件，以执行相应的任务处理。一个组件可能同时进行多种任务的仿真处理，例如机动、指令执行、探测侦查和撤退离场等，有些任务需要并行处理，有些任务则具有顺序先后性，在接收到任务消息时，具体何时调用何种任务插件由决策任务插件调度函数单元来完成。
决策主控制函数单元主要是处理来自触发器接收接口的任务，为了提升单元代码的清晰性和灵活性，可以将任务处理放在主控制函数里面，触发器接收接口仅实现消息的接发。决策主控函数单元可以调用相应任务插件来实现特定的任务处理。例如，机动行为既可以放在决策主控函数里面处理，也可以单独写成一个任务插件，通过传输相应的参数调用该任务插件来实现该机动行为。主函数模块的两个单元配合执行任务处理，使得任务处理较为灵活且高效。
在一个实施例中，如图4所示，任务插件列表模块包括原子任务插件列表单元和复合任务插件列表单元。原子任务插件列表单元包括各不可分解的任务对应的原子任务插件。复合任务插件列表单元包括各可分解任务对应的复合任务插件，各原子任务插件和复合任务插件均继承自插件基类。
可以理解，插件类继承自插件基类，并包含插件基类的初始化与调用接口。插件的构建遵循模型与数据相分离的原则，插件构建的任务主要是支持调度任务插件来实现对应的任务功能，降低模型系统的耦合性，增加模型系统的可拓展性，例如但不限于机动任务插件、探测侦查任务插件和指令执行任务插件。插件和函数很像，都有输入参数和输出参数，完成指定的功能。但插件比函数更加的强大，它可以像组件一样独立出来，不受某种组件所约束，供系统中的所有组件和实体使用，故本申请的设计采用任务插件列表模块集成各类任务插件，显著提升了系统的可拓展性并且提升任务处理效率。
任务插件列表模块可以分为原子任务插件列表单元和复合任务插件列表单元，分别对应原子任务插件列表和复合任务插件列表。
进一步的，原子任务插件和复合任务插件的核心决策逻辑的描述方法包括基于知识工程的描述方法，也即这两类决策任务插件的核心决策逻辑部分可采用本领域既有的规则系统、有限状态机或行为树等基于知识工程的方法来高效描述。
可选的，原子任务插件和复合任务插件的核心决策逻辑的描述方法包括基于决策控制理论的描述方法，也即这两类决策任务插件的核心决策逻辑部分也可采用本领域既有的面向目标的规划或分层任务网等基于决策控制理论的方法来准确描述。
可选的，原子任务插件和复合任务插件的核心决策逻辑的描述方法包括机器学习的描述方法，也即这两类决策任务插件的核心决策逻辑部分还可采用既有的监督学习或强化学习等机器学习方法来实现灵活描述。
具体的，插件基类作为所有插件的父类，其提供属性接口、初始化接口和插件调用接口。插件基类的初始化接口从数据库文件、XML配置文件、JSON配置文件或者其他格式文件中读取插件初始化数据。插件基类提供插件调用接口，输入参数列表和输出参数列表在插件配置文件中描述。
原子任务插件用于描述执行不可分解的任务（如前进、指令执行和探测侦查等）的决策逻辑。复合任务插件同样继承自插件基类，复合任务插件可搭配多个原子任务插件或其他复合任务插件使用，在其决策逻辑的执行过程中，可以通过在线或离线创建、管理和调度原子/复合任务插件，来提高任务插件的可组合性和可扩展性。
上述面向计算机生成兵力的决策控制装置100中的各个模块可全部或部分通过软件、硬件及其组合来实现。上述各模块可以硬件形式内嵌于或独立于具备数据处理功能的设备中，也可以软件形式存储于前述设备的存储器中，以便于处理器调用执行以上各个模块对应的操作，前述设备可以是但不限于本领域已有的各型数据计算与处理设备。
请参阅图5和图6，在一个实施例中，提供一种面向计算机生成兵力的决策行为控制方法，应用于上述的面向计算机生成兵力的决策控制装置100，该决策行为控制方法可以包括如下步骤：
S01，决策控制装置收到上级实体发送的任务命令后，通过组件接口模块执行针对任务命令的数据初始化；数据初始化包括基础数据导入、动态参数初始化和性能参数赋值；
S02，决策控制装置存储任务命令携带的任务信息；
S03，决策控制装置通过记忆数据模块读接口查取当前正在执行的任务和任务状态，确定任务信息对应的新任务的执行方式；执行方式包括立即执行、等待执行或不执行；
S04，决策控制装置根据当前正在执行的任务和新任务的执行方式进行任务调度处理后，将任务信息通过任务消息发送给任务插件列表模块中的相应任务插件；
S05，决策控制装置在任务调度完成后，更新记忆数据模块读接口和公共知识查询库的数据；
S06，数据更新后，决策控制装置向上级实体发送任务处理结果信息。
可以理解，如图6所示，决策控制组件的运行流程如下：
上级实体向决策控制装置发送任务交互命令，任务交互命令告诉决策控制装置需要做什么任务，以及做这件任务附带的必要的数据。例如但不限于机动任务，附带机动目标点等。任务交互命令触发决策控制装置，首先进入到决策控制的初始化接口中。初始化主要是对必要的数据进行赋值，可以通过基础数据接口（如调用数据库文件、JSON配置文件和XML配置文件等其他文件）进行数据的读取赋值，也可以通过实体数据共享模块读接口读取实体数据对决策控制装置的某些属性进行赋值（如性能参数属性和动态参数属性）。
