题目：基于数据挖掘的CGF 行为建模技术研究

本研究主要用于在分布式环境下计算机生成兵力（Computer Generated Forces，CGFs）的行为建模。进入二十一世纪，计算机生成兵力仿真技术迅速发展，在军、民两用模拟训练领域中发挥着越来越重要的作用。然而，面对大量产生的仿真数据，如何有效地进行挖掘，进而发现有价值的知识和规律仍然是一个亟待解决的研究课题。针对这种现状，本论文创新性提出了从两个层面进行“基于数据挖掘的CGF行为建模技术”研究。其一是从数据处理的角度来研究基于数据挖掘的CGF行为建模技术，即，将数据挖掘看成是一种数据处理的技术来对CGF仿真过程中产生的数据进行挖掘，例如，用数据挖掘的方法来处理1对1格斗过程中产生的格斗数据（机动数据）；其二是从智能思想的角度来研究基于数据挖掘的CGF行为建模技术，即，将数据挖掘看成是一种人工智能的思想来进行CGF行为建模，例如，用数据挖掘的思想来建立双机编队起降飞行的行为模型。前者被称为基于“直觉挖掘”的CGF行为建模；后者被称为基于“智能挖掘”的CGF行为建模。本论文以“格斗行为建模”为例研究了基于“直觉挖掘”的CGF行为建模问题；以“双机编队起降飞行行为建模”为例研究了基于“智能挖掘”的CGF行为建模问题。进一步，本论文创新性提出了基于数据挖掘的CGF行为建模技术的评估方法。以“1对1格斗CGF行为建模”和“双机编队起降飞行CGF行为建模”的评估为例，分别构建了基于“直觉挖掘”的CGF行为建模评估方法和基于“智能挖掘”的CGF行为建模评估方法。实验数据和评估结果表明：从“直觉挖掘”和“智能挖掘”两个层面对基于数据挖掘的CGF行为建模技术进行研究是一种正确的思路。“基于数据挖掘的CGF行为建模技术”具有重要的意义。一方面，它可以挖掘出事先未知的、潜在有用的作战规则和战术经验，以此来丰富作战规则库和战术知识库的的内容，并提高空战仿真效率。例如，我们可以使用本方法从飞行员的实际驾驶数据中挖掘出经验性规则；另外，本论文在对仿真数据进行挖掘的过程中发现了16条作战规则，在将这些规则开发成基于COM组件的形式后，使原系统的仿真效率平均提高了80%以上。另一方面，“基于数据挖掘的CGF行为建模技术”可以增加CGF系统的智能性。通过将数据挖掘的思想融入CGF行为建模的过程中，可以利用数据挖掘的智能性。例如，本论文使用数据挖掘方法挖掘出飞机距离跑道中心线的水平位移和飞机的“跑道进入角”之间的关联关系，并基于该关联关系设计了“自动搜寻跑道算法”，实验结果表明该算法将双机距离和双机间隔的保持精度提高了10倍以上。第三，本论文进行的基于数据挖掘的CGF行为模型评估方法研究对于判断CGF行为模型的实用性和有效性具有重要的意义。总之，本论文已经将数据挖掘技术应用到了CGF行为建模中。本论文的创新性研究成果是基于数据挖掘技术构建了两个CGF行为模型，即：（1）基于数据挖掘的格斗空战行为模型，该模型主要用于验证基于“直觉挖掘”的CGF行为建模；（2）基于数据挖掘的双机编队起降飞行行为模型，该模型主要用于验证基于“智能挖掘”的CGF行为建模。本论文的支撑课题是“仿真支撑平台技术研究”。本研究可以用于分布式仿真中“计算机生成兵力”的行为建模；本研究也可以用于军用模拟训练、民用模拟训练、航空数据挖掘与分析、半实物仿真、武器装备论证、作战效能评估等关键领域。