Pitagoras ABM - Pythagoras ABM
Pitagoras jest multi-stronne Programowanie Agentowe (ABM) stworzony w celu wspierania rozwoju i udoskonalania US Marine Corps Warfighting laboratorium „s Projektu Albert . Wszystko z zachowaniem może być reprezentowane jako agent. Interakcja agentów i ich zachowań może prowadzić do nieoczekiwanych lub pojawiających się zachowań grupowych, co jest główną siłą tego typu podejścia do modelowania. Ponieważ możliwości Pitagorasa rosły, został on zastosowany do wielu tematów taktycznych, operacyjnych i na poziomie kampanii w konwencjonalnej i nieregularnej wojnie.
Możliwości
Pythagoras oferuje unikalny zestaw możliwości w obszarze symulacji opartych na agentach:
- Zawiera miękkie zasady, aby wyróżnić unikalnych agentów
- Wykorzystuje pragnienia do motywowania agentów do poruszania się i strzelania
- Obejmuje koncepcję przynależności (ustanowioną przez stronność lub wartość koloru RGB w celu rozróżnienia agentów na członków jednostki, przyjaznych agentów, neutralnych lub wrogów
- Pozwala na zdarzenia i działania zmieniające zachowanie (nazywane wyzwalaczami), które mogą być wywoływane w odpowiedzi na działania symulacyjne
- Zachowuje tradycyjną broń , czujniki i teren
Przykładowa aplikacja
Pitagorasa Nieregularnej Wojny najlepiej nadaje się do badania sytuacji, które nie są dobrze reprezentowane w tradycyjnych symulacjach odziedziczonych. Ilustracyjnym przykładem jest improwizowany wybuchowy atak na konwój pojazdów. Rysunek 1 przedstawia konwój agentów niebieskich pojazdów jadących drogą w środowisku miejskim. Wzdłuż drogi znajdują się trzy improwizowane środki wybuchowe, a wzdłuż budynku czynnik wyzwalający. Agentom konwoju kazano podążać za sobą, z wyjątkiem agenta prowadzącego na czele kolumny, którego zachowanie polega na jeździe wzdłuż drogi.
Rysunek 2 przedstawia sytuację po tym, jak dwa pojazdy minęły róg budynku, 13 kroków czasowych po rysunku 1. Zachowanie agenta wyzwalającego polega na obserwowaniu niebieskich pojazdów. Po zobaczeniu dwóch pojazdów, agent wyzwalający nakazuje IED zmianę zachowania z całkowicie pasywnego (nie robić nic) na agresywne (atak!). IED eksplodują, zabijając dwa pojazdy konwoju, które stają się przezroczyste i uszkadzając dwa inne, które zmieniają kolor. IED nie zaatakowały konwoju, dopóki nie zażądał tego od agenta wyzwalającego. Ten prosty scenariusz został skonstruowany przez jednego analityka w około dwie godziny i ilustruje zarówno łatwość użycia, jak i zastosowanie Pitagorasa w wielu sytuacjach związanych z analizą bojową i niezwiązaną z walką. Ten scenariusz został wykorzystany do zbadania alternatyw dla ochrony konwoju, takich jak IED
Tło
Symulacje oparte na agentach tworzą jednostki oprogramowania, które są w stanie reagować na ich postrzegane lub rzeczywiste sytuacje w oparciu o zestawy reguł decyzyjnych. Interakcje między różnymi agentami mogą tworzyć autonomiczne i wyłaniające się (tj. nieplanowane i nieprzewidziane) zachowanie. Pythagoras wprowadza nowe możliwości do modelowania i symulacji, takie jak „miękkie” reguły decyzyjne, dynamiczne przynależność, wyzwalacze zmiany zachowania i efekty broni nieśmiercionośnej .
