Acta Armamentarii ›› 2023, Vol. 44 ›› Issue (1): 176-192.doi: 10.12382/bgxb.2022.0192
Special Issue: 特种车辆理论与技术
Previous Articles Next Articles
DING Wei, MING Zhenjun*(), WANG Guoxin, YAN Yan
Received:
2022-03-24
Online:
2022-07-22
Contact:
MING Zhenjun
CLC Number:
DING Wei, MING Zhenjun, WANG Guoxin, YAN Yan. Dynamic Prediction Model Based on Multi-level LSTM Network for Multi-agent Attack and Defense Effectiveness[J]. Acta Armamentarii, 2023, 44(1): 176-192.
Add to citation manager EndNote|Ris|BibTeX
个体决策参数 | 取值范围 | 具体含义 | ||
---|---|---|---|---|
攻击力 | 0~10 | 指每个智能体攻击对方的能力 | ||
共有属性 | 防御力 | 0~10 | 指每个智能体避免被攻击的能力 | |
移动速度 | 0~10 | 指单位时间智能体的移动速度 | ||
侦察范围 | 0~100 | 仅侦察单元固有,表示其所能侦察对方智能体的距离 | ||
固有属性 | 指控范围 | 0~100 | 仅指控单元固有,表示其所能指控我方智能体的距离 | |
静态参数 | 攻击范围 | 0~100 | 仅攻击单元固有,表示其所能攻击对方智能体的能力 | |
通信范围 | 0~100 | 侦察、指控、攻击单元均具有,表示我方所有智能体间的通信范围 | ||
侦察通道数量 | 2、4或8 | 表示侦察功能所交换信息的对象数,影响其侦察能力 | ||
通信属性 | 指控通道数量 | 2、4或8 | 表示指控功能所交换信息的对象数,影响其指控能力 | |
攻击通道数量 | 2、4或8 | 表示攻击功能所交换信息的对象数,影响其攻击能力 | ||
通信通道数量 | 2、4或8 | 表示通信功能所交换信息的对象数,影响其通信能力 | ||
回报值 | 当前资源 | 1000 | 产生智能体需要消耗当前资源 | |
资源恢复值 | 0~10 | 表示每回合所恢复的资源 | ||
侦察单元消耗量 | 0~100 | 表示产生一个侦察单元所需要消耗的资源 | ||
交互参数 | 成本值 | 通信单元消耗量 | 0~100 | 表示产生一个通信单元所需要消耗的资源 |
攻击单元消耗量 | 0~100 | 表示产生一个攻击单元所需要消耗的资源 | ||
士气值 | 当前士气 | 0~100 | 可影响每个智能体的能力 | |
士气增加值 | 0~10 | 表示每击败对方一个单位所增加的士气值 | ||
总效用值 | 0~1 | 总效用分为自我效用和协同效用两部分 | ||
动态参数 | 涌现系数 | 0~1 | 影响通信交流和群体空间结构 | |
避障系数 | 0~1 | 表示智能体之间的避障概率 |
Table 1 Decision-making parameters concerning the attack and defense of agents
个体决策参数 | 取值范围 | 具体含义 | ||
---|---|---|---|---|
攻击力 | 0~10 | 指每个智能体攻击对方的能力 | ||
共有属性 | 防御力 | 0~10 | 指每个智能体避免被攻击的能力 | |
移动速度 | 0~10 | 指单位时间智能体的移动速度 | ||
侦察范围 | 0~100 | 仅侦察单元固有,表示其所能侦察对方智能体的距离 | ||
固有属性 | 指控范围 | 0~100 | 仅指控单元固有,表示其所能指控我方智能体的距离 | |
静态参数 | 攻击范围 | 0~100 | 仅攻击单元固有,表示其所能攻击对方智能体的能力 | |
通信范围 | 0~100 | 侦察、指控、攻击单元均具有,表示我方所有智能体间的通信范围 | ||
侦察通道数量 | 2、4或8 | 表示侦察功能所交换信息的对象数,影响其侦察能力 | ||
通信属性 | 指控通道数量 | 2、4或8 | 表示指控功能所交换信息的对象数,影响其指控能力 | |
攻击通道数量 | 2、4或8 | 表示攻击功能所交换信息的对象数,影响其攻击能力 | ||
通信通道数量 | 2、4或8 | 表示通信功能所交换信息的对象数,影响其通信能力 | ||
回报值 | 当前资源 | 1000 | 产生智能体需要消耗当前资源 | |
资源恢复值 | 0~10 | 表示每回合所恢复的资源 | ||
侦察单元消耗量 | 0~100 | 表示产生一个侦察单元所需要消耗的资源 | ||
交互参数 | 成本值 | 通信单元消耗量 | 0~100 | 表示产生一个通信单元所需要消耗的资源 |
攻击单元消耗量 | 0~100 | 表示产生一个攻击单元所需要消耗的资源 | ||
士气值 | 当前士气 | 0~100 | 可影响每个智能体的能力 | |
士气增加值 | 0~10 | 表示每击败对方一个单位所增加的士气值 | ||
总效用值 | 0~1 | 总效用分为自我效用和协同效用两部分 | ||
动态参数 | 涌现系数 | 0~1 | 影响通信交流和群体空间结构 | |
避障系数 | 0~1 | 表示智能体之间的避障概率 |
效用部分 | 效用参数 | |
---|---|---|
总效用U | 自我效用U1 | 参与范围Pr |
参与数量Pn | ||
参与时长Pt | ||
协同效用U2 | 合作范围Cr | |
合作范围内的智能体数量Cn | ||
合作时长Ct | ||
竞争范围Br | ||
竞争范围内的智能体数量Bn | ||
竞争时长Bt |
Table 2 The utility part of multi-agent attack and defense process
效用部分 | 效用参数 | |
---|---|---|
总效用U | 自我效用U1 | 参与范围Pr |
参与数量Pn | ||
参与时长Pt | ||
协同效用U2 | 合作范围Cr | |
合作范围内的智能体数量Cn | ||
