張國(guó)輝，徐文超，張文閣，尚世鋒

(1．裝甲兵工程學(xué)院信息工程系，北京100072;2．裝甲兵工程學(xué)院裝備指揮與管理系，北京100072)

為打贏信息化戰(zhàn)爭(zhēng)，發(fā)達(dá)國(guó)家在20世紀(jì)末相繼提出了戰(zhàn)場(chǎng)數(shù)字化計(jì)劃。士兵成為戰(zhàn)場(chǎng)上作戰(zhàn)的主體，士兵數(shù)字化自然成為戰(zhàn)場(chǎng)數(shù)字化計(jì)劃中不可或缺的環(huán)節(jié)。美國(guó)最早提出“陸地勇士”計(jì)劃，緊隨其后，英國(guó)推出了“未來(lái)作戰(zhàn)士兵系統(tǒng)”計(jì)劃，法國(guó)推出了“先進(jìn)戰(zhàn)斗士兵系統(tǒng)”計(jì)劃。隨著士兵系統(tǒng)不斷推出并陸續(xù)裝備部隊(duì)，數(shù)字化士兵以其明顯的信息優(yōu)勢(shì)、強(qiáng)大的單兵火力和先進(jìn)的防護(hù)裝備在戰(zhàn)場(chǎng)上發(fā)揮著越來(lái)越大的作戰(zhàn)效能。目前，雖然士兵系統(tǒng)尚未普遍裝備部隊(duì)，對(duì)數(shù)字化士兵行為的研究還較少，但數(shù)字化士兵對(duì)未來(lái)戰(zhàn)場(chǎng)的影響已初現(xiàn)端倪［1］。高分辨率數(shù)字化士兵行為仿真是數(shù)字化戰(zhàn)場(chǎng)仿真的重要內(nèi)容［2］。對(duì)數(shù)字化士兵的行為進(jìn)行研究，探索數(shù)字化士兵對(duì)未來(lái)戰(zhàn)場(chǎng)的影響，研究戰(zhàn)爭(zhēng)的發(fā)展趨勢(shì)并應(yīng)對(duì)未來(lái)戰(zhàn)爭(zhēng)的挑戰(zhàn)，是數(shù)字化戰(zhàn)場(chǎng)仿真研究的重要內(nèi)容，也是作戰(zhàn)仿真研究的前沿與熱點(diǎn)。對(duì)士兵行為進(jìn)行表示和建模是M＆S(Modeling＆Simulation)領(lǐng)域的難題之一，現(xiàn)有士兵行為模型大都存在自主性差、行為效果不逼真等問題。為此，筆者改進(jìn)了Soar［3］認(rèn)知框架，建立了數(shù)字化士兵基于雙層Soar框架的行為模型，并通過仿真試驗(yàn)比較了數(shù)字化士兵與普通士兵的戰(zhàn)場(chǎng)行為和作戰(zhàn)效能。

1 數(shù)字化士兵的行為特點(diǎn)

先進(jìn)的數(shù)字化裝備能夠極大地提高數(shù)字化士兵的作戰(zhàn)效能，并對(duì)數(shù)字化士兵的戰(zhàn)場(chǎng)行為模式和行動(dòng)范圍產(chǎn)生極大的影響。

1)數(shù)字化士兵的感知能力由戰(zhàn)場(chǎng)局部感知提升為戰(zhàn)場(chǎng)弱全局感知。戰(zhàn)場(chǎng)弱全局感知是相對(duì)于戰(zhàn)場(chǎng)局部感知和戰(zhàn)場(chǎng)全局感知而言的。傳統(tǒng)的士兵只能通過自身感知器官和部分輔助偵察裝備對(duì)有限區(qū)域進(jìn)行感知，其感知能力受環(huán)境影響較大，如地形的遮蔽、可見度等，這種感知稱為戰(zhàn)場(chǎng)局部感知。數(shù)字化士兵利用信息裝備可獲取上級(jí)及友鄰單位的感知結(jié)果，能夠形成對(duì)戰(zhàn)場(chǎng)全局的態(tài)勢(shì)感知，但獲取的信息是粗略和不完整的，這種感知稱為戰(zhàn)場(chǎng)弱全局感知。戰(zhàn)場(chǎng)全局感知是戰(zhàn)場(chǎng)感知的理想狀態(tài)，指士兵可以利用自身能力或其他方式對(duì)戰(zhàn)場(chǎng)全域進(jìn)行任意方式的感知。隨著數(shù)字化士兵裝備的不斷發(fā)展，數(shù)字化士兵的感知能力不斷向戰(zhàn)場(chǎng)全局感知發(fā)展。