此时进入到任务交互命令触发器接收接口。决策控制装置接收上级实体发来的任务交互命令，将其任务信息存储下来，以便接下来的任务处理和消息发送。如上级实体发来的机动交互和交互的目标点，决策控制装置需要先进行任务调度的处理（如很多任务时，不同任务有不同的优先级和时序），处理完后将任务消息（决策控制装置发给模型系统中其他具体组件的任务命令称之为消息，消息附带任务数据）发送给模型系统中其他具体组件进行执行。
决策控制装置接到任务交互命令之后，即开始进行任务的调度处理。对于新来的任务，决策控制装置需要从记忆数据模块读接口查取正在执行的任务和任务状态，通过查询公共知识查询库，来确定该新任务的执行方式（立即执行、等待执行或不执行等）。决策控制装置主要是完成所有任务的调度安排。决策控制装置可以使用决策任务插件调度函数单元来辅助调度任务完成，这样做可以提高决策调度算法的鲁棒性、健壮性和可拓展性，还可以使模块相应代码更加简洁，易于理解。
决策控制装置调度完成之后，需要将变化的数据进行更新，具体可以分为实体数据共享模块写、公共知识查询库更新和记忆数据更新。实体数据共享模块写是更新实体数据，如组件机动任务，每次仿真，实体速度、位置和方向都发生了变化，变化完之后需要进行其具体的数据更新，这样实体才能实时显示在仿真引擎上。公共知识查询库更新，对于新任务，需要不断的完善公共知识查询库，使其支持的知识查询能力越来越强大。记忆数据更新，记忆数据是用来辅助决策任务调度的，对于新来的任务，记忆数据可以是动态变化的，可能增加或删减，删除完成的任务信息，增加正在执行的任务信息或待执行的任务信息等。
数据更新后，决策控制装置需要向上级实体发送对应的任务处理结果信息或调用下级组件执行具体任务。以上实体向决策控制装置发送任务交互命令的过程，同样适用下级组件向决策控制装置发送任务执行消息的处理过程。
上述面向计算机生成兵力的决策行为控制方法，通过应用上述的面向计算机生成兵力的决策控制装置100，针对传统的决策控制模型，利用组件化建模的方式，分别构建了定义的组件接口模块、主函数模块和任务插件列表模块，由组件接口模块提供主函数模块和任务插件列表模块工作时完成数据初始化、配置基础文件、输入数据处理和输出数据处理的处理接口，主函数模块而通过调用任务插件列表模块提供的任务插件完成任务消息对应的任务处理，从而极大的拓展决策控制模型的功能，从而将其设计为一个单独的组件，又称决策控制组件，因此利用这种决控制组件执行任务交互，可实现高效处理系统中的复杂问题并提高系统的对抗性；此外，决策控制模型组件化后，使得整个行为建模更加符合人类行为认知，降低了系统的耦合性，提高行为建模的灵活性和拓展性，从而实现大幅提高计算机CGF模型的可扩展性目的，使得模型系统灵活性、适应性和对抗性都能够得到极大提升。
关于本实施例中面向计算机生成兵力的决策控制装置100的具体限定，可以参见上文中面向计算机生成兵力的决策控制装置100各实施例的相应限定，在此不再赘述。
应该理解的是，虽然图5和图6流程图中的各个步骤按照箭头的指示依次显示，但是这些步骤并不是必然按照箭头指示的顺序依次执行。除非本文中有明确的说明，这些步骤的执行并没有严格的顺序限制，这些步骤可以以其它的顺序执行。而且图5和图6的至少一部分步骤可以包括多个子步骤或者多个阶段，这些子步骤或者阶段并不必然是在同一时刻执行完成，而是可以在不同的时刻执行，这些子步骤或者阶段的执行顺序也不必然是依次进行，而是可以与其它步骤或者其它步骤的子步骤或者阶段的至少一部分轮流或者交替地执行。
本领域普通技术人员可以理解实现上述实施例方法中的全部或部分流程，是可以通过计算机程序来指令相关的硬件来完成，计算机程序可存储于一非易失性计算机可读取存储介质中，该计算机程序在执行时，可包括如上述各方法的实施例的流程。其中，本申请所提供的各实施例中所使用的对存储器、存储、数据库或其它介质的任何引用，均可包括非易失性和/或易失性存储器。非易失性存储器可包括只读存储器（ROM）、可编程ROM（PROM）、电可编程ROM（EPROM）、电可擦除可编程ROM（EEPROM）或闪存。易失性存储器可包括随机存取存储器（RAM）或者外部高速缓冲存储器。作为说明而非局限，RAM以多种形式可得，诸如静态RAM（SRAM）、动态RAM（DRAM）、同步DRAM（SDRAM）、双数据率SDRAM（DDRSDRAM）、增强型SDRAM（ESDRAM）、同步链路（Synchlink） DRAM（SLDRAM）、存储器总线式动态随机存储器（RambusDRAM，简称RDRAM）以及接口动态随机存储器（DRDRAM）等。
以上实施例的各技术特征可以进行任意的组合，为使描述简洁，未对上述实施例中的各个技术特征所有可能的组合都进行描述，然而，只要这些技术特征的组合不存在矛盾，都应当认为是本说明书记载的范围。
以上实施例仅表达了本申请的几种实施方式，其描述较为具体和详细，但并不能因此而理解为对发明专利范围的限制。应当指出的是，对于本领域的普通技术人员来说，在不脱离本申请构思的前提下，还可做出若干变形和改进，都属于本申请保护范围。因此本申请专利的保护范围应以所附权利要求为准。
Claims (10)
1.一种面向计算机生成兵力的决策行为控制方法，其特征在于，应用于一种面向计算机生成兵力的决策控制装置，所述决策行为控制方法包括：
所述决策控制装置收到上级实体发送的任务命令后，通过组件接口模块执行针对所述任务命令的数据初始化；所述数据初始化包括基础数据导入、动态参数初始化和性能参数赋值；
