本文提出了一种基于古代战争策略的新型元启发式优化算法。所提出的战争策略优化(WSO)基于战争期间陆军部队的战略移动。战争策略被模拟为一个优化过程,其中每个士兵都朝着最优值动态移动。所提出的算法模拟了两种流行的战争策略,即攻击和防御策略。士兵在战场上的位置会根据所实施的战略进行更新。为了提高算法的收敛性和鲁棒性,引入了一种新的权重更新机制和一种弱士兵迁移策略。所提出的战争策略算法实现了探索阶段和开发阶段的良好平衡。介绍了该算法的详细数学模型。在 50 个基准函数和四个工程问题上测试了所提算法的有效性。该算法的性能与十种流行的元启发式算法进行了比较。各种优化问题的实验结果证明了所提算法的优越性。

战争策略优化

古代王国拥有一支军队,以抵御其他王朝的进攻。王国的陆军由步兵、战车、大象等各种力量组成。在战争中,每个王国都会设计一种被称为 "Vyuha "的战略来攻击对方的陆军,以取得战斗的胜利,从而确立自己的霸主地位。Vyuha 是战争中用于征服对方王国的各种陆军部队的模式或排列[69]。为了确保自己的陆军达到预定目标,实现目标,皇帝和各单元的指挥官会按照特定的模式协调部队。战争战略是根据任务的目标、威胁、困难和前景制定的。战争战略是一个持续的动态过程,在这个过程中,武装力量只需协调并与对手作战。随着战争的进展,这种战略可以适应不断变化的条件。国王和指挥官的位置对陆军士兵的位置有着持续的影响。国王和陆军指挥官战车顶部的旗帜代表他们的位置,所有士兵都能观察到。团队中的士兵接受训练,根据鼓声或其他乐器的声音来制定策略。当一名军事指挥官死亡时,战略就会发生变化,其他每名指挥官都必须学会如何重建和继续战争战略的建立。国王的目标是征服对方的国王/首领,而陆军士兵的主要目标则是攻击对方队伍,并在军衔上取得进步。

战争战略的各个步骤如下:

A. 随机攻击

在战场上,陆军部队以战略方式随机分布在整个战场上,攻击对面的军队。军队中攻击力最强的人员被视为陆军首领或指挥官。国王是各军团长的领导者。

B. 攻击战略

该战略的主要目标是攻击对方。国王带头并指导陆军部队。陆军部队找出对手的薄弱位置(有希望的搜索空间)并继续进攻。国王和指挥官乘坐两辆不同的战车,战车顶端插有战略旗帜。士兵根据国王和指挥官的位置动态改变自己的位置。如果士兵成功提高攻击力(体能值),他的军衔就会提高。随着士兵的晋升,他将成为其他人的好榜样。但是,如果新的位置不适合作战,士兵就会回到原来的位置。战争初期,陆军部队向四面八方移动,大步流星地改变自己的位置。

C. 鼓声信号

国王会根据战场上的局势动态地改变战略。因此,一群士兵会有节奏地击鼓。士兵们会根据鼓声的节奏改变策略,调整位置。

D. 防御战略

这一战略的主要目标是在不输掉战斗的情况下保护国王。指挥官或陆军首领带头,利用陆军部队形成像锁链一样的包围圈,将国王团团围住。因此,每个士兵都会根据附近士兵的位置和国王的位置改变位置。陆军部队在战争中会尝试探索大面积的战场(搜索空间)。为了迷惑对方军队,陆军会不时动态改变策略。

E. 薄弱士兵的替换/转移

在战斗中,战斗技能最低的士兵或受伤的士兵可以与敌军士兵同等对待。由于他的表现不佳,陆军的威信完全受到威胁(算法效率)。战争中死亡的士兵很少,这可能会影响战争的结果。在此,陆军有两种选择。一是用新兵替换受伤/体弱的士兵。第二个选择是重新安置体弱的士兵。因此,他将受到所有其他士兵的引导(所有士兵的平均位置)和隔绝,以保护他,从而保持陆军的士气,使其在战争中获胜的几率很高。

F. 对方的陷阱

对方陆军会根据自身的能力采用各种策略,迫使前军向错误的方向移动或到达错误的目标(局部最优)。

成为VIP会员查看完整内容
48

相关内容

人工智能在军事中可用于多项任务,例如目标识别、大数据处理、作战系统、网络安全、后勤运输、战争医疗、威胁和安全监测以及战斗模拟和训练。
《模拟战争中的战斗评估》109页论文
专知会员服务
75+阅读 · 2023年12月8日
《现代游戏和仿真的军事应用》
专知会员服务
48+阅读 · 2023年11月27日
《战役-战略决策:一个颠覆性框架》最新报告
专知会员服务
81+阅读 · 2023年7月11日
《可信深度强化学习用于多效协同防御作战:综述》
专知会员服务
54+阅读 · 2023年6月19日
《基于TDOA/FDOA的分布式传感器网络运动目标定位算法》
专知会员服务
25+阅读 · 2023年5月7日
《多域作战环境下的军事决策过程》
专知会员服务
142+阅读 · 2023年4月11日
《资源分配博弈中的收敛率》
专知会员服务
37+阅读 · 2023年3月10日
《多域作战环境下的军事决策过程》
专知
50+阅读 · 2023年4月12日
最新《图嵌入组合优化》综述论文,40页pdf
国家自然科学基金
4+阅读 · 2017年12月31日
国家自然科学基金
3+阅读 · 2015年12月31日
国家自然科学基金
0+阅读 · 2015年12月31日
国家自然科学基金
0+阅读 · 2015年12月31日
国家自然科学基金
6+阅读 · 2015年12月31日
国家自然科学基金
0+阅读 · 2015年12月31日
国家自然科学基金
31+阅读 · 2014年12月31日
国家自然科学基金
1+阅读 · 2014年12月31日
国家自然科学基金
4+阅读 · 2014年12月31日
国家自然科学基金
10+阅读 · 2014年12月31日
A Survey of Large Language Models
Arxiv
326+阅读 · 2023年3月31日
VIP会员
相关VIP内容
相关基金
国家自然科学基金
4+阅读 · 2017年12月31日
国家自然科学基金
3+阅读 · 2015年12月31日
国家自然科学基金
0+阅读 · 2015年12月31日
国家自然科学基金
0+阅读 · 2015年12月31日
国家自然科学基金
6+阅读 · 2015年12月31日
国家自然科学基金
0+阅读 · 2015年12月31日
国家自然科学基金
31+阅读 · 2014年12月31日
国家自然科学基金
1+阅读 · 2014年12月31日
国家自然科学基金
4+阅读 · 2014年12月31日
国家自然科学基金
10+阅读 · 2014年12月31日
微信扫码咨询专知VIP会员