计算机工程与信息技术学报

基于自适应代理的 TTP“即时”学习基础

玛格丽·道尔

在本文中，我们报告了在复杂的训练研究环境中开发、集成和测试自适应基于代理的战术、技术和程序 (AB-TTP) 所采用的方法和灵活框架。为空军研究实验室 711th/HPW 开发的建模和仿真 (M&S) 环境被用作“不那么伟大的挑战” (NSGC) 的基础；应用用例。为此，我们利用了复杂自适应系统和情况的属性。允许基于上下文的建模，并最终允许代理独立评估、测试和学习新战术。这些功能是通过代理和系统使用模块化、分解和/或使用代理、系统和/或情况的功能属性的组合功能来实现的；即可供性。知识到模型 (k2Mod) 环境抽象 (EA) 架构的开发和使用使代理能够获得情境意识，识别其环境的变化并做出适当的反应和响应。事实上，自适应代理智能 (AI)，即所使用的模型甚至能够准确预测自己的性能并调整自己的参数。这种方法还有助于通过“AI 动态学习”来开发和更新新的代理定义、情况参数、代理智能和 ABTTP；这是双关语。此外，形式化这样的协议为 M&S 社区提供了一个促进可移植性、可用性、可重用性和可组合性的流程，以便在复杂环境中快速进行基于代理的建模开发和基于代理智能的研究。