所述决策控制装置存储所述任务命令携带的任务信息；
所述决策控制装置通过记忆数据模块读接口查取当前正在执行的任务和任务状态，确定所述任务信息对应的新任务的执行方式；所述执行方式包括立即执行、等待执行或不执行；
所述决策控制装置根据当前正在执行的任务和所述新任务的执行方式进行任务调度处理后，将所述任务信息通过任务消息发送给任务插件列表模块中的相应任务插件；
所述决策控制装置在任务调度完成后，更新记忆数据模块读接口和公共知识查询库的数据；
数据更新后，所述决策控制装置向所述上级实体发送任务处理结果信息；其中，所述决策控制装置包括定义的组件接口模块、主函数模块和任务插件列表模块；
所述组件接口模块用于提供所述主函数模块和所述任务插件列表模块工作时完成数据初始化、配置基础文件、输入数据处理和输出数据处理的处理接口；
所述主函数模块用于根据接收到的任务消息调用所述任务插件列表模块提供的任务插件完成所述任务消息对应的任务处理，所述任务插件列表模块用于提供分别对应于不同决策任务功能的各任务插件；各所述决策任务功能均为基于计算机生成兵力的不同任务功能。
2.一种使用权利要求1所述面向计算机生成兵力的决策行为控制方法的面向计算机生成兵力的决策控制装置，其特征在于，包括定义的组件接口模块、主函数模块和任务插件列表模块；
所述组件接口模块用于提供所述主函数模块和所述任务插件列表模块工作时完成数据初始化、配置基础文件、输入数据处理和输出数据处理的处理接口；
所述主函数模块用于根据接收到的任务消息调用所述任务插件列表模块提供的任务插件完成所述任务消息对应的任务处理，所述任务插件列表模块用于提供分别对应于不同决策任务功能的各任务插件；各所述决策任务功能均为基于计算机生成兵力的不同任务功能。
3.根据权利要求2所述的面向计算机生成兵力的决策控制装置，其特征在于，所述组件接口模块包括数据初始化接口、基础配置文件接口、输入数据处理接口和输出数据处理接口；
所述数据初始化接口用于对基于计算机生成兵力的决策控制中定义的静态参数、动态参数、响应消息、生产消息和任务进行初始化；
所述基础配置文件接口用于文件的具体存放路径描述、实体描述、组件描述和实体的实例说明；
所述输入数据处理接口用于处理所述决策控制装置接收到的消息，所述输出数据处理接口用于处理所述决策控制装置发送的消息。
4.根据权利要求3所述的面向计算机生成兵力的决策控制装置，其特征在于，所述输入数据处理接口包括触发器接收接口、实体数据共享模块读接口、记忆数据模块读接口和公共知识查询库；
所述触发器接收接口用于触发所述决策控制装置完成要处理的任务；每个任务由不同所述触发器接收接口触发；
所述实体数据共享模块读接口用于通过引擎黑板映射完成所述决策控制装置与仿真实体之间的参数共享；
所述记忆数据模块读接口用于保存所述决策控制装置的历史记忆数据；
所述公共知识查询库用于存放和更新任务规则信息以及任务执行条件信息，所述公共知识查询库包括分别对应每个仿真实体的公共知识库子集插件。
5.根据权利要求2至4任一项所述的面向计算机生成兵力的决策控制装置，其特征在于，所述主函数模块包括决策主控制函数单元和决策任务插件调度函数单元，所述决策任务插件调度函数单元用于在接收到任务消息时，按照所述任务消息对应的时间和插件种类执行任务插件调度；所述决策主控制函数单元用于处理来自触发器接收接口的任务。
6.根据权利要求5所述的面向计算机生成兵力的决策控制装置，其特征在于，所述任务插件列表模块包括原子任务插件列表单元和复合任务插件列表单元，所述原子任务插件列表单元包括各不可分解的任务对应的原子任务插件，所述复合任务插件列表单元包括各可分解任务对应的复合任务插件，各所述原子任务插件和所述复合任务插件均继承自插件基类。
7.根据权利要求6所述的面向计算机生成兵力的决策控制装置，其特征在于，所述原子任务插件和所述复合任务插件的核心决策逻辑的描述方法包括基于知识工程的描述方法。
8.根据权利要求6所述的面向计算机生成兵力的决策控制装置，其特征在于，所述原子任务插件和所述复合任务插件的核心决策逻辑的描述方法包括基于决策控制理论的描述方法。
9.根据权利要求6所述的面向计算机生成兵力的决策控制装置，其特征在于，所述原子任务插件和所述复合任务插件的核心决策逻辑的描述方法包括机器学习的描述方法。
10.根据权利要求4所述的面向计算机生成兵力的决策控制装置，其特征在于，所述公共知识查询库的公共知识表示方式包括if-else规则或知识图谱。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202311378739.1A CN117131706B (zh) | 2023-10-24 | 2023-10-24 | 面向计算机生成兵力的决策控制装置及行为控制方法 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202311378739.1A CN117131706B (zh) | 2023-10-24 | 2023-10-24 | 面向计算机生成兵力的决策控制装置及行为控制方法 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| CN117131706A CN117131706A (zh) | 2023-11-28 |