Reguły decyzji miękkich mogą tworzyć zachowania agenta, które pojawiają się jako unikalne w obrębie dowolnej klasy agentów, które pierwotnie zostały zdefiniowane jako identyczne (z wyjątkiem zmiennych incydentalnych, takich jak lokalizacja agenta). Miękkie reguły decyzyjne mogą mieć wąski zakres, wskazując na dobrze zdyscyplinowaną, jednorodną grupę, której reguły decyzyjne są podobne lub identyczne, lub mogą mieć szeroki zakres, zapewniający znaczne zróżnicowanie między jednostkami. Reguły miękkich decyzji mogą być stosowane ze wszystkimi atrybutami agenta, a także stylem i skutecznością przywództwa, celnością, chęcią zaangażowania, preferencjami przynależności do grupy i innymi cechami agenta.
Przynależność dynamiczna pozwala agentom zmieniać strony w zależności od wydarzeń i działań, które mają miejsce w trakcie trwania symulacji. Jeden agent może zmienić przynależność innego agenta za pomocą technik wpływania, takich jak propaganda, poprzez jednorazowe działania, które przytrafiają się agentowi, lub zmiany przynależności mogą po prostu ewoluować w wielu działaniach.
Wyzwalacze zmiany zachowania umożliwiają agentom zmianę zachowania w zależności od zdarzeń lub działań. Agenci mogą zmieniać zachowania z agresywnych na pasywne, gdy zmieniają się ich atrybuty lub z powodu jakiegoś działania podjętego przez przyjaciela lub wroga. Zmiany w zachowaniu mogą być wywołane indywidualnymi wydarzeniami, wydarzeniami grupowymi lub mogą być zlecone przez liderów. Nie ma ograniczeń co do liczby zachowań, które może zdefiniować użytkownik. Te alternatywne zachowania można łączyć w łańcuchy, tworząc złożone drzewa zachowań. Broń nieśmiercionośna nie tylko powoduje tłumienie, ale może również zmienić przynależność lub atrybuty agenta. Tłumienie powoduje, że agent zaprzestaje działalności na pewien czas. Zmienione atrybuty lub przynależności mogą spowodować wystąpienie wyzwalacza zmiany zachowania lub mogą spowodować interakcję innych agentów ze zmienionym agentem w inny sposób. Pitagoras zachowuje wiele starszych możliwości symulacji. Obejmuje broń bezpośredniego i pośredniego ognia, czujniki, urządzenia komunikacyjne i teren. Agenci mogą reprezentować ludzi, systemy broni lub inne przedmioty. Można reprezentować zarówno tradycyjne scenariusze walki, jak i nowe, niezwiązane z walką scenariusze.
Najnowsze ulepszenia
Pitagoras jest stale ulepszany o nowe funkcje i możliwości. Niedawno dodała ogólne zasoby, ogólne atrybuty, urządzenia komunikacyjne i rozszerzyła rejestrację różnych miar skuteczności na potrzeby analizy po uruchomieniu.
- Wiele zasobów ogólnych: zasoby można zużywać, tworzyć, transportować i uzupełniać, dzięki czemu Pitagoras może być używany do badania problemów logistycznych i dystrybucyjnych. Można reprezentować wiele szczebli zaopatrzenia. Zasób paliwa może być wymagany, aby jednostka mogła się poruszać. Poziomy zasobów mogą powodować zmiany w zachowaniu.
- Wiele ogólnych atrybutów: Atrybuty można zmieniać w zależności od działań/wydarzeń i można ich używać do reprezentowania zarówno fizycznych aspektów agenta, takich jak zmęczenie, jak i aspektów emocjonalnych, takich jak strach lub morale. Te atrybuty można zmieniać na wiele różnych sposobów. Na przykład atrybuty mogą się zmieniać w zależności od wydarzeń, które przytrafiają się pojedynczemu agentowi, takich jak utrata przywódcy lub wydarzenie, które przytrafia się grupie agenta, takie jak pobranie nadmiernych strat. Broń przenosząca wpływ, taka jak róg byka, może zmienić atrybuty agenta. Gdy atrybuty przekroczą ustalony próg, agent może dostosować nowe zachowanie, aby odzwierciedlić tę zmianę. Na przykład przestraszony agent może uciec przed wrogiem, jeśli jego atrybut reprezentujący strach osiągnie określony poziom. Atrybuty mogą być również używane jako liczniki do wyzwalania zdarzeń o niskiej częstotliwości i do ułatwienia parowania broni/celów.
