摘要

多Agent系统研究关注的是相对简单的Agent互动所产生的系统级行为。迄今为止,多Agent系统研究主要涉及同质Agent系统,其成员Agent在物理上和行为上都是相同的。具有不同物理或行为特征的异质Agent系统可能比同质团队更有效地完成任务,通过相互补充的Agent类型之间的合作。在这篇文章中,我们比较了同质和异质团队在联合武器情况下的表现。联合武器理论提出,异质力量的集体应用可以产生远远大于同质力量或个别武器的连续使用所取得的效果。实验结果表明,联合武器的战术可以从简单的Agent互动中产生。

1 引言

多Agent系统研究领域试图开发出开发单个Agent的方法和算法,以产生理想的系统行为。该领域已经产生了著名的算法,如粒子群优化(PSO)和蚁群优化(ACO),但主要集中在相同的、同质的Agent系统。最近的工作已经开始探索异质系统的潜力,或具有不同行为或物理形式的Agent系统。我们特别感兴趣的是这种系统在发展和验证联合武器理论方面的应用。

联合军备的军事理论将不同类型的军备结合起来,以达到比同样的军备单独或依次应用所能达到的效果更大(陆军2019年)。它将互补的武器结合在一起,为了避免一种武器,敌人必须将自己暴露在另一种武器之下(军团1997a)。因此,一支联合武器部队是异质的,因为它所包括的武器或制剂彼此不同。由于联合武器部队是一个异质的多Agent系统,对多Agent系统的研究可能会给联合武器的军事研究带来成果。本文介绍了一组实验,旨在探索联合武器战术在异质代理系统中的出现,即在行为或物理形式上不同的Agent。

实验是在一个二维(2D)战斗模拟中进行的,在这个模拟中,各Agent团队为实现既定目标而竞争。遗传算法被用来为每个场景演化出有效的团队,并将每个演化出的团队的行为与现有军事学说中的联合武器行为的定义进行比较。假设被证明是正确的,即联合武器战术可以从简单的异质Agent的相互作用中产生。

这项工作的其余部分按主题分为几个部分。第2节回顾了同质和异质多Agent系统的现有研究。第3节描述了实验过程中使用的平台和措施。第4节概述了测试场景,第5节讨论了每个实验的结果。第6节提供了结束语和对未来工作的建议。

成为VIP会员查看完整内容
49

相关内容

人工智能在军事中可用于多项任务,例如目标识别、大数据处理、作战系统、网络安全、后勤运输、战争医疗、威胁和安全监测以及战斗模拟和训练。
《基于强化学习开发战斗行为》美国海军研究生院
专知会员服务
89+阅读 · 2022年6月27日
国家自然科学基金
36+阅读 · 2015年12月31日
国家自然科学基金
8+阅读 · 2014年12月31日
国家自然科学基金
20+阅读 · 2013年12月31日
国家自然科学基金
3+阅读 · 2012年12月31日
国家自然科学基金
1+阅读 · 2012年12月31日
国家自然科学基金
15+阅读 · 2009年12月31日
国家自然科学基金
0+阅读 · 2009年12月31日
国家自然科学基金
4+阅读 · 2008年12月31日
Arxiv
0+阅读 · 2022年11月17日
Arxiv
18+阅读 · 2021年6月10日
Arxiv
11+阅读 · 2018年4月25日
VIP会员
相关VIP内容
《基于强化学习开发战斗行为》美国海军研究生院
专知会员服务
89+阅读 · 2022年6月27日
相关资讯
相关基金
国家自然科学基金
36+阅读 · 2015年12月31日
国家自然科学基金
8+阅读 · 2014年12月31日
国家自然科学基金
20+阅读 · 2013年12月31日
国家自然科学基金
3+阅读 · 2012年12月31日
国家自然科学基金
1+阅读 · 2012年12月31日
国家自然科学基金
15+阅读 · 2009年12月31日
国家自然科学基金
0+阅读 · 2009年12月31日
国家自然科学基金
4+阅读 · 2008年12月31日
微信扫码咨询专知VIP会员