一种计算机陆战兵棋中基于简化狼群算法的坦克集群作战推演方法及系统

1.本发明涉及计算机兵棋推演技术领域，尤其涉及一种计算机陆战兵棋中基于简化狼群算法的坦克集群作战推演方法及系统。


背景技术：

2.坦克是兵棋推演具有强大直射火力、高度越野机动性和坚固防护力的履带式装甲战斗车辆。它是地面作战的主要突击兵器和装甲兵的基本装备，主要用于与敌方坦克和其它装甲车辆作战，也可以压制、消灭反坦克武器，摧毁野战工事，歼灭有生力量。是主要的歼敌手段，然而目前的推演中，操作方往往由于在机动中无法发挥坦克集群的整体优势而导致各自为战的坦克连在遭遇敌方优势兵力被歼灭的后果，极大地削弱了坦克的战术价值。对坦克集群战术运用的传统算法有线性规划、兰彻斯特方程等；但是这些算法中坦克集群的配合无法有效体现，这和实际作战场景有较大区别，进而无法保证推演结果的真实性。


技术实现要素：

3.本发明针对目前的计算机陆战兵棋推演中坦克集群的配合无法有效体现，和实际作战场景有较大区别，无法保证推演结果真实性的问题，提出一种计算机陆战兵棋中基于简化狼群算法的坦克集群作战推演方法及系统，通过对狼群的行为机制进行模仿，能够提供坦克集群在执行作战任务时解决思路，从而使整个推演过程更加符合实际作战场景，从而保证了推演结果的真实性。
4.为了实现上述目的，本发明采用以下技术方案：
5.本发明一方面提出一种计算机陆战兵棋中基于简化狼群算法的坦克集群作战推演方法，包括：
6.步骤1：根据坦克集群分配任务不同分为夺控任务与歼敌任务；夺控任务指到达夺控点所需要机动值最小的坦克单位所执行的任务；歼敌任务指最先与敌方兵棋算子通视并且对敌方单位火力裁决效果最大的坦克单位所执行的任务；
7.步骤2：将任务匹配度最大的坦克单位作为“头狼”坦克单位，其余坦克单位作为“猛狼”坦克单位；
8.步骤3：判断分配的任务是否为歼敌任务，若是则执行步骤4，若否则执行步骤7；
9.步骤4：在歼敌任务中，“头狼”坦克单位在发现“猎物”、即敌方兵棋算子时，召唤“猛狼”坦克单位进入战斗位置；
10.步骤5：“猛狼”坦克单位在收到召唤时，执行游猎行为，即采用广度优先算法向目标点靠近，达到围攻效果；
11.步骤6：当“猛狼”坦克单位在游猎期间的任务匹配度ni》n1时，升级为“头狼”坦克单位，原有“头狼”坦克单位降级为“猛狼”坦克单位，新的“头狼”坦克单位、“猛狼”坦克单位分别执行召唤、游猎行为，其中n1为推演开始之初的最大任务匹配度；
12.步骤7：在夺控任务中，产生“头狼”坦克单位后向目标夺控区域前进，直至占领目标，若中途“头狼”坦克单位被毁或出现其他导致其速度下降或离夺控点距离变远的情况，则重新计算以选出新的“头狼”坦克单位继续完成夺控任务。
13.进一步地，按照下式计算任务匹配度：
[0014][0015]
其中，d表示距离夺控点的距离，di表示第i个坦克单位距离夺控点的距离，v表示坦克单位的移动速度，vi表示第i个坦克单位的移动速度，f表示火力裁决数值，fi表示第i个坦克单位的火力裁决数值。
[0016]
进一步地，所述步骤4中，交战推演过程中双方战斗数符合下列状态方程：
[0017]
α[m
2-m(t)2]＝β[n
2-n(t)2]
[0018]
其中，α与β分别为蓝方红方交战的毁伤率，及不同坦克单位对敌毁伤裁决系数；m为参与交战初始时刻红方战斗坦克单位数量；m(t)表示参与交战时刻t红方战斗坦克单位数量；n为参与交战初始时刻蓝方战斗坦克单位数量；n(t)表示参与交战时刻t蓝方战斗坦克单位数量。
[0019]
本发明另一方面提出一种计算机陆战兵棋中基于简化狼群算法的坦克集群作战推演系统，包括：
[0020]