合作时长Ct | ||
竞争范围Br | ||
竞争范围内的智能体数量Bn | ||
竞争时长Bt |
个体决策参数 | 取值范围 | 初始化数值 | |
---|---|---|---|
攻击力 | 0~10 | 7.1 | |
防御力 | 0~10 | 5.4 | |
移动速度 | 0~10 | 8.2 | |
侦察范围 | 0~100 | 98 | |
指控范围 | 0~100 | 64 | |
静态参数 | 攻击范围 | 0~100 | 95 |
通信范围 | 0~100 | 84 | |
侦察通道数量 | 2、4或8 | 4 | |
指控通道数量 | 2、4或8 | 8 | |
攻击通道数量 | 2、4或8 | 4 | |
通信通道数量 | 2、4或8 | 4 | |
资源恢复值 | 0~10 | 0.6 | |
侦察单元消耗量 | 0~100 | 63 | |
交互参数 | 通信单元消耗量 | 0~100 | 72 |
攻击单元消耗量 | 0~100 | 78 | |
当前士气 | 0~100 | 52 | |
士气增加值 | 0~10 | 3.0 | |
效用函数值 | 0~1 | 0.34 | |
动态参数 | 涌现系数 | 0~1 | 0.83 |
避障系数 | 0~1 | 0.69 |
Table 3 Initialization of decision-making parameters in the N-th simulation
个体决策参数 | 取值范围 | 初始化数值 | |
---|---|---|---|
攻击力 | 0~10 | 7.1 | |
防御力 | 0~10 | 5.4 | |
移动速度 | 0~10 | 8.2 | |
侦察范围 | 0~100 | 98 | |
指控范围 | 0~100 | 64 | |
静态参数 | 攻击范围 | 0~100 | 95 |
通信范围 | 0~100 | 84 | |
侦察通道数量 | 2、4或8 | 4 | |
指控通道数量 | 2、4或8 | 8 | |
攻击通道数量 | 2、4或8 | 4 | |
通信通道数量 | 2、4或8 | 4 | |
资源恢复值 | 0~10 | 0.6 | |
侦察单元消耗量 | 0~100 | 63 | |
交互参数 | 通信单元消耗量 | 0~100 | 72 |
攻击单元消耗量 | 0~100 | 78 | |
当前士气 | 0~100 | 52 | |
士气增加值 | 0~10 | 3.0 | |
效用函数值 | 0~1 | 0.34 | |
动态参数 | 涌现系数 | 0~1 | 0.83 |
避障系数 | 0~1 | 0.69 |
参数 | 时间/帧 | ||||||||||||||
---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|
… | 39 | … | 50 | 51 | 52 | … | 110 | 111 | 112 | … | 160 | 161 | … | ||
PS | … | 0.584 | … | 0.275 | 0.275 | 0.289 | … | … | 0.564 | 0.564 | … | 0.224 | 0.224 | … | |
PD | … | -0.009 | … | -0.177 | -0.344 | -0.582 | … | … | -0.015 | -0.015 | … | -0.034 | -0.034 | … | |
CC | … | 0.018 | … | 0.098 | 1.127 | 1.553 | … | … | 0.093 | 0.093 | … | 0.125 | 0.125 | … | |
UC | … | 0.643 | … | 0.813 | 0.925 | 1.139 | … | … | 0.842 | 0.842 | … | 0.910 | 0.910 | … | |
红方 | OS | … | 1 | … | 2 | 2 | 3 | … | 3 | 2 | 2 | … | 1 | 1 | … |
CI | … | 5 | … | 10 | 10 | 9 | … | 10 | 4 | 4 | … | 0 | 0 | … | |
AD | … | 25.780 | … | 35.740 | 40.850 | 38.670 | … | 9.470 | 8.230 | 7.910 | … | 5.470 | 4.280 | … | |
TC | … | 0 | … | 0.067 | 0.091 | 0.116 | … | 1.182 | 1.182 | 1.182 | … | 1.130 | 1.130 | … | |
OE | … | 0 | … | 0.399 | 0.399 | 0.480 | … | 1.798 | 1.780 | 1.763 | … | 1.124 | 1.117 | … | |
OC | … | 0 | … | 1.000 | 0.800 | 0.833 | … | 1.333 | 1.333 | 1.333 | … | 1.333 | 1.333 | … | |
PS | … | 0.572 | … | 0.307 | 0.307 | 0.307 | … | 0.524 | 0.524 | 0.524 | … | 0.674 | 0.674 | … | |
PD | … | -0.010 | … | -0.203 | -0.329 | -0.601 | … | -0.021 | -0.017 | -0.017 | … | -0.028 | -0.028 | … | |
CC | … | 0.012 | … | 0.129 | 1.025 | 1.540 | … | 0.118 | 0.104 | 0.104 | … | 0.243 | 0.243 | … | |
UC | … | 0.643 | … | 0.840 | 0.994 | 1.124 | … | 0.735 | 0.727 | 0.727 | … | 0.861 | 0.848 | … | |
蓝方 | OS | … | 1 | … | 2 | 2 | 3 | … | 3 | 2 | 2 | … | 1 | 1 | … |
CI | … | 5 | … | 10 | 10 | 9 | … | 10 | 4 | 4 | … | 3 | 3 | … | |
