基于高斯回归模型的作战仿真实验方案优化方法技术

本发明专利技术公开了一种基于高斯回归模型的作战仿真实验方案优化方法，所述方法包括：S1，随机选取初始数量的实验因子，运行仿真系统进行仿真，得到初始数据集；S2，基于初始数据集建立反应评估指标预期分布的高斯回归模型；S3，基于高斯回归模型确定下一次仿真实验因子取值；S4，基于实验因子运行得到的当前仿真结果，通过采集函数决定是否接收当前仿真结果构成数据集；S5，基于数据集更新高斯回归模型；S6，通过步骤S3‑S5反复迭代，不断优化高斯回归模型。本发明专利技术的基于高斯回归模型的作战仿真实验方案优化方法，在保证结果有效性的基础上，进一步减少仿真运行次数。

【技术实现步骤摘要】
基于高斯回归模型的作战仿真实验方案优化方法
本专利技术涉及作战仿真
，尤其涉及一种基于高斯回归模型的作战仿真实验方案优化方法。
技术介绍
仿真是研究战争的重要手段，受到各国军事研究人员的重视。开展作战仿真大致包括确定仿真目的、设计作战想定、建立仿真模型、仿真实验设计、作战推演、仿真结果分析与评估等步骤。随着人工智能技术的发展，战争形态将朝着智能化、多域化、体系化方向发展，开展作战体系规模越来越庞大、实体越来越多，每个仿真实体行为越来越复杂，影响仿真结果的因素也越来越多。仿真实验方案会随着影响因素的增多呈指数级增长。为了提高仿真效率，现有技术提供了一种近正交拉丁超立方实验设计((NearlyOrthogonalLatinHypercubeExperimentalDesign,NOLH)，NOLH是基于均匀分散性和正交性要求，在拉丁方实验设计(LatinSquaresExperimentalDesign，LHC)的基础上进行扩展提出的一种设计方案，该方法不仅在一定程度上满足正交性，还具有很好的均匀性。Sanchez等已将该方法编成工具本文档来自技高网...

【技术保护点】
1.一种基于高斯回归模型的作战仿真实验方案优化方法，其特征在于，所述方法包括：/nS1，随机选取初始数量的实验因子，运行仿真系统进行仿真，得到初始数据集；/nS2，基于初始数据集建立反应评估指标预期分布的高斯回归模型；/nS3，基于高斯回归模型确定下一次仿真实验因子取值；/nS4，基于实验因子运行得到的当前仿真结果，通过采集函数决定是否接收当前仿真结果构成数据集；/nS5，基于数据集更新高斯回归模型；/nS6，通过步骤S3-S5反复迭代，不断优化高斯回归模型。/n

【技术特征摘要】
1.一种基于高斯回归模型的作战仿真实验方案优化方法，其特征在于，所述方法包括：
S1，随机选取初始数量的实验因子，运行仿真系统进行仿真，得到初始数据集；
S2，基于初始数据集建立反应评估指标预期分布的高斯回归模型；
S3，基于高斯回归模型确定下一次仿真实验因子取值；
S4，基于实验因子运行得到的当前仿真结果，通过采集函数决定是否接收当前仿真结果构成数据集；
S5，基于数据集更新高斯回归模型；
S6，通过步骤S3-S5反复迭代，不断优化高斯回归模型。


2.根据权利要求1所述的基于高斯回归模型的作战仿真实验方案优化...

【专利技术属性】
技术研发人员：姚雯，常强，周炜恩，朱效洲，陈小前，
申请(专利权)人：中国人民解放军军事科学院国防科技创新研究院，
类型：发明
国别省市：北京;11