任务分配模块，用于根据坦克集群分配任务不同分为夺控任务与歼敌任务；夺控任务指到达夺控点所需要机动值最小的坦克单位所执行的任务；歼敌任务指最先与敌方兵棋算子通视并且对敌方单位火力裁决效果最大的坦克单位所执行的任务；
[0021]
头狼生成模块，用于将任务匹配度最大的坦克单位作为“头狼”坦克单位，其余坦克单位作为“猛狼”坦克单位；
[0022]
判断模块，用于判断分配的任务是否为歼敌任务，若是则执行召唤模块，若否则执行夺控模块；
[0023]
召唤模块，用于在歼敌任务中，“头狼”坦克单位在发现“猎物”、即敌方兵棋算子时，召唤“猛狼”坦克单位进入战斗位置；
[0024]
游猎模块，用于“猛狼”坦克单位在收到召唤时，执行游猎行为，即采用广度优先算法向目标点靠近，达到围攻效果；
[0025]
头狼转换模块，用于当“猛狼”坦克单位在游猎期间的任务匹配度ni》n1时，升级为“头狼”坦克单位，原有“头狼”坦克单位降级为“猛狼”坦克单位，新的“头狼”坦克单位、“猛狼”坦克单位分别执行召唤、游猎行为，其中n1为推演开始之初的最大任务匹配度；
[0026]
夺控模块，用于在夺控任务中，产生“头狼”坦克单位后向目标夺控区域前进，直至占领目标，若中途“头狼”坦克单位被毁或出现其他导致其速度下降或离夺控点距离变远的情况，则重新计算以选出新的“头狼”坦克单位继续完成夺控任务。
[0027]
进一步地，按照下式计算任务匹配度：
[0028]
[0029]
其中，d表示距离夺控点的距离，di表示第i个坦克单位距离夺控点的距离，v表示坦克单位的移动速度，vi表示第i个坦克单位的移动速度，f表示火力裁决数值，fi表示第i个坦克单位的火力裁决数值。
[0030]
进一步地，所述召唤模块中，交战推演过程中双方战斗数符合下列状态方程：
[0031]
α[m
2-m(t)2]＝β[n
2-n(t)2]
[0032]
其中，α与β分别为蓝方红方交战的毁伤率，及不同坦克单位对敌毁伤裁决系数；m为参与交战初始时刻红方战斗坦克单位数量；m(t)表示参与交战时刻t红方战斗坦克单位数量；n为参与交战初始时刻蓝方战斗坦克单位数量；n(t)表示参与交战时刻t蓝方战斗坦克单位数量。
[0033]
与现有技术相比，本发明具有的有益效果：
[0034]
本发明针对目前的计算机陆战兵棋推演中坦克集群的配合无法有效体现，和实际作战场景有较大区别，无法保证推演结果真实性的问题，提出一种计算机陆战兵棋中基于简化狼群算法的坦克集群作战推演方法及系统，通过对狼群的行为机制进行模仿，能够提供坦克集群在执行作战任务时解决思路，可以提高推演人员的决策效率与科学性，从而使整个推演过程更加符合实际作战场景，进而保证了推演结果的真实性。
附图说明
[0035]
图1为本发明实施例一种计算机陆战兵棋中基于简化狼群算法的坦克集群作战推演方法的基本流程图；
[0036]
图2为ooda循环示意图；
[0037]
图3为原始狼群算法示意图；
[0038]
图4为本发明实施例“头狼”坦克示例图；
[0039]
图5为本发明实施例一种计算机陆战兵棋中基于简化狼群算法的坦克集群作战推演系统的架构示意图。
具体实施方式
[0040]
下面结合附图和具体的实施例对本发明做进一步的解释说明：
[0041]
如图1所示，一种计算机陆战兵棋中基于简化狼群算法的坦克集群作战推演方法，包括：
[0042]
步骤s1：根据坦克集群分配任务不同分为夺控任务与歼敌任务；夺控任务指到达夺控点所需要机动值最小的坦克单位所执行的任务；歼敌任务指最先与敌方兵棋算子通视并且对敌方单位火力裁决效果最大的坦克单位所执行的任务；
[0043]
步骤s2：将任务匹配度最大的坦克单位作为“头狼”坦克单位，其余坦克单位作为“猛狼”坦克单位；