2)數(shù)字化士兵的戰(zhàn)場(chǎng)決策更加理性。首先，在先進(jìn)的數(shù)字化裝備(以下簡(jiǎn)稱“數(shù)裝”)輔助下，數(shù)字化士兵能夠獲取更多的決策輔助信息，且對(duì)信息的處理能力更快、更強(qiáng);其次，數(shù)字化士兵的通信能力大大增強(qiáng)，可以隨時(shí)接收上級(jí)命令與指示信息;最后，面向單兵的輔助決策系統(tǒng)也為數(shù)字化士兵的決策提供了極大的幫助。

3)數(shù)字化士兵的行動(dòng)能力大大增強(qiáng)。數(shù)字化士兵在導(dǎo)航設(shè)備和即將出現(xiàn)的外骨骼系統(tǒng)等的輔助下，在戰(zhàn)場(chǎng)機(jī)動(dòng)時(shí)選擇路線更加靈活，機(jī)動(dòng)速度更快，新式武器的使用也使得數(shù)字化士兵的射擊精度更高、火力更強(qiáng)、打擊距離更遠(yuǎn)。英國(guó)在“未來(lái)綜合士兵技術(shù)”計(jì)劃中決定采用的SA80步槍在300 m的距離上命中率達(dá)到90%，在600 m的距離上命中率達(dá)到50%［2］。士兵計(jì)算機(jī)和士兵電臺(tái)的使用也使得數(shù)字化士兵的通信效率更高、通信距離更遠(yuǎn)，士兵電臺(tái)把C4I的能力提供給單兵個(gè)人，使單兵同數(shù)字化戰(zhàn)場(chǎng)有機(jī)地聯(lián)系起來(lái)。

2 數(shù)字化士兵行為建模

2．1 基于雙層Soar框架的行為建模方法

Soar框架是在行為建模與仿真領(lǐng)域應(yīng)用較多的認(rèn)知框架，是典型的基于“感知—決策—行動(dòng)”環(huán)的框架體系。對(duì)于同一個(gè)體，由于狀態(tài)不同而具有2種截然不同的行為模式時(shí)［4］，使用Soar框架建立的行為模型在靈活性和適應(yīng)性上顯得相對(duì)欠缺。為了應(yīng)對(duì)這種行為建模需求，本文改進(jìn)了Soar框架，提出了行為建模的雙層Soar框架，如圖1所示。

圖1 雙層Soar框架

由圖1可見:雙層Soar框架的感知、決策和行動(dòng)3要素各有2種本文，在1種失效時(shí)仍能繼續(xù)工作，且2種本文互為補(bǔ)充，該機(jī)制極大地提高了認(rèn)知框架的靈活性和可靠性。對(duì)于具有2種本文的行為個(gè)體，雙層Soar框架具有極大的針對(duì)性和適應(yīng)性。

2．2 基于雙層Soar框架的數(shù)字化士兵行為模型

在復(fù)雜的戰(zhàn)場(chǎng)條件下，數(shù)字化士兵的士兵系統(tǒng)存在可靠性不足以及受到攻擊會(huì)損壞的風(fēng)險(xiǎn)，且由于作戰(zhàn)過程的不確定性，此系統(tǒng)也有可能失效。數(shù)字化士兵的行為在士兵系統(tǒng)正常工作和失效2種狀態(tài)下差別巨大，因此本文構(gòu)建了基于雙層Soar框架的數(shù)字化士兵行為模型，用于描述數(shù)字化士兵2種可能狀態(tài)的行為，如圖2所示。

基于雙層Soar框架的數(shù)字化士兵行為模型由自身感知模塊、增強(qiáng)感知模塊、自身決策模塊、輔助決策模塊、自身行動(dòng)模塊以及強(qiáng)化行動(dòng)模塊組成?？v向上可分為2層，即自身行為層和增強(qiáng)行為層。當(dāng)數(shù)字化士兵的士兵系統(tǒng)正常工作時(shí)，2層共同發(fā)揮作用;當(dāng)士兵系統(tǒng)暫時(shí)失效時(shí)，僅自身行為層發(fā)揮作用。橫向上可分為3個(gè)子模型:感知模型、決策模型和行動(dòng)模型。下面從橫向角度進(jìn)行詳細(xì)論述。