AD | … | 30.750 | … | 27.460 | 28.420 | 28.790 | … | 12.890 | 14.100 | 14.850 | … | 20.440 | 21.470 | … | |
TC | … | 0 | … | 0.093 | 0.093 | 0.119 | … | 3.000 | 3.000 | 3.000 | … | 2.769 | 2.769 | … | |
OE | … | 0 | … | 0.299 | 0.399 | 0.480 | … | 1.300 | 1.286 | 1.273 | … | 0.812 | 0.807 | … | |
OC | … | 0 | … | 0.600 | 0.800 | 0.833 | … | 0.703 | 0.703 | 0.703 | … | 0.703 | 0.703 | … |
Table 4 Parameters concerning population structure and operational effectiveness of the MAAD in the N-th simulation
参数 | 时间/帧 | ||||||||||||||
---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|
… | 39 | … | 50 | 51 | 52 | … | 110 | 111 | 112 | … | 160 | 161 | … | ||
PS | … | 0.584 | … | 0.275 | 0.275 | 0.289 | … | … | 0.564 | 0.564 | … | 0.224 | 0.224 | … | |
PD | … | -0.009 | … | -0.177 | -0.344 | -0.582 | … | … | -0.015 | -0.015 | … | -0.034 | -0.034 | … | |
CC | … | 0.018 | … | 0.098 | 1.127 | 1.553 | … | … | 0.093 | 0.093 | … | 0.125 | 0.125 | … | |
UC | … | 0.643 | … | 0.813 | 0.925 | 1.139 | … | … | 0.842 | 0.842 | … | 0.910 | 0.910 | … | |
红方 | OS | … | 1 | … | 2 | 2 | 3 | … | 3 | 2 | 2 | … | 1 | 1 | … |
CI | … | 5 | … | 10 | 10 | 9 | … | 10 | 4 | 4 | … | 0 | 0 | … | |
AD | … | 25.780 | … | 35.740 | 40.850 | 38.670 | … | 9.470 | 8.230 | 7.910 | … | 5.470 | 4.280 | … | |
TC | … | 0 | … | 0.067 | 0.091 | 0.116 | … | 1.182 | 1.182 | 1.182 | … | 1.130 | 1.130 | … | |
OE | … | 0 | … | 0.399 | 0.399 | 0.480 | … | 1.798 | 1.780 | 1.763 | … | 1.124 | 1.117 | … | |
OC | … | 0 | … | 1.000 | 0.800 | 0.833 | … | 1.333 | 1.333 | 1.333 | … | 1.333 | 1.333 | … | |
PS | … | 0.572 | … | 0.307 | 0.307 | 0.307 | … | 0.524 | 0.524 | 0.524 | … | 0.674 | 0.674 | … | |
PD | … | -0.010 | … | -0.203 | -0.329 | -0.601 | … | -0.021 | -0.017 | -0.017 | … | -0.028 | -0.028 | … | |
CC | … | 0.012 | … | 0.129 | 1.025 | 1.540 | … | 0.118 | 0.104 | 0.104 | … | 0.243 | 0.243 | … | |
UC | … | 0.643 | … | 0.840 | 0.994 | 1.124 | … | 0.735 | 0.727 | 0.727 | … | 0.861 | 0.848 | … | |
蓝方 | OS | … | 1 | … | 2 | 2 | 3 | … | 3 | 2 | 2 | … | 1 | 1 | … |
CI | … | 5 | … | 10 | 10 | 9 | … | 10 | 4 | 4 | … | 3 | 3 | … | |
AD | … | 30.750 | … | 27.460 | 28.420 | 28.790 | … | 12.890 | 14.100 | 14.850 | … | 20.440 | 21.470 | … | |
TC | … | 0 | … | 0.093 | 0.093 | 0.119 | … | 3.000 | 3.000 | 3.000 | … | 2.769 | 2.769 | … | |
OE | … | 0 | … | 0.299 | 0.399 | 0.480 | … | 1.300 | 1.286 | 1.273 | … | 0.812 | 0.807 | … | |
OC | … | 0 | … | 0.600 | 0.800 | 0.833 | … | 0.703 | 0.703 | 0.703 | … | 0.703 | 0.703 | … |
参数类型 | 参数名称 | 参数值 | ||
---|---|---|---|---|
智能体数量 | 100 | |||
NetLogo平台 | 初始资源总量 | 1000 | ||
最大交互步数 | 300 | |||
训练/验证/测试仿真的组数 | 120/40/40 | |||
映射关系 | X-Y | Y-Z | ||
输出层的层数 | 20 | 7×2 | ||
网络结构 | 隐含层的层数 | 120 | 50 | |
输出层的层数 | 7×2 | 3×2 | ||
LSTM网络 | 全连接层的层数 | 50 | 20 | |
丢失概率 | 0.1 | |||
学习率 | 0.01 | |||
