CN104794326B - 一种冲突分析方法 - Google Patents
一种冲突分析方法 Download PDFInfo
- Publication number
- CN104794326B CN104794326B CN201510106868.4A CN201510106868A CN104794326B CN 104794326 B CN104794326 B CN 104794326B CN 201510106868 A CN201510106868 A CN 201510106868A CN 104794326 B CN104794326 B CN 104794326B
- Authority
- CN
- China
- Prior art keywords
- conflict
- time
- case
- node
- task
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Expired - Fee Related
Links
- 238000004458 analytical method Methods 0.000 title claims abstract description 50
- 238000001514 detection method Methods 0.000 claims abstract description 37
- 238000000034 method Methods 0.000 claims abstract description 34
- 230000001537 neural effect Effects 0.000 claims description 16
- 238000012549 training Methods 0.000 claims description 9
- 238000003062 neural network model Methods 0.000 claims description 8
- 210000002569 neuron Anatomy 0.000 claims description 6
- 238000012163 sequencing technique Methods 0.000 claims description 5
- 238000000605 extraction Methods 0.000 claims description 4
- 238000013468 resource allocation Methods 0.000 claims description 4
- 238000010276 construction Methods 0.000 claims description 3
- 238000000556 factor analysis Methods 0.000 claims description 3
- 239000000463 material Substances 0.000 claims description 3
- 238000004080 punching Methods 0.000 claims description 3
- 210000004218 nerve net Anatomy 0.000 claims 1
- 230000008569 process Effects 0.000 abstract description 7
- 230000007547 defect Effects 0.000 abstract description 2
- 230000000875 corresponding effect Effects 0.000 description 21
- 238000004422 calculation algorithm Methods 0.000 description 10
- 238000013515 script Methods 0.000 description 5
- 239000000523 sample Substances 0.000 description 4
- 230000009471 action Effects 0.000 description 3
- 238000010586 diagram Methods 0.000 description 3
- 238000005516 engineering process Methods 0.000 description 3
- 238000007726 management method Methods 0.000 description 3
- 238000013528 artificial neural network Methods 0.000 description 2
- 230000008859 change Effects 0.000 description 2
- 238000013500 data storage Methods 0.000 description 2
- 238000011160 research Methods 0.000 description 2
- 206010054940 Dyslogia Diseases 0.000 description 1
