1、多目標(biāo)優(yōu)化（MOO，Multi-objective Optimization）是計(jì)算機(jī)生成兵力（CGF， Computer Generated Forces）決策行為建模的一個(gè)重要研究?jī)?nèi)容，在很多決策行為模型中都存在針對(duì)多目標(biāo)優(yōu)化問題的求解需求，其優(yōu)化效率對(duì)于實(shí)體行為能否真實(shí)可信具有重要意義。目前在游戲人工智能（Game AI）和CGF決策行為建模領(lǐng)域被廣泛使用的多目標(biāo)優(yōu)化算法在算法效率、解的有效性等方面難以滿足未來作戰(zhàn)仿真系統(tǒng)建設(shè)的需

2、要，其主要原因在于CGF決策行為建模中的復(fù)雜多目標(biāo)優(yōu)化問題一般具有狀態(tài)空間龐大、計(jì)算復(fù)雜度高、求解頻率高、實(shí)時(shí)性要求高等特點(diǎn)，現(xiàn)有的任何單一算法在實(shí)時(shí)性等約束下無法對(duì)全部可能的狀態(tài)進(jìn)行搜索和評(píng)估。這使得戰(zhàn)術(shù)位置選擇、復(fù)雜戰(zhàn)場(chǎng)空間推理等功能需求難以得到滿足。針對(duì)上述問題，論文以作戰(zhàn)仿真系統(tǒng)中的戰(zhàn)術(shù)位置選擇（TPS，Tactical Position Selection）為研究背景，以提高作戰(zhàn)仿真領(lǐng)域多目標(biāo)優(yōu)化問題求解的時(shí)效性能為目標(biāo)，基于

3、群體多樣性理論和社會(huì)選擇理論開展基于多樣性表決的CGF決策行為建模技術(shù)研究。
　　論文首先對(duì)研究背景和意義進(jìn)行了闡述，在充分掌握了國(guó)內(nèi)外研究現(xiàn)狀的基礎(chǔ)上，詳細(xì)分析了已有方法的不足，而后針對(duì)性的提出了論文研究的主要內(nèi)容并概括了論文的主要工作與創(chuàng)新點(diǎn)。
　　論文研究的主要問題是多樣性表決模型求解多目標(biāo)優(yōu)化問題的團(tuán)隊(duì)構(gòu)建與觀點(diǎn)融合方法?，F(xiàn)有的多樣性問題求解團(tuán)隊(duì)模型缺乏對(duì)團(tuán)隊(duì)多樣性的定量描述與作用分析，為此，論文給出了團(tuán)隊(duì)多樣性的詳

4、細(xì)數(shù)學(xué)描述，提出了團(tuán)隊(duì)多樣性的作用假設(shè)、理論與實(shí)驗(yàn)分析。同時(shí)，現(xiàn)有模型通常認(rèn)為解的效用值對(duì)于個(gè)體已知，此類模型忽略了問題求解者在現(xiàn)實(shí)情況下無法確定解空間實(shí)際效用值，而是必須通過其他方法，如投票表決等觀點(diǎn)融合機(jī)制，來實(shí)現(xiàn)群決策的事實(shí)。為此，論文建立多樣性問題求解團(tuán)隊(duì)的表決模型，嘗試?yán)靡陨鐣?huì)選擇理論為背景的投票表決方法實(shí)現(xiàn)團(tuán)隊(duì)觀點(diǎn)的融合。
　　在使用多樣性表決模型求解多目標(biāo)優(yōu)化問題方面，論文根據(jù)多目標(biāo)優(yōu)化問題與模型的映射關(guān)系，對(duì)通用

5、的多樣性表決模型進(jìn)行適應(yīng)性修改。論文充分考慮了多目標(biāo)優(yōu)化問題的優(yōu)化結(jié)果為Pareto最優(yōu)解集的特點(diǎn)，建立了基于Approval表決程序的多樣性表決模型，使得模型在表決過程中的信息利用率和解的靈活性都得到明顯提升。
　　在多樣性表決模型提升多目標(biāo)優(yōu)化問題求解效率方面，論文分析多樣性表決模型中問題求解團(tuán)隊(duì)成員交互較少的特點(diǎn)，充分挖掘模型并行性，測(cè)試了并行條件下模型問題求解性能。
　　論文以作戰(zhàn)仿真系統(tǒng)中CGF需要模擬實(shí)現(xiàn)的一個(gè)重