[0044]
步骤s3：判断分配的任务是否为歼敌任务，若是则执行步骤s4，若否则执行步骤s7；
[0045]
步骤s4：在歼敌任务中，“头狼”坦克单位在发现“猎物”、即敌方兵棋算子时，召唤“猛狼”坦克单位进入战斗位置；
[0046]
步骤s5：“猛狼”坦克单位在收到召唤时，执行游猎行为，即采用广度优先算法向目
标点靠近，达到围攻效果；
[0047]
步骤s6：当“猛狼”坦克单位在游猎期间的任务匹配度ni》n1时，升级为“头狼”坦克单位，原有“头狼”坦克单位降级为“猛狼”坦克单位，新的“头狼”坦克单位、“猛狼”坦克单位分别执行召唤、游猎行为，其中n1为推演开始之初的最大任务匹配度；
[0048]
步骤s7：在夺控任务中，产生“头狼”坦克单位后向目标夺控区域前进，直至占领目标，若中途“头狼”坦克单位被毁或出现其他导致其速度下降或离夺控点距离变远的情况，则重新计算以选出新的“头狼”坦克单位继续完成夺控任务。
[0049]
具体地，对任务完成贡献最大(最快到达夺控点/对敌方兵棋算子威胁最大)的程度称为任务匹配度，对敌方兵棋算子的威胁程度由进行攻击时火力裁决的数值决定，火力裁决的数值越大，认定该兵棋算子对敌兵棋算子威胁程度越高。
[0050]
进一步地，按照下式计算任务匹配度：
[0051][0052]
其中，d表示距离夺控点的距离，di表示第i个坦克单位距离夺控点的距离，v表示坦克单位的移动速度，vi表示第i个坦克单位的移动速度，f表示火力裁决数值，fi表示第i个坦克单位的火力裁决数值。
[0053]
实际情况下，首先遍历所有坦克算子找到最快到达夺控点坦克算子和最大火力裁决坦克算子，其他算子与这两个算子分别做比，根据数值大小分配该算子任务及匹配度。
[0054]
具体地，狼群算法中除“头狼”外还有“探狼”与“猛狼”，考虑到坦克具备行进间射击能力，减少ooda循环(ooda循环是由observation观察、orientation判断、decision决策、action执行四个单词的首字母组合得名，如图2所示)中判断和决策产生的时延，贯彻察打一体，在坦克集群中只有两种角色即“头狼”与“猛狼”。
[0055]
进一步地，所述步骤s4中，交战推演过程中双方战斗数符合下列状态方程：
[0056]
α[m
2-m(t)2]＝β[n
2-n(t)2]
[0057]
其中，α与β分别为蓝方红方交战的毁伤率，及不同坦克单位对敌毁伤裁决系数，具体地，α与β均为已知值；m为参与交战初始时刻红方战斗坦克单位数量(即m(0)＝m)；m(t)表示参与交战时刻t红方战斗坦克单位数量；n为参与交战初始时刻蓝方战斗坦克单位数量(即n(0)＝n)；n(t)表示参与交战时刻t蓝方战斗坦克单位数量。
[0058]
当αm2＝βn2时，红蓝双方不分胜负；
[0059]
当αm2》βn2时，蓝方作为优势方，反之红方优势。
[0060]
为了在战斗中尽量的保存自己毁伤敌人，参与战斗的坦克单位数量应尽量多于敌方，这样在毁伤系数一定的情况下，将获得兵力倍数的平方倍效果。
[0061]
具体地，步骤s5中，考虑到本发明中没有“探狼”与“猛狼”之分，本实施例中将原狼群算法(wolf pack algorithm，wpa，如图3所示)中的游走行为与围攻行为合称为“游猎行为”以区分二者不同。“猛狼”坦克单位在收到召唤时采用广度优先算法(与其他搜索算法相比，广度优先算法是完备的，而且考虑到在推演中路径的代价是基于节点深度的非递减函数，广度优先搜索是最优的)向目标点靠近，达到围攻效果。
[0062]
具体地，对于歼敌任务而言，推演开始时，如已发现敌方单位，则直接根据步骤s2