梯度阈值 | 1 | |||
迭代次数 | 300 |
Table 5 Parameter settings of the model
参数类型 | 参数名称 | 参数值 | ||
---|---|---|---|---|
智能体数量 | 100 | |||
NetLogo平台 | 初始资源总量 | 1000 | ||
最大交互步数 | 300 | |||
训练/验证/测试仿真的组数 | 120/40/40 | |||
映射关系 | X-Y | Y-Z | ||
输出层的层数 | 20 | 7×2 | ||
网络结构 | 隐含层的层数 | 120 | 50 | |
输出层的层数 | 7×2 | 3×2 | ||
LSTM网络 | 全连接层的层数 | 50 | 20 | |
丢失概率 | 0.1 | |||
学习率 | 0.01 | |||
梯度阈值 | 1 | |||
迭代次数 | 300 |
1 | |
Table 7 Distribution of absolute errors concerning operational effectiveness parameters using frequency distribution histograms
1 | |
参数 | 第4组仿真 | 第21组仿真 | 第35组仿真 | |
---|---|---|---|---|
任务完成度 | 2.56 | 5.49 | 4.33 | |
红方 | 作战效率 | 3.41 | 6.67 | 4.93 |
作战成本 | 3.17 | 4.28 | 3.86 | |
任务完成度 | 1.48 | 3.60 | 3.32 | |
蓝方 | 作战效率 | 2.77 | 5.36 | 2.69 |
作战成本 | 2.50 | 4.15 | 3.63 |
Table 8 MRE of operational effectiveness parameters %
参数 | 第4组仿真 | 第21组仿真 | 第35组仿真 | |
---|---|---|---|---|
任务完成度 | 2.56 | 5.49 | 4.33 | |
红方 | 作战效率 | 3.41 | 6.67 | 4.93 |
作战成本 | 3.17 | 4.28 | 3.86 | |
任务完成度 | 1.48 | 3.60 | 3.32 | |
蓝方 | 作战效率 | 2.77 | 5.36 | 2.69 |
作战成本 | 2.50 | 4.15 | 3.63 |
对象 | 方法 | 测试集误差指标的比较 | 统计检验 | |||||||
---|---|---|---|---|---|---|---|---|---|---|
最大值 | 最小值 | 平均值 | 标准差 | 误差平方和 | 均方误差 | 均方根误差 | p值 | |||
单层次BPNN | 5.2135 | -4.9821 | 0.4866 | 1.5533 | 155.2083 | 0.7023 | 0.8380 | 8.39×10-3 | ||
单层次RNN | 2.3056 | -2.0563 | 0.1760 | 0.6656 | 82.4505 | 0.3955 | 0.6289 | 5.78×10-2 | ||
红方 | 单层次LSTM | 1.4253 | -1.0580 | 0.0125 | 0.4106 | 49.4819 | 0.2239 | 0.4732 | 2.41×10-1 | |
多层次BPNN | 5.0462 | -4.8627 | 0.4682 | 1.5399 | 152.3132 | 0.6892 | 0.8302 | 8.18×10-3 | ||
多层次RNN | 2.1562 | -1.9534 | 0.1576 | 0.6520 | 83.8695 | 0.3795 | 0.6160 | 5.24×10-2 | ||
任务完成度 | 多层次LSTM | 1.3650 | -1.2127 | 0.0705 | 0.4281 | 47.6918 | 0.2158 | 0.4645 | ||
单层次BPNN | 7.3662 | -6.4767 | -0.1534 | 1.3599 | 243.6083 | 1.1023 | 1.0499 | 8.99×10-3 | ||
单层次RNN | 3.2159 | -2.2610 | -0.0589 | 0.8864 | 100.9307 | 0.4567 | 0.6758 | 6.27×10-2 | ||
蓝方 | 单层次LSTM | 1.7911 | -1.1580 | 0.0152 | 0.4934 | 44.8188 | 0.2028 | 0.4503 | 1.82×10-1 | |
多层次BPNN | 7.2687 | -6.1500 | -0.1249 | 1.1023 | 219.9613 | 0.9953 | 0.9976 | 8.78×10-3 | ||
多层次RNN | 3.1594 | -2.0664 | -0.0573 | 0.8953 | 94.3449 | 0.4269 | 0.6534 | 6.03×10-2 | ||
多层次LSTM | 1.7856 | -1.1266 | -0.0318 | 0.4590 | 42.4983 | 0.1923 | 0.4385 | |||
单层次BPNN | 0.1882 | -0.2147 | -0.0688 | 0.2317 | 5.1935 | 0.0235 | 0.1533 | 1.05×10-4 | ||
单层次RNN | 0.0865 | -0.8640 | -0.0286 | 0.1249 | 2.0111 | 0.0091 | 0.0954 | 4.11×10-2 | ||
红方 | 单层次LSTM | 0.0567 | -0.0262 | -0.0058 | 0.0759 | 0.8398 | 0.0038 | 0.0616 | 1.82×10-1 | |
多层次BPNN | 0.1756 | -0.2077 | -0.0610 | 0.2111 | 4.5968 | 0.0208 | 0.1442 | 4.11×10-2 | ||
多层次RNN | 0.0820 | -0.0833 | -0.0248 | 0.1033 | 1.7238 | 0.0078 | 0.0883 | 3.95×10-2 | ||
