毕业生知识库

人机博弈是通过模拟战场环境进行战争学习、战争推演和战争预判的重要手段，目前计算机兵棋推演系统和即时战略游戏是人机博弈系统的两种典型应用。将人工智能技术集成到战略博弈系统中与人类进行对抗，并且通过不断的自我进化达到甚至超越人类的智能化决策水平，正成为验证人工智能技术军事应用潜力的重要突破方向。

在针对人机博弈系统的人工智能技术研究方向中，越来越多的研究者开始关注全局态势评估方法的价值。相对于基于局部态势信息所做出的微操作动作策略，全局态势评估方法可以为AI智能体的宏观决策提供良好的评价指标，因此与微操作、建造指令预测一起成为AI智能体研究的三个重要方向。

本文针对人机博弈系统中的宏观策略分析问题，提出了一种针对即时制博弈系统星际争霸二和回合制博弈系统兵棋推演系统的全局态势分析框架。该框架首先将博弈系统地图网格化，即将地图划分为面积相等的单元格，其次综合考虑兵力部署、经济策略、地形利用三方面的因素来评估博弈红蓝双方对地图中每一个单元格的控制力百分比，最后根据每个单元格中的红蓝方控制力百分比得到该单元格的归属权，同时通过设置不同深度颜色来表现控制力强弱，最终得到一张战场全局态势图。其中兵力部署因素主要考虑当前时刻作战单位的数量、位置、战力、状态等属性信息，地形利用因素主要判断重要地物的归属权及其对周围的单元格的控制辐射加强，而经济策略因素则主要计算经济类建筑对周围单元格的控制辐射加强。

在综合全局态势的三类因素时，需要对其进行一定的权重赋值，以表明各个时刻博弈双方的偏重方向。本文提出一种利用胜率预测模型的特征贡献度来对权重进行动态调整的方法，通过将不同时期的特征贡献度转化为全局态势评估三类因素的权重，使其可以在博弈系统的实时复盘分析应用中的态势更具客观性。

本文提出的全局态势分析方法可以更好地模仿人类直觉对战略博弈系统胜负观的判断，并在地图上以一种更加直观的方式对全局态势进行可视化展示。该方法可以为AI智能体提供全局策略评价的核心指标，提高多分枝态势分析和搜索的效率。

无