协同规划多军兵种力量、筹划多种作战任务的 AI 算法。选取经典的联合岛屿进攻作为赛事任务场 景，具有海空兵力联合典型特征，采用非回合制实时对抗形式，参赛选手提交训练好的攻击和防守 AI 算法，选手间 AI 算法互为攻防，自主决策展开作战行动，并根据仿真平台中重点目标是否全被摧毁的 裁决结果，作为双方的胜负判据。

对于水温和水下声场等水参数场的重建问题，为了用固定的传感器网络提供准确的场重建信息，需要在 不同的位置有大量的传感器，并且固定式传感器的部署成本和维护费用甚至更高。使用水下无人机可以 以更灵活的方式探测和跟踪水参数场，因为它们可以通过预先确定或自适应确定的轨迹来感知该场。 ● 由于水下参数场的空间相关性，没有必要穿越所有感兴趣的区域，以将参数场的不确定性降低到一定 水平。通过访问该区域的一个子集，可以实现精确的场重建。然而，现场空间相关性的知识往往是不可 用的，特别是在冰下环境中。

游戏是现实世界的抽象，人工代理在其中学习与其他代理竞争和合作。虽然在各种完全和不完全信息 游戏中取得了重大成就，但四国军棋是一个非常具有挑战性的领域，它具有竞争、协作、不完全信息、 大的状态空间，特别是大量的可能行动，其中合法的行动在每一回合都有很大的不同。 ● 现代强化学习算法主要集中在简单和小的行动空间，我们使用了一个概念上简单而有效的四国军棋人 工智能系统，它用深度神经网络、动作编码和并行演员来增强传统的蒙特卡洛方法。