- HUTDUHSNJYTCAR-UHFFFAOYSA-N ancymidol Chemical compound C1=CC(OC)=CC=C1C(O)(C=1C=NC=NC=1)C1CC1 HUTDUHSNJYTCAR-UHFFFAOYSA-N 0.000 description 1
- 230000009286 beneficial effect Effects 0.000 description 1
- 230000008901 benefit Effects 0.000 description 1
- 230000015572 biosynthetic process Effects 0.000 description 1
- 235000020303 café frappé Nutrition 0.000 description 1
- 238000004364 calculation method Methods 0.000 description 1
- 238000006243 chemical reaction Methods 0.000 description 1
- 238000012937 correction Methods 0.000 description 1
- 230000002596 correlated effect Effects 0.000 description 1
- 230000007123 defense Effects 0.000 description 1
- 230000007812 deficiency Effects 0.000 description 1
- 238000009826 distribution Methods 0.000 description 1
- 230000002708 enhancing effect Effects 0.000 description 1
- 238000007689 inspection Methods 0.000 description 1
- 238000012423 maintenance Methods 0.000 description 1
- 239000000203 mixture Substances 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 210000005036 nerve Anatomy 0.000 description 1
- 230000007935 neutral effect Effects 0.000 description 1
- 238000005457 optimization Methods 0.000 description 1
- 238000013439 planning Methods 0.000 description 1
- 238000004088 simulation Methods 0.000 description 1
- 238000006467 substitution reaction Methods 0.000 description 1
- 238000003786 synthesis reaction Methods 0.000 description 1
- 230000007474 system interaction Effects 0.000 description 1
- 238000012360 testing method Methods 0.000 description 1
Landscapes
- Management, Administration, Business Operations System, And Electronic Commerce (AREA)
Abstract
本发明公开了一种冲突分析方法，所述方法包括以下步骤：建立各个作战单元的时间冲突分析有向图，并进行单一作战单元的时间冲突检测判断；对不存在时间冲突的多作战单元进行空间冲突分析；对不存在时间和空间冲突的作战单元进行资源冲突检测；若不存在资源冲突的作战单元，则本次冲突分析结束；对于存在冲突的作战单元先进行基于案例匹配的冲突消解。本发明技术方案可有效提高冲突决策的合理性，避免潜在的缺陷和冲突，实现对多类冲突检测全面检测，同时提高检测效率、决策正确度以及简化分析过程。
Description
技术领域
本发明涉及冲突分析领域，更具体涉及一种冲突分析方法。
背景技术
目前，冲突具有复杂性、紧迫性、并发性、不确定性、关联性等多种特征，在实际冲突决策中，作战单元情况、各种资源数量多、变化快，在制定解决策略时可能会考虑不周全造成作战单元在时间、空间、资源使用上存在冲突，如果将如此繁冗迫切的冲突消解问题完全寄托在工作人员的临机指挥和现场协调是不现实的，往往会导致顾此失彼，甚至导致整个作战计划的失败。
目前，众多国内外研究人员对冲突检测问题展开了研究。Vidal和Morris等人将STN中的事件分为可控与不可控两类，通过考虑非可控事件所有可能的发生情况调整对可控事件的约束，可避免计划执行时产生时间冲突。国防科技大学研究了冲突规则的形式化描述，提出了一种基于规则的面向作战任务的作战系统冲突检测与消解算法。北京航天飞行控制中心通过对测控计划进行分析，着重研究了单星测控计划中的事件间的执行时间和顺序关系冲突，并引入冲突自动修正的概念，对冲突自动修正算法进行了初步探讨。其它有文献研究了民航飞行中的冲突检测及消解，提出了多种算法和理论。
现有这些方法的不足主要体现在以下几个方面：
