一种陆战兵棋智能引擎及其运行方法

    公开(公告)号:CN110109653A

    公开(公告)日:2019-08-09

    申请号:CN201910393123.9

    申请日:2019-05-13

    Abstract: 本发明公开一种陆战兵棋智能引擎及其运行方法,分为总体技术框架和运行框架,技术框架包括兵棋数据的分析挖掘模块、以多属性综合评价软优选算法为核心的决策模块;运行框架包括敌情处理模块、多个动作模块和运行流程框架。设计的智能兵棋引擎通过实时读取兵棋推演系统产生的动态数据,将其与兵棋的静态数据进行数据融合,生成属性数据,再以多属性综合评价软优选算法为核心的决策模块对属性数据和兵棋基本规则进行推理或运算后,最后给出棋子的动作命令,并将命令传输到兵棋推演系统。本发明的陆战兵棋智能引擎,所需的计算资源低,实时运行、走子灵活,具备了较高的自主智能水平。

    一种面向兵棋推演的多层级AI架构

    公开(公告)号:CN117035098A

    公开(公告)日:2023-11-10

    申请号:CN202311064070.9

    申请日:2023-08-23

    Abstract: 本发明公开了一种面向兵棋推演的多层级AI架构,包括所述庙算引擎用于获取战场信息并传输至作战意图层、任务分配层和算子行动层;接收并执行所述算子行动层输出的算子实际动作指令;所述战场内包括战斗方和敌对方;所述作战意图层用于根据战场信息判断当前战场态势并生成战术意图;所述任务分配层用于根据战场信息和战术意图生成算子任务列表;所述算子行动层根据战场信息和算子任务列表生成算子实际动作指令;提高兵棋推演的准确度,同时降低决策计算的复杂度和耗时。

    一种陆战兵棋智能引擎及其运行方法

    公开(公告)号:CN110109653B

    公开(公告)日:2023-07-07

    申请号:CN201910393123.9

    申请日:2019-05-13

    Abstract: 本发明公开一种陆战兵棋智能引擎及其运行方法,分为总体技术框架和运行框架,技术框架包括兵棋数据的分析挖掘模块、以多属性综合评价软优选算法为核心的决策模块;运行框架包括敌情处理模块、多个动作模块和运行流程框架。设计的智能兵棋引擎通过实时读取兵棋推演系统产生的动态数据,将其与兵棋的静态数据进行数据融合,生成属性数据,再以多属性综合评价软优选算法为核心的决策模块对属性数据和兵棋基本规则进行推理或运算后,最后给出棋子的动作命令,并将命令传输到兵棋推演系统。本发明的陆战兵棋智能引擎,所需的计算资源低,实时运行、走子灵活,具备了较高的自主智能水平。

    一种基于模糊神经网络的数据分类方法、系统、装置及存储介质

    公开(公告)号:CN115587319A

    公开(公告)日:2023-01-10

    申请号:CN202211393953.X

    申请日:2022-11-08

    Abstract: 本发明公开了一种基于模糊神经网络的数据分类方法、系统、装置及存储介质,属于数据分类技术领域,包括:获取待分类数据;对待分类数据进行预处理得到特征向量;将特征向量输入到训练好的模糊神经网络中,得到分类结果;所述模糊神经网络使用神经网络的多层架构,模糊神经网络中的节点表示隶属度函数和模糊规则的连接词,能够直接转化成一组可解释的模糊规则库,所述模糊神经网络中还针对待分类数据设计了模糊规则的提取和约简算法,从而实现模糊规则的展示和分析,能够在提供可解释的模糊规则的情况下达到很高的准确率;模糊神经网络使用神经网络的多层架构,其中的节点表示隶属度函数和模糊规则的连接词,提升模糊规则的提取速度。

    一种基于模糊系统的动态多属性兵棋路径选择方法

    公开(公告)号:CN117474188A

    公开(公告)日:2024-01-30

    申请号:CN202311652138.5

    申请日:2023-12-05

    Abstract: 本发明公开了一种基于模糊系统的动态多属性兵棋路径选择方法,对兵棋选手的路径选择行为进行描述,明确兵棋路径的安全、时间属性及其影响因素:构建安全模糊子系统和时间模糊子系统推理路径属性矩阵;构建注意力模糊系统推理属性注意力权重向量;将模糊系统推理得到的路径属性矩阵和注意力权重向量输入到决策场模型,得到各个路径效价向量和偏好强度;计算各条路径的选择概率,选择概率最大的路径即为下一步兵棋选手要选择的路径。本方法可较好地解决兵棋推演环境下模糊不确定信息的处理和面向过程的动态决策问题;通过模糊系统与决策场理论的有机结合,实现了对人类兵棋选手决策的逼近,实现了自动化的兵棋路径选择。

    一种融合多粒度文本语义信息的动量对比学习方法

    公开(公告)号:CN118504583A

    公开(公告)日:2024-08-16

    申请号:CN202410774657.7

    申请日:2024-06-17

    Abstract: 本发明公开一种融合多粒度文本语义信息的动量对比学习方法,包括:将文本数据输入到预训练的对比学习模型中,得到文本特征表征;其中,所述对比学习模型的训练方法包括:设置模型的超参数,并基于超参数构建对比学习模型;对训练数据进行数据增强,并构建语句和词元级别两种语义粒度的对比学习任务;基于构建的对比学习任务,使用训练数据对对比学习模型进行训练,得到训练后的对比学习模型。通过无监督的训练获得一个高质量的文本表征函数,从而能够将输入的文本数据映射到一个固定维度的特征表征,并可以直接或间接地助力于多个NLP下游任务中。

    一种面向资源分配的组合混沌遗传算法

    公开(公告)号:CN109325598A

    公开(公告)日:2019-02-12

    申请号:CN201811122442.8

    申请日:2018-09-26

    Abstract: 本发明公开了一种面向资源分配的组合混沌遗传算法。该算法为:首先设置参数,并初始化各个参数,令种群gen=0;根据特定资源分配问题,产生混沌序列,然后根据特定资源分配问题规模,基于混沌序列产生初始种群;判断gen是否大于max_gen,如果gen>max_gen,则停止计算过程,输出计算结果;否则令gen←gen+1,依次进行繁殖操作、杂交操作和变异操作;接着采用局部搜索启发式方法进行局部寻优,保留当前种群最好的染色体;然后产生下一个混沌序列进行下一次计算过程;计算完成后,输出计算结果。本发明有效减少了资源分配模型的约束数目,提高了种群质量,加快了收敛速度,提升了算法的全局搜索能力和计算效率。

Patent Agency Ranking