ACTA AERONAUTICAET ASTRONAUTICA SINICA >
An intelligent modeling method for aircraft formation behaviors integrating LLM technology
Received date: 2025-11-17
Revised date: 2025-12-02
Accepted date: 2026-01-05
Online published: 2026-01-09
Supported by
Provincial or Ministerial Level Project
To address the complexity and high manual dependency in behavior modeling process for cooperative combat simulation scenarios， this paper integrates Large Language Model （LLM） technology to enable intelligent modeling of aircraft formation cooperative combat behaviors. A hybrid hierarchical modeling framework integrating LLM technology is proposed to enable a semantics-driven and automated modeling workflow. A two-layer ‘system-user’ prompt engineering method is designed to transform conceptual semantics into formalized state machines. A vector-retrieval-based association method is developed to achieve intelligent and efficient matching between decision states and behavior tree nodes. Based on these methods， representative cooperative combat behavior models for aircraft formations are constructed and validated through simulation experiments in typical combat scenarios. The experimental results demonstrate that the proposed framework and methods effectively support rapid and intelligent modeling of cooperative combat behaviors， confirming their applicability and practical effectiveness.
Yang LIU , Ni LI , Zexi YU , Shangjie JIA . An intelligent modeling method for aircraft formation behaviors integrating LLM technology[J]. ACTA AERONAUTICAET ASTRONAUTICA SINICA, 2026 , 47(15) : 333092 -333092 . DOI: 10.7527/S1000-6893.2026.33092
| [1] | 杜梓冰， 张立丰， 陈敬志， 等. 有人/无人机协同作战演示验证试飞关键技术［J］. 航空兵器， 2019， 26（4）： 75-81. |
| DU Z B， ZHANG L F， CHEN J Z， et al. Critical technologies of demonstration flight test of cooperative operation for manned/unmanned aerial vehicles［J］. Aero Weaponry， 2019， 26（4）： 75-81 （in Chinese）. | |
| [2] | 张琪. 学习驱动的CGF决策行为建模方法研究［D］. 长沙： 国防科技大学， 2018. |
| ZHANG Q. Research on learning driven behavior modeling methods for decision making of computer generated forces（CGFs）［D］. Changsha： National University of Defense Technology， 2018 （in Chinese）. | |
| [3] | BOURASSA N R. Modeling and simulation of fleet air defense systems using EADSIM［D］. Monterey： Naval Postgraduate School， 1993. |
| [4] | CLIVE P D， JOHNSON J A， MOSS M J， et al. Advanced framework for simulation， integration and modeling （AFSIM）［C］∥Proceedings of the International Conference on Scientific Computing （CSC）， 2015： 73. |
| [5] | 王鹏， 刘昊雨， 李妮， 等. 基于改进ABC算法的有-无人协同空战行为建模［J］. 系统仿真学报， 2024， 36（12）： 2871-2883. |
| WANG P， LIU H Y， LI N， et al. Behavioral modeling of manned-unmanned cooperative air combat based on improved ABC algorithm［J］. Journal of System Simulation， 2024， 36（12）： 2871-2883 （in Chinese）. | |
| [6] | 刘波， 魏潇龙， 屈虹， 等. 有人—无人机协同空战机动决策研究［J］. 航空工程进展， 2023， 14（6）： 63-72. |
| LIU B， WEI X L， QU H， et al. Research on MAV-UAV cooperative air combat maneuver decision［J］. Advances in Aeronautical Science and Engineering， 2023， 14（6）： 63-72 （in Chinese）. | |
| [7] | MNIH V， KAVUKCUOGLU K， SILVER D， et al. Playing atari with deep reinforcement learning［DB/OL］. arXiv preprint： 1312.5602， 2013. |
| [8] | 单圣哲， 张伟伟. 基于自博弈深度强化学习的空战智能决策方法［J］. 航空学报， 2024， 45（4）： 328723. |
| SHAN S Z， ZHANG W W. Air combat intelligent decision-making method based on self-play and deep reinforcement learning［J］. Acta Aeronautica et Astronautica Sinica， 2024， 45（4）： 328723 （in Chinese）. | |
| [9] | 李佐龙， 朱纪洪， 匡敏驰， 等. 基于混合动作的空战分层强化学习决策算法［J］. 航空学报， 2024， 45（17）： 530053. |
| LI Z L， ZHU J H， KUANG M C， et al. Hierarchical decision algorithm for air combat with hybrid action based on deep reinforcement learning［J］. Acta Aeronautica et Astronautica Sinica， 2024， 45（17）： 530053 （in Chinese）. | |
