兵力

摘要： 好水川之战是宋夏之间爆发的一场大规模战役,先后经历多次战斗,战场范围并非固定在某一区域,今宁夏回族自治区西吉县兴隆镇东南方向单民村至陈玉田村、东北方向川口村至罗庄村附近的河谷地带,隆德县杨河乡红旗村至好水乡红星村东西12千米范围内为好水川之战主战场.宋军投入好水川之战的总兵力为四万三千五百人,西夏参战兵力在十万以上.

摘要： 在古代,各方势力通过战争争夺并扩大自己的地盘,所以历史上发生大大小小战争不计其数,但这其中有很多战争,双方参与的兵力之大,至今让人觉得惊讶。隋炀帝三征高句丽高句丽是东北地区的强大政权,经常袭击隋朝边境。为了征服高句丽,隋炀帝曾三次亲率大军攻打高句丽,第一次出征,隋军出动将士约130万人,第二次出征,隋军出动将士约60万,第三次出征,隋军出动将士近100万。

摘要： 刘保罗,1939年毕业于黄埔军校14期。上高会战中,在49军26师76团2营机枪连担任连长。1939年,刘保罗从黄埔军校毕业,分配到第三战区49军26师76团。在这里,刘保罗从排长干起,一直升到马克西姆重机枪连连长,最后当了营长。刘保罗所在部队参加了反攻南昌战役,反攻失败后,随部队抽调到上高,增强上高的防卫能力。刘保罗回忆:"日本人倾巢而出攻打上高,南昌老巢只留了一个军的兵力守卫。我们也一样,附近的兵力都抽来参加上高会战。"

摘要： 这是发生在第二次世界大战期间的一个真实故事。前方战事紧迫、急需兵力,美国开始火速征兵。令人头疼的是,当时有一种严重的疾病正流行,一旦携带这种病毒的新兵被送上前线,将可能引发大规模的非战斗减员。因此,征兵流程不得不增加验血的程序。虽然这种病的发病率仅为1%,军医也要筛查。

摘要： 在举世闻名的上甘岭战役中,敌军出动兵力6万余人,大炮300余门、坦克170余辆、飞机3000余架次,对中国亿志愿军两个连约3.7平方公里的阵地,倾泻炮弹190余万发,炸弹5000余枚。

摘要： 唐代政治家杜佑注解《孙子兵法》有这样一句:“分则力散,专则力全。”意思是说:如果把军队分散多处,兵力自然会随之分散;反之,如果军队集中一处,兵力自然也就聚合。

摘要： 1905年,日俄这两只虎狼动员近百万的陆海兵力,在中国东北沿海大打出手,速射炮、机枪等新式装备与全新战术震撼各国。而作为主人的清政府呢?只是乖乖地站在一旁看热闹,堪称世界近代战争史上的“奇景”。

摘要： 作为“二战”中法西斯轴心国之一的日本,其军队近代化始于明治维新.最初日本军队规模和实力都相当弱小.但随后为适应对外侵略战争的需要而制订军备发展计划不断加强军事实力.经短暂的1920年代裁军,1930年代日本开始疯狂地对外侵略.“九一八”事变前后日本已经在筹划大规模的军备扩充.全面侵华战争中军队的巨大消耗迫使日本加强极权统治以补充军备.到1941年太平洋战争前夕,日本军事实力已经可以匹敌西方列强在远东的军力总和.随后日军在各个战场遭受巨大失败,到1944年底其战舰、飞机已损失绝大部分.1945年日本试图进行“本土决战”,至战败投降时仍维持着数量庞大的兵队,总兵力达到700多万人.

