面向兵棋推演复盘分析的机器学习数据集构建

运用机器学习进行兵棋推演复盘分析，首先要解决的是数据集构建问题。由于机器学习对 数据结构的规范化要求，以及算力和存储限制，通过兵棋推演数据构建机器学习数据集，在如何 描述兵棋推演状态，如何描述推演过程，如何处理高维数据，如何数据保真等方面，还面临不少 问题。针对此类问题，构建了兵棋推演过程数据向机器学习数据集映射模型，在总体框架上对数 据集构建的映射流程、态势描述数据范围和数据统计计算规则进行规范，并从时间关联数据、地 理空间关联数据和高维数据降维3个视角设计针对性处理方法，以保证构建数据集的数据结构统 一、高维数据降维需求和数据集保真要求。通过数据集构建实验进行了验证，结果表明：在时间 分辨率和地理空间分辨率适中情况下，所构建数据集映射模型，既能较好对兵棋推演高维数据进 行降维，又能较好防止构建的数据集失真。在兵棋推演执行过程中，参演指挥人员的决 策信息和行动方案的效果信息，转化为作战实体 的状态信息改变情况，记录在兵棋推演过程数据 中，通过推演态势进行展现[1-2] 。兵棋推演复盘分 析的目的是回溯兵棋推演过程，捕获参演人员的 决策信息和行动方案的效果信息，根据这些信息 分析推演过程中存在问题，提升兵棋推演研究作 战问题质量[1] 。目前，依托大型兵棋系统组织的联 合作战层次兵棋推演，其复盘分析主要采取观看 推演过程回放与数据统计相结合的方式进行，数 据展现和情况描述主要依据分析人员和指挥员经 验进行，对指挥员和分析人员的知识要求比较高， 复盘分析效率比较低，且往往数据特征规律挖掘 不够，分析结果客观性不能保证。机器学习等人 工智能方法可有效处理复杂数据[3-5] ，深入挖掘兵 棋推演数据特征[6-8] ，为提升兵棋推演复盘分析的 效率和质量提供了参考。但运用机器学习进行兵棋推演复盘分析，首 先要解决的是数据集构建问题[9] 。由于机器学习对 数据结构的规范化要求[10-11] ，以及算力和存储限 制[12-14] ，通过兵棋推演产生的过程数据构建机器学 习数据集[15-16] ，在如何描述兵棋推演状态，如何描 述推演过程，如何处理高维数据，如何数据保真 等方面，还面临不少问题。针对此类问题，本文 构建了兵棋推演过程数据向机器学习数据集映射 模型。运用近些年积累的基于特定想定背景兵棋 推演数据和兵棋大赛推演数据，通过数据集构建 实验，分析了模型的高维数据降维效果，以及防 止构建数据集失真的效果。