产生“头狼”坦克单位，为了达成毁伤敌方的目的，“头狼”坦克单位会立刻召唤附近的“猛狼”坦克单位进入战斗位置并在敌方进入射程后迅速予以打击；如尚未发现敌方单位，则自行指定“头狼”单位，“头狼”单位会向地方区域搜索前进直至发现敌方位置，发现敌方后立刻召唤附近的“猛狼”坦克单位进入战斗位置予以打击。
[0063]
作为一种示例，如图4所示，对于夺控任务而言，红方0003坦克连为红方坦克集群的“头狼”坦克单位。
[0064]“头狼”坦克单位发现敌方兵棋算子后召唤坦克集群其他坦克单位、即“猛狼”坦克单位进行围攻，保证同一时刻最大火力输出。
[0065]
在上述实施例的基础上，如图5所示，本发明另一方面提出一种计算机陆战兵棋中基于简化狼群算法的坦克集群作战推演系统，包括：
[0066]
任务分配模块，用于根据坦克集群分配任务不同分为夺控任务与歼敌任务；夺控任务指到达夺控点所需要机动值最小的坦克单位所执行的任务；歼敌任务指最先与敌方兵棋算子通视并且对敌方单位火力裁决效果最大的坦克单位所执行的任务；
[0067]
头狼生成模块，用于将任务匹配度最大的坦克单位作为“头狼”坦克单位，其余坦克单位作为“猛狼”坦克单位；
[0068]
判断模块，用于判断分配的任务是否为歼敌任务，若是则执行召唤模块，若否则执行夺控模块；
[0069]
召唤模块，用于在歼敌任务中，“头狼”坦克单位在发现“猎物”、即敌方兵棋算子时，召唤“猛狼”坦克单位进入战斗位置；
[0070]
游猎模块，用于“猛狼”坦克单位在收到召唤时，执行游猎行为，即采用广度优先算法向目标点靠近，达到围攻效果；
[0071]
头狼转换模块，用于当“猛狼”坦克单位在游猎期间的任务匹配度ni》n1时，升级为“头狼”坦克单位，原有“头狼”坦克单位降级为“猛狼”坦克单位，新的“头狼”坦克单位、“猛狼”坦克单位分别执行召唤、游猎行为，其中n1为推演开始之初的最大任务匹配度；
[0072]
夺控模块，用于在夺控任务中，产生“头狼”坦克单位后向目标夺控区域前进，直至占领目标，若中途“头狼”坦克单位被毁或出现其他导致其速度下降或离夺控点距离变远的情况，则重新计算以选出新的“头狼”坦克单位继续完成夺控任务。
[0073]
进一步地，按照下式计算任务匹配度：
[0074][0075]
其中，d表示距离夺控点的距离，di表示第i个坦克单位距离夺控点的距离，v表示坦克单位的移动速度，vi表示第i个坦克单位的移动速度，f表示火力裁决数值，fi表示第i个坦克单位的火力裁决数值。
[0076]
进一步地，所述召唤模块中，交战推演过程中双方战斗数符合下列状态方程：
[0077]
α[m
2-m(t)2]＝β[n
2-n(t)2]
[0078]
其中，α与β分别为蓝方红方交战的毁伤率，及不同坦克单位对敌毁伤裁决系数；m为参与交战初始时刻红方战斗坦克单位数量；m(t)表示参与交战时刻t红方战斗坦克单位数量；n为参与交战初始时刻蓝方战斗坦克单位数量；n(t)表示参与交战时刻t蓝方战斗坦
克单位数量。
[0079]
综上，本发明针对目前的计算机陆战兵棋推演中坦克集群的配合无法有效体现，和实际作战场景有较大区别，无法保证推演结果真实性的问题，提出一种计算机陆战兵棋中基于简化狼群算法的坦克集群作战推演方法及系统，通过对狼群的行为机制进行模仿，能够提供坦克集群在执行作战任务时解决思路，可以提高推演人员的决策效率与科学性，从而使整个推演过程更加符合实际作战场景，进而保证了推演结果的真实性。
[0080]
以上所示仅是本发明的优选实施方式，应当指出，对于本技术领域的普通技术人员来说，在不脱离本发明原理的前提下，还可以做出若干改进和润饰，这些改进和润饰也应视为本发明的保护范围。