摘要： 作为“二战”中法西斯轴心国之一的日本,其军队近代化始于明治维新。最初日本军队规模和实力都相当弱小。但随后为适应对外侵略战争的需要而制订军备发展计划不断加强军事实力。经短暂的1920年代裁军,1930年代日本开始疯狂地对外侵略。“九一八”事变前后日本已经在筹划大规模的军备扩充。全面侵华战争中军队的巨大消耗迫使日本加强极权统治以补充军备。到1941年太平洋战争前夕,日本军事实力已经可以匹敌西方列强在远东的军力总和。随后日军在各个战场遭受巨大失败,到1944年底其战舰、飞机已损失绝大部分。1945年日本试图进行“本土决战”,至战败投降时仍维持着数量庞大的兵队,总兵力达到700多万人。

摘要： 重点研究水面舰艇编队防御作战中,需要重点解决的电子战兵力兵器组织使用的几个问题,即干扰敌搜索雷达起始线、压制敌指挥通信线路起始线、干扰敌武器平台雷达起始线和抗击敌制导武器起始线,并在此基础上简要阐述了四个环节之间的关系,对解决舰艇编队防御作战中电子战兵力兵器组织使用有一定的指导作用.

摘要： 本发明公开基于改进行为树的兵力实体行为仿真元建模方法，方法包括：制定行为树模型xml描述规范，建立仿真行为建模工具，输出行为树模型xml文件；改进行为树，构建仿真行为树框架；对行为树节点设置前置条件，通过行为树节点、行为树节点间多叉树结构关系与前置条件组成行为决策规则；构建动作器模型；基于仿真行为树框架、行为决策规则表示与动作器模型构建按流程生成兵力实体行为仿真模型。本发明从模型规范、行为树和有向图技术的角度为兵力实体行为元建模与仿真提供了有效解决方法，解决了仿真平台/引擎的行为建模底层技术细节不可见、模型参数配置不灵活的问题,可广泛应用于装备保障行为仿真建模、作战行为仿真建模等方向。

摘要： 本发明公开了一种基于作战仿真的智能兵力关联方法，包括目标‑载荷关联、载荷‑平台关联、兵力编组生成、信息流程部署。本发明的有益效果是：采用智能“反算”方式，从给定的具体作战目标清单，综合任务分析、目标研判结果和作战要求、打击效果等，推算选择可使用的具体载荷，再由所需载荷的型号和数量需求关联匹配现有可用作战平台，形成所需兵力集合方案，通过优选算法和关联机场、无人作战平台数据，智能推算出任务兵力编组，视情结合实际兵力运用情况，调整优化后形成合理兵力编组。整个流程由目标输入，经智能推算后形成编组输出，每个环节均支持人工调整参数，辅助快速生成“目标‑载荷‑平台‑编组”关联方案，为作战行动规划提供基础。

摘要： 一种基于计算机生成兵力的无人机自主作战系统，涉及体系对抗仿真技术领域,针对现有技术中无人机作战模型信息处理精度低，进而导致可信度差、自主性能体现不全面的问题，包括：感知模块层、决策模块层和操作模块层，本申请针对不同作战任务，对态势感知造成影响的信息或事件是复杂且相互耦合的，当的取值为人为给定时，当前时刻的态势信息即会出现误差，并且在时间区间内，误差会呈现出单调递增的趋势。所设计自适应感知度模型可以解决无人机态势感知度的误差问题，提高信息处理精度与作战效能。

摘要： 本申请涉及一种基于效用性的兵力配系网络生成方法。所述方法包括：根据任务逻辑节点和任务组织节点的层级匹配结果得到任务逻辑网络和任务组织网络间的映射关系，根据任务逻辑节点和任务功能节点的节点功能匹配结果得到任务逻辑网络和任务功能网络间的映射关系。根据任务组织网络、任务逻辑网络和任务功能网络间的映射关系，得到对应的兵力配系节点和节点关系数据，根据兵力配系节点和节点关系数据生成对应的兵力配系网络。上述方法按照“目的‑方法‑手段”分析框架将作战概念分配到“任务域‑组织域‑功能域”进行能力要素设计，将三个领域的能力要素方案聚合为兵力单元，各兵力单元进行协同关联和量化配属，形成网络化的兵力配系方案。

摘要： 基于偏差聚类的快速兵力能力认知与组合数量优化方法，包括步骤一，预设场景，针对不同作战单元和不同的场景，预设不同场景下所需的不同兵力组合，并形成各兵力组合的战力分布直方图；步骤二，获取当前战场态势；步骤三，对聚类问题建模，形成聚类问题模型；步骤四：将聚类问题模型修改为一个具有约束拉普拉斯秩的二部图划分问题；步骤五：采用交替优化的方法求解所述二部图划分问题，得到最优的兵力组合，完成基于偏差聚类的快速兵力能力认知与组合数量优化。本发明可同时求解多个聚类结果，可以对聚类中心实时调整，并将多均值聚类问题形式化为一个优化问题，使用交替优化的方法求解该问题。本方法比现有的多均值方法具有更好的性能。

