CN119417267A 一种面向知识演化的智能辅助决策系统及构建方法 （中国人民解放军军事科学院战争研究院）

一种面向知识演化的智能辅助决策系统及本申请涉及一种面向知识演化的智能辅助在面对不断变化的信息和知识环境时做出更明2所述强化学习算法模块用于从仿真环境模块获取所述环境状态数据所述仿真环境模块用于在所述环境状态数据确定的所述知识演化模块用于从所述强化学习算法模块获取所述对抗样所述策略网络用于接收来自所述仿真环境模块的环境状态数据，基3.根据权利要求2所述的系统，其特征在于，所述强化学习算法模块还包括数据回放所述状态转移概率函数用于根据所述校验后的决策指令和环境状态数据所述仿真环境模块还用于将所述环境状态数据、下一个状态以及奖所述策略网络接收来自所述仿真环境模块的环境状态数据，基于所述策略网络使用从所述知识演化模块获取的初始规所述数据回访池接收从所述仿真环境模块中传输的对抗样本数据，本数据是所述仿真环境模块执行所述校验后的决策指所述价值网络从数据回放池中获取所述环境状态数据、所述校验后的决策指令和奖3所述知识更新模型用于计算新的规则数据与所述知识存储库中规所述知识组织模型用于通过图网络为所述知识存储库中的规则数据建立关联所述知识使能模型用于对所述知识存储库中的规则数据进行分类强化学习算法模块从仿真环境模块获取环境状态数据，从知识演化模块获取规则数仿真环境模块在所述环境状态数据确定的当前环境下执行所述决所述知识演化模块从所述强化学习算法模块获取所述对抗样本数4所述仿真环境模块用于在所述环境状态数据确定的当前环境下执行所述决策指境模块执行所述校验后的决策指令并获得对5所述策略网络使用从所述知识演化模块获取的初始规则数据对决策指令进行校抗样本数据是所述仿真环境模块执行所述校验后的决所述知识更新模型用于计算新的规则数据与所述知识存储库中规则数据的相似所述知识组织模型用于通过图网络为所述知识存储库中的规则数据建立关联关[0013]其中，所述策略网络和所述价值网络均包括三层卷积神经网络和两层全连接网6[0021]为解决上述问题，本发明提出了一种面向知识演化的智78[0027]本发明实施例的面向知识演化的智能辅助决策系统通过从对抗样本中不断提取知识演化模块获取的规则数据对决策指令进行校验，并将校验后的决策指令输出到状态转移概率函数用于根据决策指令和当前环境状态数据，计算得到下一通过通信接口将当前环境状态数据s、下一个状态s以及奖励r发送给强化学习算法模9R为决策指令a计算一个奖励得分r，用于评估所述决策用于存储当前环境状态数据s、奖励r以及下一状态s。价值网络主要用于指导策略网络价值网络用于从数据回放池中获取环境状态数据s、决策指令a和奖励r等对抗样本数[0034]本发明实施例中的辅助决策系统可以通过强化学习算法模块对强化学习算法模施例的面向知识演化的智能辅助决策系统可以通过策略网络和价值网络进行多轮迭代运用于强化学习算法模块的策略网络的下一次块将对抗样本数据通过通信接口发送至强化[0043]本发明实施例可以通过实例化一个红蓝双方无人机仿真对抗场景来进一步说明在仿真环境模块中执行，仿真环境模块接收到决励表示为r(s)。[0044]步骤2，策略网络在初始化随机策略和知识存储库的共同驱动下与仿真环境模块[0045]其中，知识存储库中存储有初步构建的多条规则数据该多条规则数据。通过对系统的广泛测试，可以确保系统在多种战场环境下都能提供可靠和有效的决策支[0048]步骤5，从t=0时刻开始，直至时刻结束，执行策略收集整局的序列数据并将这些对抗数据存储到数据回,提取出新的相关知识[0050]步骤7，通过知识演化模型将新的规则数