作战效率 | 多层次LSTM | 0.0543 | -0.0535 | -0.0109 | 0.0578 | 0.7735 | 0.0035 | 0.0592 | ||
单层次BPNN | 0.2648 | -0.3199 | -0.0075 | 0.0723 | 2.9172 | 0.0132 | 0.1149 | 5.84×10-3 | ||
单层次RNN | 0.1358 | -0.1589 | -0.0036 | 0.0422 | 1.5028 | 0.0068 | 0.0825 | 2.92×10-2 | ||
蓝方 | 单层次LSTM | 0.0846 | -0.0559 | -0.0057 | 0.0355 | 1.3039 | 0.0059 | 0.0768 | 5.67×10-1 | |
多层次BPNN | 0.2562 | -0.3153 | -0.0063 | 0.0701 | 2.7183 | 0.0123 | 0.1109 | 2.74×10-3 | ||
多层次RNN | 0.1207 | -0.1560 | -0.0033 | 0.0392 | 1.3481 | 0.0061 | 0.0781 | 2.74×10-2 | ||
多层次LSTM | 0.0831 | -0.1109 | -0.0016 | 0.0248 | 1.0608 | 0.0048 | 0.0693 | |||
单层次BPNN | 0.2297 | -1.9951 | -0.0071 | 0.0593 | 23.7354 | 0.1074 | 0.3277 | 9.58×10-3 | ||
单层次RNN | 0.1049 | -0.0896 | -0.0030 | 0.0358 | 13.0169 | 0.0589 | 0.2427 | 5.39×10-2 | ||
作战成本 | 红方 | 单层次LSTM | 0.0582 | -0.0530 | -0.0051 | 0.0228 | 8.0223 | 0.0363 | 0.1905 | 1.52×10-1 |
多层次BPNN | 0.2118 | -0.1855 | -0.0067 | 0.0575 | 23.1387 | 0.1047 | 0.3236 | 9.25×10-3 | ||
多层次RNN | 0.0957 | -0.0845 | -0.0024 | 0.0315 | 12.2876 | 0.0556 | 0.2358 | 5.14×10-2 | ||
多层次LSTM | 0.0534 | -0.0487 | -0.0003 | 0.0161 | 7.7129 | 0.0349 | 0.1868 | |||
对象 | 方法 | 测试集误差指标的比较 | 统计检验 | |||||||
最大值 | 最小值 | 平均值 | 标准差 | 误差平方和 | 均方误差 | 均方根误差 | p值 | |||
单层次BPNN | 0.1908 | -2.2221 | -0.0237 | 0.2448 | 11.4036 | 0.0516 | 0.2272 | 9.95×10-3 | ||
单层次RNN | 0.0903 | -0.1024 | -0.0137 | 0.1148 | 6.4090 | 0.0290 | 0.1703 | 4.62×10-2 | ||
作战成本 | 蓝方 | 单层次LSTM | 0.0588 | -0.0537 | 0.0024 | 0.0343 | 4.7515 | 0.0215 | 0.1466 | 1.77×10-1 |
多层次BPNN | 0.1754 | -0.2156 | -0.0205 | 0.2362 | 11.0721 | 0.0501 | 0.2238 | 9.24×10-3 | ||
多层次RNN | 0.0867 | -0.0972 | -0.0125 | 0.1088 | 5.9449 | 0.0269 | 0.1640 | 4.41×10-2 | ||
多层次LSTM | 0.0551 | -0.0642 | -0.0060 | 0.0797 | 4.2432 | 0.0192 | 0.1386 |
Table 9 Comparison of performance indicators using different methods
对象 | 方法 | 测试集误差指标的比较 | 统计检验 | |||||||
---|---|---|---|---|---|---|---|---|---|---|
最大值 | 最小值 | 平均值 | 标准差 | 误差平方和 | 均方误差 | 均方根误差 | p值 | |||
单层次BPNN | 5.2135 | -4.9821 | 0.4866 | 1.5533 | 155.2083 | 0.7023 | 0.8380 | 8.39×10-3 | ||
单层次RNN | 2.3056 | -2.0563 | 0.1760 | 0.6656 | 82.4505 | 0.3955 | 0.6289 | 5.78×10-2 | ||
红方 | 单层次LSTM | 1.4253 | -1.0580 | 0.0125 | 0.4106 | 49.4819 | 0.2239 | 0.4732 | 2.41×10-1 | |
多层次BPNN | 5.0462 | -4.8627 | 0.4682 | 1.5399 | 152.3132 | 0.6892 | 0.8302 | 8.18×10-3 | ||
多层次RNN | 2.1562 | -1.9534 | 0.1576 | 0.6520 | 83.8695 | 0.3795 | 0.6160 | 5.24×10-2 | ||
任务完成度 | 多层次LSTM | 1.3650 | -1.2127 | 0.0705 | 0.4281 | 47.6918 | 0.2158 | 0.4645 | ||
单层次BPNN | 7.3662 | -6.4767 | -0.1534 | 1.3599 | 243.6083 | 1.1023 | 1.0499 | 8.99×10-3 | ||
单层次RNN | 3.2159 | -2.2610 | -0.0589 | 0.8864 | 100.9307 | 0.4567 | 0.6758 | 6.27×10-2 | ||
蓝方 | 单层次LSTM | 1.7911 | -1.1580 | 0.0152 | 0.4934 | 44.8188 | 0.2028 | 0.4503 | 1.82×10-1 | |
