高性能集群环境下基于机器博弈理论的兵棋推演关键算法研究

War simulation plays a very important role in modern military science, and War gaming is a significant tool to simulate the complicated essence of the war. As many historical precedents suggest, the predictions made by War gaming are very close to results of real battles. However, as the great progress made in AI (Artificial Intelligence) and HPC (High Performance Computing), the intelligence level of computer War gaming is still not satisfying at present. This project introduces computer games theories into War gaming, treating it as a special problem of large-state-space imperfect information dynamic game involving uncertainty problems. But the War gaming cannot be efficently solved by available methods in the field of computer games, so a series of key research topics are put forward, including the search model on large-state-space imperfect information dynamic game involving uncertainty problems, knowledge-based prediction and machine learning, parallelization and support database High Performance Cluster Computing environment. The breakthroughs of these key algorithms are expected to greatly improve the intelligence level of War gaming. These improvements, thereby, also would promote the development of war simulation and AI.

战争模拟在当代军事学中具有非常重要的地位，而兵棋推演是模拟复杂战争行为重要的科学工具。很多历史上的先例表明，兵棋推演可以有效地预测战争的结果。随着人工智能学科的不断发展和高性能计算研究的深入，当前计算机兵棋推演的人工智能水平仍难令人满意。本项目提出将机器博弈的相关理论和方法引入到计算机兵棋推演的研究中，将其看作一个包含非确定性子问题的非完美信息动态博弈问题。由于兵棋推演具有许多非常复杂的特性，单纯地利用机器博弈领域现有的方法无法从根本上解决，因而提出了一系列重点研究问题，即包含非确定性子问题的高复杂度非完美信息问题的搜索理论和方法、基于知识的预测和机器学习、高性能集群环境下的并行化和支持库等。这些关键算法的突破有望使计算机兵棋推演的智能化水平取得较大提升，从而促进战争模拟和人工智能学科研究的发展。

本项目将兵棋问题抽象为包括非确定性子问题的非完美信息动态博弈问题，并研究使用机器博弈的方法对其进行求解。在四年的研究过程中，项目组首先以幻影围棋和扑克等问题作为算法实验的对象，结合特征学习和机器学习，研究高复杂度、非完美、不确定问题的关键技术，取得了良好的实验结果，相关论文已经发表在机器博弈领域的顶级会议（CIG）和顶级期刊（两篇TCIAIG）上。同时，我们也尝试使用FPGA进行算法的并行化加速，相关论文发表在国外期刊（TCSVT）。最后，基于这些算法的研究成果，以及项目组自行开发的计算机兵棋推演平台，在与人类玩家的对抗中，获得了非常理想的结果。需要强调的是，本项目的算法研究已经部分结合了最新的人工智能发展成果，包括AlphaGo Fan、AlphaGo Zero和Libratus的算法精髓。