【技术实现步骤摘要】
本专利技术涉及深度学习，具体涉及基于深度学习模型的作战任务与作战体匹配方法、装置、计算设备及存储介质。
技术介绍
1、利用深度学习模型可以在模拟环境中模拟作战，评估不同作战体的表现，并优化其决策和行为策略。首先需要收集作战环境、武器系统、敌对势力、地理信息等方面的数据，然后，设计相应的深度学习模型模拟决策、行为和反应，生成虚拟作战场景，利用深度学习模型建模敌对势力的行为，预测作战双方的行为并据此指定战术决策。最后，根据评估结果，对深度学习模型和作战策略进行优化，以提高作战体在模拟环境中的表现。
2、在模拟作战过程中，要想执行一个任务，需要派遣什么兵种、多少兵力、多少武器装备，需要庞大的深度模型处理复杂的组合逻辑，存在无法高效完成作战任务规划和作战体分配相匹配的问题，影响模拟作战系统运行的效率。
技术实现思路
1、针对上述现有技术的不足，本方案提出了一种基于深度学习模型的作战任务与作战体匹配方法、装置、计算设备及存储介质，通过不同复杂度和参数量的两个深度学习模型分别进行作战体与作...
【技术保护点】
1.一种基于深度学习模型的作战任务与作战体匹配方法，其特征在于，包括：
2.根据权利要求1所述的基于深度学习模型的作战任务与作战体匹配方法，其特征在于，所述作战体的属性按照作战能力分为基本能力属性和高级能力属性，所述第一深度学习模型用于建立作战体基本能力属性与任务基本属性之间的基本匹配规则；所述第二深度学习模型用于建立作战体高级能力属性与任务复杂属性之间的复杂匹配规则。
3.根据权利要求1所述的基于深度学习模型的作战任务与作战体匹配方法，其特征在于，所述基于数字孪生系统获取作战体的实体属性和行为属性的步骤包括：
4.根据权利要求1所...
【技术特征摘要】
1.一种基于深度学习模型的作战任务与作战体匹配方法，其特征在于，包括：
2.根据权利要求1所述的基于深度学习模型的作战任务与作战体匹配方法，其特征在于，所述作战体的属性按照作战能力分为基本能力属性和高级能力属性，所述第一深度学习模型用于建立作战体基本能力属性与任务基本属性之间的基本匹配规则；所述第二深度学习模型用于建立作战体高级能力属性与任务复杂属性之间的复杂匹配规则。
3.根据权利要求1所述的基于深度学习模型的作战任务与作战体匹配方法，其特征在于，所述基于数字孪生系统获取作战体的实体属性和行为属性的步骤包括：
4.根据权利要求1所述的基于深度学习模型的作战任务与作战体匹配方法，其特征在于，所述获取作战任务的多级属性，所述多级属性中包含基本属性和复杂属性的步骤包括：
5.根据权利要求4所述的基于深度学习模型的作战任务与作战体匹配方法，其特征在于，所述基于第...
【专利技术属性】
技术研发人员：李文军，赵韶平，
申请(专利权)人：易通星云北京科技发展有限公司，
类型：发明
国别省市：
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。