圖2 基于雙層Soar框架的數(shù)字化士兵行為模型

2．3 數(shù)字化士兵感知模型

定義1:事件是作戰(zhàn)過程中戰(zhàn)場(chǎng)狀態(tài)發(fā)生變化的一個(gè)瞬間。數(shù)字化士兵對(duì)戰(zhàn)場(chǎng)的感知都是基于事件的。戰(zhàn)場(chǎng)中的圖像、聲音、溫度變化、氣味變化、身體狀況的變化等，都是數(shù)字化士兵對(duì)戰(zhàn)場(chǎng)事件的感知內(nèi)容。數(shù)字化士兵主要靠視覺與聽覺來(lái)感知戰(zhàn)場(chǎng)事件。

2．3．1 視覺模型

數(shù)字化士兵的視覺感知可分為視距感知、增強(qiáng)視距感知和超視距感知，其中:視距感知和增強(qiáng)視距感知是數(shù)字化士兵通過裸眼和單兵偵察設(shè)備實(shí)現(xiàn)的;超視距感知是通過己方對(duì)戰(zhàn)場(chǎng)情況偵察后發(fā)送給數(shù)字化士兵實(shí)現(xiàn)的。數(shù)字化士兵裸眼的視覺范圍為120°，可視距離受環(huán)境(如戰(zhàn)場(chǎng)的通視性、環(huán)境的可見度等)的影響較大。使用數(shù)字化單兵偵察設(shè)備和戰(zhàn)場(chǎng)傳感器后，數(shù)字化士兵的可視距離大大增加，尤其是夜間的可視距離明顯增加，對(duì)目標(biāo)的分辨率也有顯著提高，這都極大增強(qiáng)了數(shù)字化士兵的感知能力。

數(shù)字化士兵感知事件得到的視覺信息可以形式化為一個(gè)三元組:

式中:IDv為視覺信息的編號(hào);Tv為視覺信息的來(lái)源類型;Lv為事件與數(shù)字化士兵的距離;Cv為事件的狀態(tài)變化;Dv為事件的威脅度。Tv可進(jìn)一步表示為

式中:nv為視距信息;sv為加強(qiáng)視距信息;uv為超視距信息。

2．3．2 聽覺模型

戰(zhàn)場(chǎng)中聲音環(huán)境復(fù)雜，充斥著各種各樣的聲音。數(shù)字化士兵在不使用任何偵聽設(shè)備時(shí)，其聽覺頻率范圍一般為 20～20 000 Hz，響度范圍為 10～140 dB，但由于聲音的復(fù)雜性，不是所有的聲音都可以被分辨出來(lái)，數(shù)字化士兵間的語(yǔ)音通信受環(huán)境影響嚴(yán)重。使用人造耳的數(shù)字化士兵可在20 m內(nèi)任意交談，安靜情況下則可以擴(kuò)展到40 m左右。

數(shù)字化士兵感知事件得到的聽覺信息可以形式化為

式中:IDs為聽覺信息的編號(hào);Ts為聽覺信息的來(lái)源類型;Ls為事件與數(shù)字化士兵的距離;dir為發(fā)生事件的方位;Cs為事件的狀態(tài)變化;Ds為事件的威脅度。Ts可進(jìn)一步表示為

式中:ns為人耳聽覺范圍信息;ss為增強(qiáng)聽覺信息;us為超距聽覺信息。

2．4 數(shù)字化士兵決策模型

數(shù)字化士兵的單兵作戰(zhàn)能力大大增強(qiáng)的同時(shí)，作戰(zhàn)過程中個(gè)體的傷亡對(duì)數(shù)字化部隊(duì)的戰(zhàn)斗力影響也很大。因此，數(shù)字化士兵在戰(zhàn)術(shù)決策上需要更強(qiáng)的策略性，以盡可能減少個(gè)體的傷亡。為了體現(xiàn)這種策略性，本文提出了基于策略的決策模型。

定義2:策略是一種動(dòng)作序列{mi}的規(guī)劃，它不簡(jiǎn)單地追求單步行動(dòng)的最優(yōu)，而是以實(shí)現(xiàn)行動(dòng)規(guī)劃的最終目標(biāo)作為策略成功的標(biāo)準(zhǔn)。常見的策略有包圍、迂回等，策略π可以表示為