多层次BPNN | 7.2687 | -6.1500 | -0.1249 | 1.1023 | 219.9613 | 0.9953 | 0.9976 | 8.78×10-3 | ||
多层次RNN | 3.1594 | -2.0664 | -0.0573 | 0.8953 | 94.3449 | 0.4269 | 0.6534 | 6.03×10-2 | ||
多层次LSTM | 1.7856 | -1.1266 | -0.0318 | 0.4590 | 42.4983 | 0.1923 | 0.4385 | |||
单层次BPNN | 0.1882 | -0.2147 | -0.0688 | 0.2317 | 5.1935 | 0.0235 | 0.1533 | 1.05×10-4 | ||
单层次RNN | 0.0865 | -0.8640 | -0.0286 | 0.1249 | 2.0111 | 0.0091 | 0.0954 | 4.11×10-2 | ||
红方 | 单层次LSTM | 0.0567 | -0.0262 | -0.0058 | 0.0759 | 0.8398 | 0.0038 | 0.0616 | 1.82×10-1 | |
多层次BPNN | 0.1756 | -0.2077 | -0.0610 | 0.2111 | 4.5968 | 0.0208 | 0.1442 | 4.11×10-2 | ||
多层次RNN | 0.0820 | -0.0833 | -0.0248 | 0.1033 | 1.7238 | 0.0078 | 0.0883 | 3.95×10-2 | ||
作战效率 | 多层次LSTM | 0.0543 | -0.0535 | -0.0109 | 0.0578 | 0.7735 | 0.0035 | 0.0592 | ||
单层次BPNN | 0.2648 | -0.3199 | -0.0075 | 0.0723 | 2.9172 | 0.0132 | 0.1149 | 5.84×10-3 | ||
单层次RNN | 0.1358 | -0.1589 | -0.0036 | 0.0422 | 1.5028 | 0.0068 | 0.0825 | 2.92×10-2 | ||
蓝方 | 单层次LSTM | 0.0846 | -0.0559 | -0.0057 | 0.0355 | 1.3039 | 0.0059 | 0.0768 | 5.67×10-1 | |
多层次BPNN | 0.2562 | -0.3153 | -0.0063 | 0.0701 | 2.7183 | 0.0123 | 0.1109 | 2.74×10-3 | ||
多层次RNN | 0.1207 | -0.1560 | -0.0033 | 0.0392 | 1.3481 | 0.0061 | 0.0781 | 2.74×10-2 | ||
多层次LSTM | 0.0831 | -0.1109 | -0.0016 | 0.0248 | 1.0608 | 0.0048 | 0.0693 | |||
单层次BPNN | 0.2297 | -1.9951 | -0.0071 | 0.0593 | 23.7354 | 0.1074 | 0.3277 | 9.58×10-3 | ||
单层次RNN | 0.1049 | -0.0896 | -0.0030 | 0.0358 | 13.0169 | 0.0589 | 0.2427 | 5.39×10-2 | ||
作战成本 | 红方 | 单层次LSTM | 0.0582 | -0.0530 | -0.0051 | 0.0228 | 8.0223 | 0.0363 | 0.1905 | 1.52×10-1 |
多层次BPNN | 0.2118 | -0.1855 | -0.0067 | 0.0575 | 23.1387 | 0.1047 | 0.3236 | 9.25×10-3 | ||
多层次RNN | 0.0957 | -0.0845 | -0.0024 | 0.0315 | 12.2876 | 0.0556 | 0.2358 | 5.14×10-2 | ||
多层次LSTM | 0.0534 | -0.0487 | -0.0003 | 0.0161 | 7.7129 | 0.0349 | 0.1868 | |||
对象 | 方法 | 测试集误差指标的比较 | 统计检验 | |||||||
最大值 | 最小值 | 平均值 | 标准差 | 误差平方和 | 均方误差 | 均方根误差 | p值 | |||
单层次BPNN | 0.1908 | -2.2221 | -0.0237 | 0.2448 | 11.4036 | 0.0516 | 0.2272 | 9.95×10-3 | ||
单层次RNN | 0.0903 | -0.1024 | -0.0137 | 0.1148 | 6.4090 | 0.0290 | 0.1703 | 4.62×10-2 | ||
作战成本 | 蓝方 | 单层次LSTM | 0.0588 | -0.0537 | 0.0024 | 0.0343 | 4.7515 | 0.0215 | 0.1466 | 1.77×10-1 |
多层次BPNN | 0.1754 | -0.2156 | -0.0205 | 0.2362 | 11.0721 | 0.0501 | 0.2238 | 9.24×10-3 | ||
多层次RNN | 0.0867 | -0.0972 | -0.0125 | 0.1088 | 5.9449 | 0.0269 | 0.1640 | 4.41×10-2 | ||
多层次LSTM | 0.0551 | -0.0642 | -0.0060 | 0.0797 | 4.2432 | 0.0192 | 0.1386 |
评价指标 | 参数 | 平均值 | 最小值 | 最大值 | 标准差 | 中位数 | 下分位点 | 上分位点 | |
---|---|---|---|---|---|---|---|---|---|
任务完成度 | 0.3357 | 0.2958 | 0.3565 | 0.0297 | 0.3199 | 0.3088 | 0.3476 | ||
红方 | 作战效率 | 0.0239 | 0.0122 | 0.0439 | 0.0098 | 0.0248 | 0.0215 | 0.0339 | |