摘要： 本发明公开基于改进行为树的兵力实体行为仿真元建模方法，方法包括：制定行为树模型xml描述规范，建立仿真行为建模工具，输出行为树模型xml文件；改进行为树，构建仿真行为树框架；对行为树节点设置前置条件，通过行为树节点、行为树节点间多叉树结构关系与前置条件组成行为决策规则；构建动作器模型；基于仿真行为树框架、行为决策规则表示与动作器模型构建按流程生成兵力实体行为仿真模型。本发明从模型规范、行为树和有向图技术的角度为兵力实体行为元建模与仿真提供了有效解决方法，解决了仿真平台/引擎的行为建模底层技术细节不可见、模型参数配置不灵活的问题,可广泛应用于装备保障行为仿真建模、作战行为仿真建模等方向。

摘要： 本发明公开了一种基于改进兰彻斯特方程的卫星集群兵力分配方法，其中，所述方法包括：对卫星集群作战结果的影响对兰彻斯特方程进行改进处理，获得改进兰彻斯特方程；基于改进兰彻斯特方程对红蓝双方各卫星集群重要程度进行加权，获得红蓝双方总实力；基于红蓝双方总实力确定目标函数，构建优化模型，设定优化目标为任务结束时刻蓝方剩余实力与红方剩余实力之差，约束条件为改进兰彻斯特方程，并将兵力分配求解问题转化为非线性规划问题；基于序列二次规划算法对所述非线性规划问题进行求解，获得所述目标函数的最小目标结果并作为红方最优兵力分配策略。在本发明实施例中，可以快速得到多个阶段最优兵力分配策略。

摘要： 本发明公开了一种基于离在线训练结合的兵力行为决策模型加速构建方法，属于计算机生成兵力对抗决策技术领域。提出一种基于专家样本重用机制进行离线数据集构建的方法，支撑后续的离线行为克隆和在线强化学习过程；提出一种离线预训练机制，利用专家交互数据集，结合行为克隆算法，避免与底层仿真环境的交互，得到一个表现较优秀的初始策略；提出基于专家示例样本增强机制的在线训练方法，定期进行策略评估，在线强化学习在初始策略内涵知识的基础上完成策略提升。本发明的技术方案，能够有效加快模型调优进程，快速得到预期水平的兵力行为决策模型，同时纠正行为克隆算法可能存在的级联误差问题。

摘要： 本发明提供了一种面向兵力对抗强化学习的奖励生成及优化方法，首先从已有的基于经验规则推理的人类专家策略与仿真环境的实际交互示例出发，利用逆向强化学习方法反推出专家策略中隐含的奖励函数基本结构，从而在较粗粒度上确定面向具体复杂兵力决策任务的原生奖励函数的基本形式；然后基于在奖励重塑的思想基础上进行奖励函数的优化：一方面引入内在鼓励探索机制，引导兵力智能体在足够新颖的对抗状态上获取额外奖励，以增加奖励信号的稠密度和有效性；另一方面将多步序列上的累计奖励作为奖励计算单元，增加奖励信号的稳定性。

摘要： 本申请涉及一种面向涌现性的兵力网络安全性、适变性方案生成方法。所述方法包括：获取当前的兵力配系网络中同时连接同级指挥边、上级指挥边和下级指挥边的兵力配系节点，将其设置为价值生成单元。由价值生成单元获取兵力配系网络的任务变化数据，并将生成的态势变化预测矢量输入兵力配系网络适变模型得到对应的备选适变方案包及其适变代价值。由价值生成单元根据适变代价值选择适变方案包进行当前兵力配系网络的适变过程。涌现性是由体系的组分系统按照体系架构相互作用而产生的一种体系的整体效应。本申请能够在支撑态势变化的情况下对兵力配系和运用进行自适应调整，基于价值生成单元实现抑制有害涌现和引导有益涌现的效果。