式中:xi-1為數(shù)字化士兵的狀態(tài);yi-1為敵方士兵的狀態(tài);mi為數(shù)字化士兵采取的行動(dòng)。

定義3:期望效用是當(dāng)動(dòng)作對(duì)環(huán)境的影響不確定時(shí)，每個(gè)可能狀態(tài)的效用值與該狀態(tài)發(fā)生概率乘積之和，其表達(dá)式為

式中:P(xk，yk|mk)為數(shù)字化士兵選擇行動(dòng)mk輸出的敵我狀態(tài)為(xk，yk)的概率;U(xk，yk)為敵我狀態(tài)為(xk，yk)的效用值。

行動(dòng)執(zhí)行可能付出的代價(jià)用C(mk)表示，包括時(shí)間代價(jià)、資源代價(jià)以及自身可能受到的傷害等。

基于策略的決策步驟如下:

Step 1，選擇行動(dòng)策略π;

Step 2，根據(jù)行動(dòng)策略進(jìn)行行動(dòng)規(guī)劃，產(chǎn)生動(dòng)作規(guī)劃表Tplan;

Step 3，確定關(guān)鍵節(jié)點(diǎn) {m'1，m'2，…，m'n};

Step 4，順序執(zhí)行，執(zhí)行到關(guān)鍵節(jié)點(diǎn)時(shí)轉(zhuǎn)Step 5;

Step 5，計(jì)算關(guān)鍵節(jié)點(diǎn)的期望效用EU(m'k)=∑P(xk，yk|mk)U(xk，yk)-C(m'k)，選擇效用最大的行動(dòng)mk={mk|max U(m'k)};

Step 6，若行動(dòng)規(guī)劃表中的動(dòng)作全部完成，轉(zhuǎn)Step 7，否則轉(zhuǎn)Step 4;

Step 7，若開始新決策，轉(zhuǎn)Step 1，否則退出。

由基于策略的決策模型的步驟可以看出:該決策模型并不追求每一個(gè)行動(dòng)都達(dá)到最大效用值，模型只控制關(guān)鍵節(jié)點(diǎn)的效用，只要達(dá)到初始策略預(yù)計(jì)的目標(biāo)，就認(rèn)為數(shù)字化士兵的決策過程是合理的。

數(shù)字化士兵的輔助決策裝備能夠?yàn)閿?shù)字化士兵提供更多的策略選擇，能輔助數(shù)字化士兵形成更合理的行動(dòng)規(guī)劃表。

2．5 數(shù)字化士兵行動(dòng)模型

行動(dòng)建模是作戰(zhàn)模擬的核心和基礎(chǔ)［5］，為了盡可能地實(shí)現(xiàn)資源共享，同時(shí)也為了加快模型的構(gòu)建速度，建立了數(shù)字化士兵的元行動(dòng)庫(kù)，通過對(duì)元行動(dòng)模型的組合和重構(gòu)來(lái)構(gòu)建數(shù)字化士兵的行動(dòng)模型。

元行動(dòng)模型可以形式化表示為

式中:IDm為元行動(dòng)的編號(hào);name為元行動(dòng)的名稱;Tm為元行動(dòng)類型;Pin為元行動(dòng)的輸入?yún)?shù)，包括數(shù)字化士兵身體狀態(tài)(如體力、傷病等)和環(huán)境對(duì)數(shù)字化士兵行動(dòng)的影響參數(shù);Pout為元行動(dòng)的輸出參數(shù)(如跑步速度、通信距離等)。Tm可進(jìn)一步表示為

式中:nm為不使用數(shù)字化單兵系統(tǒng)的行動(dòng)本文;sm為使用數(shù)字化單兵系統(tǒng)的增強(qiáng)本文。

元行動(dòng)模型是數(shù)字化士兵行動(dòng)的基本單元，是基于策略的決策基礎(chǔ)，圖3為決策模型與行動(dòng)模型的關(guān)系。元行動(dòng)模型庫(kù)由元行動(dòng)模型組成，每個(gè)元行動(dòng)模型有2種模式，以元行動(dòng)1為例:數(shù)字化士兵執(zhí)行行動(dòng)1時(shí)，若裝備完好、能源充足，則優(yōu)先執(zhí)行1';若出現(xiàn)故障，則執(zhí)行1。數(shù)字化士兵確定策略后形成行動(dòng)規(guī)劃表，其關(guān)鍵節(jié)點(diǎn)可能包含多個(gè)備選元行動(dòng)模型，根據(jù)效用最大原則［6］選擇最佳元行動(dòng)。