| [10] | 王宇琨， 王泽， 董力维， 等. 基于分层的智能建模方法的多机空战行为建模［J］. 系统仿真学报， 2023， 35（10）： 2249-2261. |
| WANG Y K， WANG Z， DONG L W， et al. Research on multi-aircraft air combat behavior modeling based on hierarchical intelligent modeling methods［J］. Journal of System Simulation， 2023， 35（10）： 2249-2261 （in Chinese）. | |
| [11] | 刘玮， 张永亮， 程旭. 基于深度强化学习的人机智能对抗综述［J］. 指挥信息系统与技术， 2023， 14（2）： 28-37. |
| LIU W， ZHANG Y L， CHENG X. Survey of human-computer intelligence gaming based on deep reinforcement learning［J］. Command Information System and Technology， 2023， 14（2）： 28-37 （in Chinese）. | |
| [12] | 罗欣悦， 刘同， 陈文龙， 等. 无人集群通感算协同仿真系统综述：现状、技术与展望［J/OL］. 无线电工程， （2025-12-05）［2025-12-10］. . |
| LUO X Y， LIU T， CHEN W L， al et， Review of UAV swarm synaesthesia computing cooperative simulation system： Status， technology and prospect［J/OL］. Radio Engineering， （2025-12-05）［2025-12-10］. （in Chinese）. | |
| [13] | 孙宇祥， 赵俊杰， 解宇轩， 等. 自生成兵棋AI： 基于大语言模型的双层Agent任务规划［J］. 控制与决策， 2024， 39（12）： 3927-3936. |
| SUN Y X， ZHAO J J， XIE Y X， et al. Self generated wargame AI： Double layer agent task planning based on large language model［J］. Control and Decision， 2024， 39（12）： 3927-3936 （in Chinese）. | |
| [14] | 王彤， 赵美静， 徐沛， 等. 基于大语言模型的兵棋推演智能决策技术［J］. 自动化学报， 2025， 51（6）： 1205-1217. |
| WANG T， ZHAO M J， XU P， et al. Decision technology based on large language model for wargame［J］. Acta Automatica Sinica， 2025， 51（6）： 1205-1217 （in Chinese）. | |
| [15] | 刘大勇， 董志明， 郭齐胜， 等. LLM赋能的战术兵棋决策Agent构建方法［J］. 系统仿真学报， 2026， 38 （3） ： 758-775. |
| LIU D Y， DONG Z M， GUO Q S， et al. Construction approach of LLM-empowered tactical wargame decision-making agents［J］. Journal of System Simulation， 2026，38（3）：758-775 （in Chinese）. | |
| [16] | SAHOO P， SINGH A K， SAHA S， et al. A systematic survey of prompt engineering in large language models： Techniques and applications［DB/OL］. arXiv preprint： 2402. 07927， 2024. |
| [17] | LEWIS P， PEREZ E， PIKTUS A， et al. Retrieval-augmented generation for knowledge-intensive NLP tasks［C］∥Proceedings of the 34th International Conference on Neural Information Processing Systems. New York： ACM， 2020： 9459-9474. |
| [18] | 郜洪奎， 马瑞祥， 包骐豪， 等. 基于混合检索增强的双塔模型研究［J］. 计算机科学， 2025， 52（6）： 324-329. |
| GAO H K， MA R X， BAO Q H， et al. Research on hybrid retrieval-augmented dual-tower model［J］. Computer Science， 2025， 52（6）： 324-329 （in Chinese）. | |
| [19] | DEEPSEEK-AI. DeepSeek-V3 technical report［DB/OL］. arXiv preprint： 2412.19437v2， 2025. |
| [20] | WANG Y X， SUN Q X， HE S C. M3 E： Moka massive mixed embedding model［EB/OL］. （2023-06-07）［2025-10-30］. . |
| [21] | CHEN J L， XIAO S T， ZHANG P T， et al. BGE M3-embedding： Multi-lingual， multi-functionality， multi-granularity text embeddings through self-knowledge distillation ［DB/OL］. arXiv preprint： 2402.03216， 2024. |
| [22] | KIMI TEAM. Kimi K2： Open agentic intelligence［DB/OL］. arXiv preprint： 2507.20534， 2025. |
| [23] | QWEN TEAM. Qwen3 technical report［DB/OL］. arXiv preprint： 2505.09388， 2025. |
| [24] | 字节跳动Seed团队. 豆包Seed1.6模型技术介绍文档［EB/OL］. （2025-06-25）［2025-10-30］. . |
| BYTEDANCE SEED. Doubao Seed 1.6 large language model［EB/OL］. （2025-06-25）［2025-10-30］ （in Chinese）. | |
| [25] | XIAO S T， LIU Z， ZHANG P T， et al. C-pack： Packed resources for general Chinese embeddings［C］∥ Proceedings of the 47th International ACM SIGIR Conference on Research and Development in Information Retrieval. New York： ACM， 2024： 641-649. |
| [26] | LI Z H， ZHANG X， ZHANG Y Z， et al. Towards general text embeddings with multi-stage contrastive learning ［DB/OL］. arXiv preprint： 2308.03281， 2023. |
| [27] | XU M. Text2vec： A tool for text to vector［DB/OL］. ［2025-10-30］. . |
/
| 〈 |
|
〉 |
CJA