一是消解冲突的方法主要是协商、松弛约束、仲裁等方法，它们都是针对某一类冲突，目前尚缺乏统一的冲突消解方法；
二是现有的某些冲突分析方法通常是对时域、空域、资源冲突中的某一方面进行检测，缺乏对三者的通盘考虑。由于实际冲突解决中不仅有时间约束、空间约束，还涉及资源约束，以偏概全会导致作战计划的不合理甚至失效；
三是现有的多数方法需要将复杂的特征描述与定义的规则相比较，而这些方法采用的规则常常是固定不变的，由于规则的不完备性，这些方法容易造成漏检或误检；
四是很多类型的冲突是一些知识无法表达、规则难以提取、推理困难的半结构化或非结构化的复杂冲突，仅仅采用上述算法会导致求解效率低，在问题规模比较大时，运算时间成几何级上涨，需要花费大量时间，求解效率低下；
五是在增强约束的同时降低了计划的灵活性，使计划趋于保守，由于战场态势具有变化快、涉及作战单元多等特点，上述算法很难对一个战场情况进行全面分析。
六是由于冲突类型多、关联性强，难以建立冲突问题数学模型。
发明内容
(一)要解决的技术问题
本发明要解决的技术问题是提出一种新的冲突分析方法，能够根据冲突数据，进行单一作战单元时间冲突分析、多作战单元空间冲突分析以及多作战单元的资源冲突分析，实现对多类冲突检测全面检测，同时提高检测效率、决策正确度以及简化分析过程。
(二)技术方案
为了解决上述技术问题，本发明提供了一种冲突分析方法，所述方法包括以下步骤：
S1、接收冲突检测数据，建立各个作战单元的时间冲突分析有向图；
S2、对于每一个所述作战单元，利用所述步骤S1建立的对应的所述时间冲突分析有向图进行时间冲突检测；
S3、若所述作战单元不存在时间冲突，则转入步骤S4，否则转入步骤S8；
S4、构造多个所述作战单元的有向链表，并根据所述有向链表对多个作战单元进行空间冲突分析；
S5、若所述多个作战单元不存在空间冲突，则转入步骤S6，否则转入步骤S8；
S6、采用动态贝叶斯网络对多作战任务的资源进行资源冲突检测；
S7、若多个作战单元不存在资源冲突则本次冲突分析结束，否则转入步骤S8；
S8、进行基于案例匹配的冲突消解：对所述时间冲突、空间冲突或资源冲突进行冲突特征提取，并根据所述冲突特征与案例库中的冲突案例进行匹配。
优选地，所述步骤S1中，对于每一个冲突检测单元，构建其时间冲突分析有向图具体为：
S11、将所述作战单元中的各个任务分别看作一个节点，并且所述节点包括持续时间和任务地点两个属性；
S12、按照时间先后顺序将所述节点排序，并在相邻的节点之间画有向线，所述有向线的起点为两个节点中起始时间较早的节点，所述有向线的终点为两个节点中起始时间较晚的节点；若多个节点的起始时间相同，则从比所述多个节点的起始时间早的上一个节点引出对应条数的有向线分别指向所述多个节点；
S13、对各个所述有向线赋权值，所述权值为所述有向线的起点对应的节点的起始时间减去所述有向线的终点对应的节点的终止时间。
优选地，所述步骤S2中，利用所述时间冲突分析有向图进行时间冲突检测具体包括以下步骤：
S21、对所述时间冲突分析有向图中的每一个节点，判断其出度是否大于1，若是则有两个任务同时发生，存在时间冲突，否则转入步骤S22；
S22、对所述时间冲突分析有向图中的每一条有向线，判断其权值是否小于0，若是则下一个任务的起始时间在上一个任务还未结束时开始，对应作战单元存在时间冲突，否则转入步骤S23；
S23、对所述时间冲突分析有向图中的每一条有向线，判断其对应的起点的任务地点和终点的任务地点，判断其权值的合理性：若冲突检测单元能够在所述权值对应的时间段内从所述有向线的起点对应的节点的任务地点运动到所述有向线的终点对应节点的任务地点，则对应的权值合理，对应的作战单元不存在时间冲突，否则对应的作战单元存在时间冲突。
优选地，所述步骤S4中，构造多个所述作战单元的有向链表具体为：将多个所述作战单元的节点按照时间先后顺序进行排序，并建立相邻两个节点的有向链，所述有向链由时间较早的节点指向时间较晚的节点。
优选地，所述步骤S4中，根据所述有向链表对多个作战单元进行空间冲突分析具体为：对时间有重叠的节点进行任务地点交集分析，若所述任务地点交集不为空，则对应的多个作战单元存在空间冲突，否则对应的多个作战单元不存在空间冲突。
优选地，所述案例库保存冲突案例的所述冲突特征以及冲突案例的解决方案。
优选地，所述步骤S8中，进行案例匹配具体为：
S81、训练RBF神经网络模型；
S82、S82、提取待匹配的所述时间冲突、空间冲突或资源冲突的所述冲突特征，并利用所述RBF神经网络模型对所述待匹配所述时间冲突、空间冲突或资源冲突进行分类，RBF神经网络由输入层、隐含层和输出层构成，所述输入层神经元个数由所述冲突特征个数决定，并且所述输入层神经元个数取值为所述冲突特征个数的2倍，输出层为单神经元，其输出值为相似度，并选择相似度最大案例，以其解决方案进行所述时间冲突、空间冲突或资源冲突的消解。
优选地，所述步骤S81中，训练RBF神经网络模型具体为：
对样本案例进行聚类，每类案例为一个案例子集，设定有K个所述案例子集；
对各所述案例子集中的数据进行预处理；
确定第i个案例子集对应的RBF神经网络中隐含层的神经元个数和输出层的神经元个数；
对每一个所述案例子集，使用经过预处理的数据作为素材，进行RBF神经网络训练，直到RBF神经网络的权空间数据趋于稳定或不变，形成K个训练完毕的RBF神经网络，K个所述RBF神经网络构成所述RBF神经网络模型。
优选地，所述步骤S82中，案例间的相似度小于预先设定的阈值时，即所述案例匹配不能完全消除所述资源冲突，采用如下方法进行冲突消解：