| CN117131706B true CN117131706B (zh) | 2024-01-30 |
Family
ID=88854864
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN202311378739.1A Active CN117131706B (zh) | 2023-10-24 | 2023-10-24 | 面向计算机生成兵力的决策控制装置及行为控制方法 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN117131706B (zh) |
Citations (6)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CA2452730A1 (en) * | 2001-07-06 | 2003-01-16 | Computer Associates Think, Inc. | Business process policy object |
| CN107203683A (zh) * | 2017-07-24 | 2017-09-26 | 中国人民解放军国防科学技术大学 | 卫星导航系统级开源仿真系统的建立方法 |
| CN112307622A (zh) * | 2020-10-30 | 2021-02-02 | 中国兵器科学研究院 | 一种用于计算机生成兵力的自主规划系统及规划方法 |
| WO2021179550A1 (zh) * | 2020-03-11 | 2021-09-16 | 五邑大学 | 无人机集群的任务派遣决策方法及系统 |
| CN113779810A (zh) * | 2021-09-27 | 2021-12-10 | 中国人民解放军国防大学联合作战学院指挥信息系统演训中心 | 陆军合同战斗方案仿真实验决策控制系统及仿真控制方法 |
| CN114091251A (zh) * | 2021-11-19 | 2022-02-25 | 中国人民解放军国防科技大学 | 面向多智能体群体行为的仿真系统及方法 |
Family Cites Families (3)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| US6629641B2 (en) * | 2000-06-07 | 2003-10-07 | Metrologic Instruments, Inc. | Method of and system for producing images of objects using planar laser illumination beams and image detection arrays |
| US20170214701A1 (en) * | 2016-01-24 | 2017-07-27 | Syed Kamran Hasan | Computer security based on artificial intelligence |
| US20220148615A1 (en) * | 2020-11-12 | 2022-05-12 | Avid Technology, Inc. | Embedded plug-in presentation and control of time-based media documents |
-
2023
- 2023-10-24 CN CN202311378739.1A patent/CN117131706B/zh active Active
Patent Citations (6)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CA2452730A1 (en) * | 2001-07-06 | 2003-01-16 | Computer Associates Think, Inc. | Business process policy object |
| CN107203683A (zh) * | 2017-07-24 | 2017-09-26 | 中国人民解放军国防科学技术大学 | 卫星导航系统级开源仿真系统的建立方法 |
| WO2021179550A1 (zh) * | 2020-03-11 | 2021-09-16 | 五邑大学 | 无人机集群的任务派遣决策方法及系统 |
| CN112307622A (zh) * | 2020-10-30 | 2021-02-02 | 中国兵器科学研究院 | 一种用于计算机生成兵力的自主规划系统及规划方法 |
| CN113779810A (zh) * | 2021-09-27 | 2021-12-10 | 中国人民解放军国防大学联合作战学院指挥信息系统演训中心 | 陆军合同战斗方案仿真实验决策控制系统及仿真控制方法 |
| CN114091251A (zh) * | 2021-11-19 | 2022-02-25 | 中国人民解放军国防科技大学 | 面向多智能体群体行为的仿真系统及方法 |
