买专利卖专利找龙图腾，真高效！ 查专利查商标用IPTOP,全免费！专利年费监控用IP管家,真方便！

申请/专利权人：航天科工集团智能科技研究院有限公司

摘要：本发明公开一种基于相关性知识的战术规则生成与进化方法，包括基于相关性知识的作战规则体系设计、基于关联规则挖掘的作战规则生成方法以及基于模糊逻辑的作战规则进化方法。本发明从知识和规则角度出发挖掘概念，使指挥员提高对基于相关性知识的作战规则的信任程度。深入挖掘知识和规则的要素和分类，并从中着重分析因果性知识和相关性知识的优缺点。根据分析结果进行作战规则构件和规则进化。本发明可推广至强博弈对抗的辅助决策系统或自主武器系统，智能筹划与决策系统等，提升指挥员对人工智能技术生成作战规则的信任程度，为新一代作战智能指挥决策系统建设提供理论方法与技术支撑。

主权项：1.一种基于相关性知识的战术规则生成与进化方法，其特征在于，包括如下步骤：S1，基于相关性知识的作战规则体系设计分析作战规则体系结构，通过作战规则知识库在实验仿真和辅助决策方面的应用，从作战规则类型、作战规则等级和作战规则建模方法三个维度构建作战规则体系，将作战规则进行分类细化；从作战规则类型、作战规则等级和作战规则建模方法三个维度构建作战规则体系；其中，作战规则类型包含现有作战规则和未来作战规则；作战规则等级包含战役级规则、战术级规则和单装级规则；作战规则建模方法包含传统建模方法和智能建模方法；S2，基于关联规则挖掘的作战规则生成方法S2.1基于决策树算法的作战规则智能生成方法通过机器学习中规则学习的方法从仿真数据中生成作战规则，辅助战场决策；在决策树构造过程中，首先将所有的数据看成是一个节点，从所有的数据特征中挑选一个最优数据特征对节点进行分割，使得分割后的子集有一个在当前条件下最好的分类，生成若干孩子节点；对每一个孩子节点进行判断，如果满足停止分裂的条件，设置该节点是子节点，其输出的结果为该节点数量占比最大的类别，否则，将再次从数据特征中挑选一个最优数据特征节点进行分割，直至输出结果为该节点数量占比最大的类别为止；决策树在对中间结点进行分裂的时候，是选择最优分裂结果的属性进行分裂，决策树使用信息增益或者信息增益率作为选择属性的依据；信息增益表示划分数据前后信息发生的变化，获得信息增益最高的特征就是最好的选择；S2.2基于知识数据双驱动的作战规则智能生成方法知识和数据驱动的作战数据分析，结合知识技术构建一系列的规则库和案例库，完善作战指挥规则；领域知识的规则学习过程，包含数据理解、数据准备、规则学习、模型评估、外部模型评估；数据理解包含两方面：数据集特征的明确表示以及数据分析和建模；数据准备阶段包括：转换，清理和预测变量选择；在规则学习这一阶段，使用规则学习算法生成规则；在后处理的评估阶段，将生成的规则与现有的基于知识的规则进行比较，得到三个预期结果：确认，矛盾和扩展；外部评估阶段，学习到的模型和模式必须在现有作战规则的背景下进行评估，并使用其他数据源进行测试；将领域知识整合到规则学习中，通过使用先前的领域知识来提高由有限或有偏见训练数据构建的模型的准确性，以及通过将已学习概念与现有知识相关联来提高其可理解性；规定性数据模型定义了数据的典型特征，包括域，典型值以及数据之间的相互依赖性；规定性数据模型用于在规则学习步骤之前评估数据集；数据集评估包括典型性度量方法；数据集是仿真作战场景经采样后得到的数据；描述性模型给出了单个数据集或组合数据集的摘要，用于识别非典型值，缺失值，离群值和错误；预测模式和规则的选择有三个标准，即准确性、简便性和在作战指挥环境中的实用性；既有规则集成了原有知识和生成的规则；S3基于模糊逻辑的作战规则进化方法S3.1基于元启发式规则参数优化方法元启发式算法用来实现规则参数的智能优化，使用人工蜂群算法进行启发式寻优，让规则参数能够适用于当前作战要素，并跳出局部最优解；人工蜂群算法，所求问题解的搜寻被模拟成种群的整体进化和觅食行为，通过概率搜索寻优方式对所求解问题的较优或最优解进行搜寻，将每一个问题的解都看成一个独立的个体，通过每个个体对应的评价函数取值大小判断单个个体的环境适应能力的大小；蜂群的智能模型中有三个基本的组成要素：蜜源、采蜜蜂、观察蜂和侦查蜂；3.2基于强化学习的规则逻辑优化技术通过强化学习对该模型进行优化，对作战规则智能体进行强化训练；强化学习目标是在模型未知的MDP过程中找到一个策略π*，也就是找到一个从状态集合到智能体可以选择的动作集合的映射关系，使得折扣总回报的值最大。

全文数据：

权利要求：

百度查询： 航天科工集团智能科技研究院有限公司 一种基于相关性知识的战术规则生成与进化方法