MAE | 作战成本 | 0.0404 | 0.0234 | 0.0620 | 0.0147 | 0.0433 | 0.0301 | 0.0567 | |
任务完成度 | 0.3244 | 0.2771 | 0.3360 | 0.0245 | 0.3058 | 0.2983 | 0.3185 | ||
蓝方 | 作战效率 | 0.0244 | 0.0150 | 0.0407 | 0.0124 | 0.0262 | 0.0239 | 0.0381 | |
作战成本 | 0.0301 | 0.0196 | 0.0346 | 0.0130 | 0.0269 | 0.0254 | 0.0324 | ||
任务完成度 | 0.2178 | 0.0956 | 0.4497 | 0.0226 | 0.2600 | 0.1604 | 0.3493 | ||
红方 | 作战效率 | 0.0035 | 0.0012 | 0.0061 | 0.0099 | 0.0038 | 0.0030 | 0.0049 | |
MSE | 作战成本 | 0.0331 | 0.0199 | 0.0566 | 0.0123 | 0.0319 | 0.0284 | 0.0410 | |
任务完成度 | 0.1945 | 0.1040 | 0.3602 | 0.0231 | 0.2760 | 0.2083 | 0.3018 | ||
蓝方 | 作战效率 | 0.0049 | 0.0024 | 0.0067 | 0.0124 | 0.0055 | 0.0028 | 0.0054 | |
作战成本 | 0.0189 | 0.0112 | 0.0283 | 0.0127 | 0.0188 | 0.0154 | 0.0223 | ||
任务完成度 | 0.9377 | 0.9310 | 0.9555 | 0.0117 | 0.9254 | 0.9210 | 0.9252 | ||
红方 | 作战效率 | 0.9788 | 0.9760 | 0.9966 | 0.0087 | 0.9911 | 0.9810 | 0.9944 | |
R | 作战成本 | 0.9571 | 0.9362 | 0.9765 | 0.0096 | 0.9620 | 0.9519 | 0.9592 | |
任务完成度 | 0.9369 | 0.9473 | 0.9731 | 0.0093 | 0.9533 | 0.9523 | 0.9499 | ||
蓝方 | 作战效率 | 0.9925 | 0.9862 | 0.9987 | 0.0079 | 0.9934 | 0.9918 | 0.9956 | |
作战成本 | 0.9648 | 0.9390 | 0.9888 | 0.0091 | 0.9651 | 0.9554 | 0.9733 |
Table 10 Comparison of the prediction results of 40 testing sets
评价指标 | 参数 | 平均值 | 最小值 | 最大值 | 标准差 | 中位数 | 下分位点 | 上分位点 | |
---|---|---|---|---|---|---|---|---|---|
任务完成度 | 0.3357 | 0.2958 | 0.3565 | 0.0297 | 0.3199 | 0.3088 | 0.3476 | ||
红方 | 作战效率 | 0.0239 | 0.0122 | 0.0439 | 0.0098 | 0.0248 | 0.0215 | 0.0339 | |
MAE | 作战成本 | 0.0404 | 0.0234 | 0.0620 | 0.0147 | 0.0433 | 0.0301 | 0.0567 | |
任务完成度 | 0.3244 | 0.2771 | 0.3360 | 0.0245 | 0.3058 | 0.2983 | 0.3185 | ||
蓝方 | 作战效率 | 0.0244 | 0.0150 | 0.0407 | 0.0124 | 0.0262 | 0.0239 | 0.0381 | |
作战成本 | 0.0301 | 0.0196 | 0.0346 | 0.0130 | 0.0269 | 0.0254 | 0.0324 | ||
任务完成度 | 0.2178 | 0.0956 | 0.4497 | 0.0226 | 0.2600 | 0.1604 | 0.3493 | ||
红方 | 作战效率 | 0.0035 | 0.0012 | 0.0061 | 0.0099 | 0.0038 | 0.0030 | 0.0049 | |
MSE | 作战成本 | 0.0331 | 0.0199 | 0.0566 | 0.0123 | 0.0319 | 0.0284 | 0.0410 | |
任务完成度 | 0.1945 | 0.1040 | 0.3602 | 0.0231 | 0.2760 | 0.2083 | 0.3018 | ||
蓝方 | 作战效率 | 0.0049 | 0.0024 | 0.0067 | 0.0124 | 0.0055 | 0.0028 | 0.0054 | |
作战成本 | 0.0189 | 0.0112 | 0.0283 | 0.0127 | 0.0188 | 0.0154 | 0.0223 | ||
任务完成度 | 0.9377 | 0.9310 | 0.9555 | 0.0117 | 0.9254 | 0.9210 | 0.9252 | ||
红方 | 作战效率 | 0.9788 | 0.9760 | 0.9966 | 0.0087 | 0.9911 | 0.9810 | 0.9944 | |
R | 作战成本 | 0.9571 | 0.9362 | 0.9765 | 0.0096 | 0.9620 | 0.9519 | 0.9592 | |
任务完成度 | 0.9369 | 0.9473 | 0.9731 | 0.0093 | 0.9533 | 0.9523 | 0.9499 | ||
蓝方 | 作战效率 | 0.9925 | 0.9862 | 0.9987 | 0.0079 | 0.9934 | 0.9918 | 0.9956 | |
作战成本 | 0.9648 | 0.9390 | 0.9888 | 0.0091 | 0.9651 | 0.9554 | 0.9733 |
[1] |
张超省, 王健, 张林, 等. 面向复杂障碍场的多智能体系统集群避障模型[J]. 兵工学报, 2021, 42(1): 141-150.