Non-Patent Citations (1)
| Title |
|---|
| 插件式多核并行仿真引擎;苏年乐;《系统仿真学报》;第23卷(第12期);2597-2603 * |
Also Published As
| Publication number | Publication date |
|---|---|
| CN117131706A (zh) | 2023-11-28 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| US9594856B2 (en) | System and method to embed behavior in a CAD-based physical simulation | |
| CN103336694B (zh) | 一种实体行为建模的组装方法和系统 | |
| Syriani et al. | De-/re-constructing model transformation languages | |
| Benelallam et al. | Distributed Model-to-model Transformation with ATL on MapReduce | |
| Dennis et al. | A common semantic basis for BDI languages | |
| CN114091251A (zh) | 面向多智能体群体行为的仿真系统及方法 | |
| Dávid et al. | Towards inconsistency tolerance by quantification of semantic inconsistencies | |
| van Putten et al. | Supervisor synthesis and throughput optimization of partially-controllable manufacturing systems | |
| CN117131706B (zh) | 面向计算机生成兵力的决策控制装置及行为控制方法 | |
| Krummacker et al. | Digital Twin Development: Mathematical Modeling | |
| Dworzański et al. | CPN tools-assisted simulation and verification of nested Petri nets | |
| Lehner et al. | Towards a reference architecture for leveraging model repositories for digital twins | |
| CN106662862A (zh) | 过程控制系统中的对象创建 | |
| Clark et al. | Use of E-LOTOS in Adding Formality to UML. | |
| Panda et al. | Test scenario prioritization for object-oriented systems using UML diagram | |
| CN114371958A (zh) | 一种镜像主体自动保存方法、装置、设备及存储介质 | |
| Rossmann et al. | Creating hybrid simulation systems using a flexible meta data approach | |
| Blahoudek et al. | Fuel in Markov decision processes (FiMDP): a practical approach to consumption | |
| Toepfer et al. | Towards cross-linked development of highly complex products | |
| Li et al. | Specifying Complex Systems in Object-Z: A Case Study of Petrol Supply Systems. | |
| CN109117124A (zh) | 一种多返回值的函数编程方法 | |
| CN112149836B (zh) | 一种机器学习程序更新方法、装置及设备 | |
| Yan et al. | Towards a Multi-Level Explainability Framework for Engineering and Understanding BDI Agent Systems | |
| US20230385029A1 (en) | Generating metadata to facilitate code generation | |
| CN111176648A (zh) | 免安装程序转换处理方法、装置、电子设备及存储介质 |
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 |