圖3 基于策略的決策模型生成行動(dòng)

3 方法比較與試驗(yàn)驗(yàn)證

建模方法的優(yōu)劣主要體現(xiàn)在所建立模型是否正確以及后續(xù)仿真是否真實(shí)可信。與物理、數(shù)學(xué)模型相比，行為模型由于行為主體智能的類型、層次等差別巨大，其校核、驗(yàn)證非常困難［7］，在實(shí)際操作中往往使用專家經(jīng)驗(yàn)評(píng)估的方法，但這樣也導(dǎo)致了校核、驗(yàn)證過程中主觀性過重的弊端。為此，本文采用方法比較和仿真試驗(yàn)的方法，對(duì)提出的數(shù)字化士兵行為建模方法進(jìn)行校核與驗(yàn)證。

3．1 行為建模方法比較

認(rèn)知結(jié)構(gòu)是建立行為模型的基礎(chǔ)，目前，在人類行為表示(Human Behavior Representation，HBR)研究成果中包含了多種行為建?？蚣堋１?是雙層Soar框架建模方法與3種常用和典型的行為建模方法的比較。

表1 行為建模方法比較

本文從基本行為和數(shù)裝行為2方面對(duì)不同建模方法建立的數(shù)字化士兵行為模型進(jìn)行了比較，由表1可見:基于雙層Soar框架的行為建模方法能夠更好地描述數(shù)字化士兵的行為特點(diǎn)。

3．2 仿真試驗(yàn)驗(yàn)證

3．2．1 仿真模型

根據(jù)仿真試驗(yàn)想定和仿真粒度，將數(shù)字化士兵的狀態(tài)簡(jiǎn)化為3種:數(shù)裝完好、數(shù)裝失效和士兵死亡。其中:在數(shù)裝完好狀態(tài)下，數(shù)字化士兵依據(jù)增強(qiáng)行為層規(guī)則行動(dòng);在數(shù)裝失效狀態(tài)下，數(shù)字化士兵等同于普通士兵，依據(jù)自身行為層規(guī)則行動(dòng);在士兵死亡狀態(tài)下無(wú)戰(zhàn)斗力。利用這種方式，仿真模型對(duì)數(shù)字化士兵的士兵系統(tǒng)進(jìn)行了簡(jiǎn)化，將士兵受傷與數(shù)裝受損合并，并忽略了數(shù)裝受損但仍具有部分能力的情況。數(shù)字化士兵行為模型仿真流程如圖4所示。

3．2．2 試驗(yàn)想定及仿真方案

1)試驗(yàn)想定

圖4 數(shù)字化士兵行為模型仿真流程

以一個(gè)夜間空降突襲機(jī)場(chǎng)為例，對(duì)數(shù)字化士兵行為模型進(jìn)行驗(yàn)證。紅方通過偵察確定了藍(lán)方某臨時(shí)機(jī)場(chǎng)的具體位置，決定派出一支特遣部隊(duì)通過機(jī)降接近敵方機(jī)場(chǎng)，實(shí)施破壞。為實(shí)現(xiàn)此目的，紅方運(yùn)輸機(jī)夜間在戰(zhàn)斗機(jī)掩護(hù)下接近敵方機(jī)場(chǎng)，在距離機(jī)場(chǎng)3 km處特遣部隊(duì)實(shí)施機(jī)降。特遣隊(duì)機(jī)降后分布在1 km×2 km區(qū)域內(nèi)，集結(jié)后向藍(lán)方機(jī)場(chǎng)滲透，到達(dá)敵方機(jī)場(chǎng)后實(shí)施破壞。藍(lán)方在機(jī)場(chǎng)周圍有一個(gè)連的兵力，分散在機(jī)場(chǎng)周圍實(shí)施警戒。

邊界條件:紅方機(jī)降后迅速集結(jié)，與藍(lán)方接觸30 min內(nèi)完成作戰(zhàn)任務(wù)，否則判定任務(wù)失敗;藍(lán)方發(fā)現(xiàn)紅方特遣隊(duì)后呼叫支援，遲滯敵方至少30 min，否則任務(wù)失敗。