- Wielokanałowe urządzenia komunikacyjne: Agenci Pitagorasa mogą przekazywać informacje przez sieć stworzoną przez użytkownika. Informacje obejmują nie tylko informacje o innych agentach, ale mogą również obejmować zmiany atrybutów, które zostaną zastosowane do agenta(ów) otrzymującego(ych). User Created Moes : Użytkownicy mogą teraz pisać własne miary skuteczności oprogramowania przechwytywania i dodać je do biblioteki. Pythagoras automatycznie wykryje dodanie miary i stworzy interfejsy między agentami a oprogramowaniem rejestrującym, umożliwiając użytkownikowi przechwytywanie informacji tak często, jak jest to potrzebne.
- Play Forward Visualization Tool: Sześć wyświetlanych cech (lokalizacja xy, kolory czerwony, zielony, niebieski i przezroczystość) można przypisać do dowolnej z tych sześciu pierwotnych cech, dziesięciu nowych ogólnych atrybutów, zdrowia, trzech ogólnych zasobów lub paliwa. Ta funkcja pozwala użytkownikowi na obserwowanie rozwoju scenariusza w wielu różnych wymiarach. Te ostatnie ulepszenia Pitagorasa umożliwiły skonstruowanie bardziej abstrakcyjnych scenariuszy, które obejmują operacje psychologiczne, dynamikę populacji i nieregularne działania wojenne. W tych scenariuszach segmenty populacji wpływają na siebie nawzajem poprzez zmiany ich atrybutów spowodowane wpływaniem na komunikację. Siły wojskowe dodają swoje własne wpływy poprzez działania takie jak pomoc humanitarna i pomoc w przypadku klęsk żywiołowych, których wpływ rozciąga się następnie na ludność.
Aplikacje
Różnorodny zestaw aplikacji modelowanych za pomocą Pitagorasa świadczy o jego wszechstronności i użyteczności. Pitagoras został wykorzystany do zbadania ulepszeń sprzętu noktowizyjnego eszelonów oddziałów w scenariuszu pokojowym. Był używany do badania taktyk, technik i procedur w odpowiedzi na atak bronią masowego rażenia na instalację wojskową. Studenci Akademii Marynarki Wojennej używali go do badania historycznych bitew tak różnych, jak bitwa pod Ia Drang (jedna z pierwszych bitew armii amerykańskiej w Wietnamie), bitwa o Midway i Chancellorsville. Wykorzystano go do nauki taktyki użycia broni dostarczanej drogą powietrzną do usuwania przeszkód i min w płytkich wodach. Obecnie jest używany do wspierania dwóch różnych badań (jedno autorstwa Northrop Grummana, a drugie studentów z Naval Postgraduate School) dynamiki populacji w obszarach świata, w których możliwe jest powstanie rebeliantów, a marines są wysłani w celu udzielenia pomocy po katastrofach. trzęsienie ziemi.
Wymagania
Pythagoras działa na komputerze PC lub dowolnej innej platformie obsługującej Javę 1.5 i JAXB 2.0. Jest szczególnie odpowiedni do farmy danych — wykonywania dużej liczby powtórzeń przebiegów parametrycznych w celu zidentyfikowania obszarów nieoczekiwanych zachowań i nieliniowych wyników we współewoluującym krajobrazie.
Historia
Jej dziedzictwo wywodzi się z Project Albert, międzynarodowego projektu poświęconego badaniom nad ludzkimi aspektami działań wojennych, takimi jak wartości niematerialne, współewoluujące cele i nieliniowe relacje.
Pitagoras początkowo był metodą, dzięki której istniejący model Archimedesa dostarczony przez Korpus Piechoty Morskiej USA mógł być ulepszany, modyfikowany lub kontrolowany, aby umożliwić mu uruchamianie dużych zestawów problemów na wielu platformach i analizowanie za pomocą technik data farming na platformie Gilgamesha zlokalizowanej na Maui High Performance Computing Center (MHPCC).