Extended Lanchester-Osipov Model for Accounting Combat Units with Single Burst Effect in Strategic Computer Games

Capa

Citar

Texto integral

Acesso aberto Acesso aberto
Acesso é fechado Acesso está concedido
Acesso é fechado Acesso é pago ou somente para assinantes

Resumo

Построена модель, описывающая противостояние двух армий, каждая из которых одновременно содержит боевые единицы двух типов: с непрерывным и дискретным огнем. Исследована структура оптимальной композиции армии, составленной как ответ на известную композицию армии противника. Для проверки теории проведены симуляции сражений в простой стратегической игре – автобаттлере.

Sobre autores

I. Laryushin

Институт прикладной физики РАН им. А.В. Гапонова-Грехова

Email: ilaryushin@mail.ru
канд. физ.-мат. наук Нижний Новгород

Ya. Koltochenko

Московский физико-технический институт (НИУ)

Email: i-kolt@yandex.ru

Bibliografia

  1. Осипов М.П. Влияние численности сражающихся сторон на их потери // Военный сборник. 1915. Т. 6. С. 59–74.
  2. Lanchester F.W. Aircraft in Warfare: the Dawn of the Fourth Arm. London: Constable & Co. Ltd. 1916.
  3. Schaffer M.B. Lanchester models of guerrilla engagements // Oper. Res. 1968. V. 16. P. 457–488.
  4. Fox W.P. Discrete combat models: Investigating the solutions to discrete forms of Lanchester’s combat models // Int. J. Oper. Res. Inf. Syst. 2010. V. 1. P. 16–34.
  5. Baik S. A Raid-Type War-Game Model Based on a Discrete Multi-Weapon Lanchester’s Law // Management Sci. Finan. Engineer. 2013. V. 19. P. 31.
  6. Laryushin I.D. Advanced Lanchester Combat Model for Inhomogeneous Armies in RTS Games // IEEE Trans. Games. 2023. V. 15. P. 148–156.
  7. Stanescu M., Barriga N., Buro M. Using Lanchester attrition laws for combat prediction in StarCraft // AAAI Conference on Artificial Intelligence and Interactive Digital Entertainment. 2015. V. 11. P. 86–92.
  8. Vinyals O., Babuschkin I., Czarnecki W. M., et al. Grandmaster level in StarCraft II using multi-agent reinforcement learning // Nature. 2019. V. 575. P. 350–354.
  9. Zong Y., Lin L., Wang S., Cui Z., Chen Y. Improvements and Challenges in StarCraft II Macro-Management A Study on the MSC Dataset // J. Theory Practic. Engineer. Sci. 2023. V. 3. P. 29–35.
  10. Xu J., Chen S., Zhang L., et al. Lineup mining and balance analysis of auto battler // Proceedings of the 2020 International Conference on Aviation Safety and Information Technology. 2020. P. 169–176.
  11. Gong Y.J., Guo J.X., Lin D.L., et al. Automated team assembly in mobile games: a data-driven evolutionary approach using a deep learning surrogate // IEEE Trans. Games. 2022. V. 15. P. 67–80.
  12. Ponomarenko A.A., Sirotkin D.V. Dota Underlords game is NP-complete // arXiv preprint arXiv:2007.05020. 2020.
  13. Краснощеков П.С., Петров А.А. Принципы построения моделей. М.: Изд-во МГУ, 1983.
  14. Keane T. Combat modelling with partial differential equations // Appl. Math. Mod. 2011. V. 35. P. 2723–2735.
  15. Еремин А.А. Использование “варгеймов” в исследовании международных отношений // МЭиМО. 2021. Т. 65. С. 90–100.
  16. Gentile G. et al. Revisiting RAND’s Russia Wargames After the Invasion of Ukraine. Santa Monica, CA: RAND, 2023.
  17. Cancian M.F., Cancian M., Heginbotham E. The First Battle of the Next War: Wargaming a Chinese Invasion of Taiwan. Washington: Center for Strategic and International Studies, 2023.

Arquivos suplementares

Arquivos suplementares
Ação
1. JATS XML
Baixar

Declaração de direitos autorais © The Russian Academy of Sciences, 2024