2)仿真方案

為了驗(yàn)證所建立的模型，設(shè)計(jì)了3組對(duì)比試驗(yàn)，在相同的作戰(zhàn)條件下，分別采用基于雙層Soar框架建立的數(shù)字化士兵行為模型(用DLSM表示)、基于單層Soar框架建立的數(shù)字化士兵行為模型(用SSDM表示)和基于單層Soar框架建立的普通士兵行為模型(用SSCM表示)進(jìn)行仿真試驗(yàn)。

3．2．3 仿真試驗(yàn)及結(jié)果分析

本文將3種模型集成在某數(shù)字化戰(zhàn)場(chǎng)仿真系統(tǒng)［11］中，對(duì)士兵行為模型進(jìn)行了實(shí)現(xiàn)，并根據(jù)仿真試驗(yàn)想定、仿真方案和邊界條件進(jìn)行了仿真試驗(yàn)，仿真過程中的重要數(shù)據(jù)對(duì)比如表2所示。由表2可知:數(shù)字化士兵在夜戰(zhàn)中具有較大的優(yōu)勢(shì)，基本上能夠順利完成任務(wù)，而普通士兵受限于感知距離、通信條件等，很難完成任務(wù);而與SSDM相比，DLSM雖然集結(jié)時(shí)間長(zhǎng)，部分成員的感知能力、機(jī)動(dòng)能力受限，但由于區(qū)分出了數(shù)裝受損和自身受傷，在傷亡人數(shù)上反而相對(duì)較少，最后的任務(wù)成功率也略有提高。試驗(yàn)結(jié)果表明:在高分辨率仿真中，采用基于雙層Soar框架的數(shù)字化士兵行為建模方法建立的模型逼真度更高，證明所建立的模型是科學(xué)合理的。

表2 仿真試驗(yàn)數(shù)據(jù)對(duì)比

4 結(jié)論

本文提出了一種基于雙層Soar框架的行為建模方法，在具有2種典型行為模式的數(shù)字化士兵建模中表現(xiàn)出極大的優(yōu)越性。該方法能夠更好地描述數(shù)字化士兵的行為特性，易于仿真實(shí)現(xiàn);但其只能解決具有2種行為模式的建模問題，在同一行為主體具有多種行為模式的情況下，該方法仍需改進(jìn)，且需進(jìn)一步研究多種行為模式間的切換機(jī)制。

［1］ 陳亞來(lái)．?dāng)?shù)字化士兵［M］．北京:長(zhǎng)征出版社，2001:13-14．

［2］ 薛青．裝備作戰(zhàn)仿真基礎(chǔ)［M］．北京:國(guó)防工業(yè)出版社，2010:11-12．

［3］ Jairam D，Kiewra K A，Rogers-Kasson S，et al．SOAR Versus SQ3R:A Test of Two Study Systems［J］．Instructional Science，2014，42(3):409-420．

［4］ Anderson J R，Both Ell D，Byrne M D，et al．An Integrated Theory of the Mind［J］．Psychological Review，2004，111(4):1036-1060．

［5］ 楊滿喜，馬亞平，馬豐文．面向重用的元行動(dòng)模型研究與實(shí)現(xiàn)［J］．科學(xué)技術(shù)與工程，2011，11(32):8055-8060．

［6］ 史輝，曹聞，朱述龍，等．A*算法的改進(jìn)及其在路徑規(guī)劃中的應(yīng)用［J］．測(cè)繪與空間地理信息，2009，32(6):206-210．

［7］ 田尊華，趙龍，賈焰．基于可拓學(xué)的行為模型驗(yàn)證［J］．系統(tǒng)仿真學(xué)報(bào)，2009，21(16):4931-4933．

［8］ Johnson T R．Control in Act-R and Soar［C］∥Proceedings of the 19th Annual Conference of the Cognitive Science Society．Hillsdale，NJ:Lawrence Erlbaum Associates，1997:343-348．

［9］ 劉雁飛，吳朝暉．駕駛ACT-R認(rèn)知行為建模［J］．浙江大學(xué)學(xué)報(bào):工學(xué)版，2006，40(10):1657-1662．

［10］ Garland A，Alterman R．Autonomous Agents that Learn to Better Coordinate［J］．Autonomous Agents and Multi-agent Systems，2004，8(3):267-301．

［11］ 王鋒，盧厚清，許長(zhǎng)鵬．戰(zhàn)斗建模中的作戰(zhàn)Agent模型研究［J］．裝甲兵工程學(xué)院學(xué)報(bào)，2011，25(5):68-74．