|
doi: 10.3969/j.issn.1000-1093.2021.01.016 |
|
[2] |
doi: 10.3846/transport.2019.11650 URL |
[3] |
|
[4] |
doi: 10.21629/JSEE.2017.03.11 URL |
[5] |
牛德智, 陈长兴, 班斐, 等. 基于效能评估的航空作战进程预测[J]. 航空学报, 2014, 35(5): 1416-1423.
doi: 10.7527/S1000-6893.2013.0524 |
doi: 10.7527/S1000-6893.2013.0524 |
|
[6] |
doi: 10.1016/j.eswa.2021.115976 URL |
[7] |
齐智敏, 张海林, 伊山, 等. 智能无人机群体作战效能评估指标体系研究[J]. 舰船电子工程, 2021, 41(9): 1-5.
|
|
|
[8] |
刘显光, 张晓丰, 陈士涛, 等. 基于组合评估的有人/无人机协同反舰作战效能评估[J]. 舰船电子工程, 2022, 42(2): 140-146.
|
|
|
[9] |
魏武臣, 徐硕, 何晓夫, 等. 基于作战仿真推演的空-地制导弹药效能评估[J]. 兵工学报, 2022, 43(增刊1): 107-114.
|
doi: 10.12382/bgxb.2022.A020 |
|
[10] |
郭雷平, 段文博, 刘宇, 等. 基于OODA环的合成部队光电装备作战效能评估[J]. 兵工学报, 2022, 43(增刊1): 177-182.
|
doi: 10.12382/bgxb.2022.A009 |
|
[11] |
王瑛, 史翔宇, 李超. 基于DoDAF的无人机协同作战效能评估[J]. 空军工程大学学报(自然科学版), 2020, 21(6): 66-72.
|
|
|
[12] |
韩月明, 方丹, 张红艳, 等. 智能无人机集群协同作战效能评估综述[J]. 飞航导弹, 2020(8): 51-56.
|
|
|
[13] |
刘国强, 陈维义, 程晗, 等. 基于BP神经网络的炮光集成武器系统作战效能评估与预测[J]. 海军工程大学学报, 2019, 31(3): 55-59.
|
|
|
[14] |
任俊, 胡晓峰, 朱丰. 基于深度学习特征迁移的装备体系效能预测[J]. 系统工程与电子技术, 2017, 39(12): 2745-2749.
|
|
|
[15] |
陈灿, 莫雳, 郑多, 等. 非对称机动能力多无人机智能协同攻防对抗[J]. 航空学报, 2020, 41(12): 342-354.
|
|
|
[16] |
赵柱, 王毅, 樊芮锋, 等. 基于多主体NetLogo平台的反无人机OODA体系对抗建模[J]. 系统仿真学报, 2021, 33(8): 1791-1800.
doi: 10.16182/j.issn1004731x.joss.20-0355 |
|
|
[17] |
|
[18] |
孙华飞, 张世强, 何孟源, 等. 基于图论的雷达优化部署方法[J]. 北京理工大学学报, 2020, 40(9): 1026-1032.
|
|
|
[19] |
于雅洁, 刘贤达, 蒋启梅, 等. 融合LSTM-DNN的工业安全态势预测模型[J/OL]. 小型微型计算机系统: http://kns.cnki.net/kcms/detqil/21.1106.TP.20211213.1115.002.html.
|
|
|
[20] |
田远洋, 徐显涛, 彭安帮, 等. 训练数据量对LSTM网络学习性能影响分析[J]. 水文, 2022, 42(1): 29-34,22.
|
|
[1] | LI Chiyun, MIAO Jianming, SHEN Bingzhen. Operational Effectiveness Prediction of Weapon Equipment System Based on Improved Stacking Ensemble Learning Method [J]. Acta Armamentarii, 2023, 44(11): 3455-3464. |
[2] | XU Ning, WU Yong-hai, WANG Yong-juan, XU Cheng. Barrel Life Prediction of Rotating Barrels Machine Gun Based on Fatigue Damage of Chromium-steel Interface [J]. Acta Armamentarii, 2016, 37(10): 1926-1933. |
[3] | CONG Lin-hu, XU Ting-xue, GOU Kai. ULS-SVM Prediction Model of Missile Guidance and Control Systems Based on D-S Evidence Theory [J]. Acta Armamentarii, 2015, 36(8): 1466-1472. |
[4] | SHI Sheng-bing, QIN Shao-gang, CHEN Zhen-xing, ZHANG Jun-sheng, SONG Hong-wei. Test Technology for Operational Effectiveness of Portable Electro-optical Reconnaissance Equipment [J]. Acta Armamentarii, 2015, 36(3): 566-570. |
[5] | LYU Zhen-jian, YUAN Jian-hu, LU Ming, CHEN Liu-hai. Research on Prediction Model for Forecasting the Yawing of Projectile [J]. Acta Armamentarii, 2014, 35(12): 1983-1990. |
[6] | LI Yan-biao, LI Jing-min, JI Shi-ming, ZHENG Chao, ZHAO Zhang-feng. Dynamic Modeling and Peak Torque Prediction of Servo Motor for a 3-DOF Parallel Humanoid Mechanical Leg [J]. Acta Armamentarii, 2014, 35(11): 1928-1936. |
Viewed | ||||||
Full text |
|
|||||
Abstract |
|
|||||