若发生资源冲突的两个任务的任务执行时间存在先后顺序的关系，则资源优先分配给任务执行时间较早的任务；
若发生资源冲突的两个任务的任务执行时间没有时序关系，则比较两个任务的重要程度，并把资源分配给重要程度较高的任务；
若有优先级高的任务临时加入，则把资源分配给所述优先级高的任务。
优选地，所述步骤S8中，通过匹配获得的冲突案例为多个时，对多个所述冲突案例进行比较，选择相似度最高的冲突案例。
(三)有益效果
本发明提供了一种冲突分析方法，本发明技术方案可有效提高冲突决策的合理性，避免潜在的缺陷和冲突，能够根据冲突数据，进行单一作战单元时间冲突分析、多作战单元空间冲突分析以及多作战单元的资源冲突分析，实现对多类冲突检测全面检测，同时提高检测效率、决策正确度以及简化分析过程。
附图说明
图1是本发明的一种冲突分析方法流程图；
图2为本发明的一个较佳实施例的一种冲突分析方法流程图；
图3为本发明的一个较佳实施例的对于资源冲突的解决策略流程图。
具体实施方式
为了更清楚地说明本发明实施例或现有技术中的技术方案，下面将对实施例或现有技术描述中所需要使用的附图作简单地介绍，显而易见地，下面描述中的附图仅仅是本发明的一些实施例，对于本领域普通技术人员来讲，在不付出创造性劳动的前提下，还可以根据这些附图获得其他的附图。
图1是本发明的一种冲突分析方法流程图；所述方法包括以下步骤：
S1、接收冲突检测数据，建立各个作战单元的时间冲突分析有向图；
S2、对于每一个所述作战单元，利用所述步骤S1建立的对应的所述时间冲突分析有向图进行时间冲突检测；
S3、若所述作战单元不存在时间冲突，则转入步骤S4，否则转入步骤S8；
S4、构造多个所述作战单元的有向链表，并根据所述有向链表对多个作战单元进行空间冲突分析；
S5、若所述多个作战单元不存在空间冲突，则转入步骤S6，否则转入步骤S8；
S6、采用动态贝叶斯网络对多作战任务的资源进行资源冲突检测；
S7、若多个作战单元不存在资源冲突则本次冲突分析结束，否则转入步骤S8；
S8、进行基于案例匹配的冲突消解：对所述时间冲突、空间冲突或资源冲突进行冲突特征提取，并与案例库中的冲突案例进行匹配，若找到匹配的冲突案例，则从所述案例库中提取对应的冲突案例，否则转入步骤S9，若找到的所述冲突案例不能完全消除当前的冲突，则转入步骤S9；
S9、人工对当前冲突进行解决，并将当前冲突的信息以及解决方案存入所述案例库中。
实施例：本实施例以作战计划为例，如图2所示，
阶段1：首先接收作战计划数据(冲突检测数据)，然后利用时间冲突有向图对单一作战单元(作战单元)进行时间冲突检测，具体步骤如下：
(1)构造全部作战单元(各个作战单元的)的时间冲突分析有向图；
(2)对于作战单元的每一个任务，是有向图的节点。节点赋属性，分别为持续时间和任务地点。持续时间值为任务持续的时间长度，按分钟计。任务地点即执行任务的地点；
(3)按照开始时间排序，在节点之间画有向线。初始点为时间最早的任务，下一个节点为排序中其次的节点。依次类推。如果有相同起始时间的节点，则从上一个节点画出两条有向线，分别到这两个节点；
(4)有向边(有向线)赋权值，权值为末节点的开始时间减去始节点的终止时间，按分钟计。
构造完后，按照如下算法进行时间冲突检测。
(1)判断每个节点的出度。如果出度大于1，说明有两个任务同时发生，存在冲突；
(2)判断每条有向边的权值，如果小于0，说明下一个任务的起始时间在上一个任务还未结束时开始，存在冲突；
(3)根据头尾两个节点的任务地点，判断权值的合理性。合理性由规则判定。合理的时间说明执行完上一个任务后，作战单元可以在权值时间内赶赴下一个任务地点。不合理的时间则是冲突。
如果每个单一作战单元不存在时间冲突，转向下一阶段，存在时间冲突则转向阶段4。
阶段2：在单一作战单元不存在时间冲突的前提下，通过构造有向链表继续对多作战单元进行空间冲突分析，步骤如下：
(1)对每个作战地域按时间顺序构造单向链表，链表内容为有向图的节点。作战地域的有向链表说明了发生在这个地域按时间先后顺序的各个任务事件。作战地域的划分按照实际作战地域划分。全部地域的并集是整个作战区域。如果某个行动横跨多个地域，则此行动节点分别放在对应地域的链表中；
(2)对时间重叠的节点进行空间交集分析。如果空间交集不为空，说明同一作战地域上在相同时间内有多个作战单元。如果任务要求不允许多个作战单元同时执行任务，则说明存在空间冲突。
如果多作战单元不存在空间冲突，转向下一阶段，存在空间冲突则转向阶段4。
阶段3：采用动态贝叶斯网络对多作战任务的资源进行资源冲突检测，如果不存在所述资源冲突，则冲突分析结束；存在资源冲突，则转向下一阶段。
阶段4：进行基于案例匹配的冲突消解。所谓冲突案例就是把以往作战或训练中的各种场景(冲突特征)以及该场景下消解冲突的方案以脚本的形式保存到案例库。在对冲突进行分析检测的基础上，提取出相关冲突特征信息，并以此为索引遍历案例库，查找与当前冲突相匹配的冲突案例。当发现存在相似案例时，提取相关案例名、案例特征描述及相应冲突消解方案。当搜索到与当前冲突相似的案例往往不止一个而是多个时，需要采用一定的方法对诸多案例进行分析比较，以选出最接近目标冲突的案例。
如果没有搜索到相似案例或案例的消解方案不能完全消解当前冲突，则转向下一阶段；如果搜索到则过程结束。
进行基于案例匹配的冲突消解。所谓冲突案例就是把以往作战或训练中的各种场景以及该场景下消解冲突的方案以脚本的形式保存到案例库。在对冲突进行分析检测的基础上，提取出相关冲突特征信息，并以此为索引遍历案例库，查找与当前冲突相匹配的冲突案例。当发现存在相似案例时，提取相关案例名、案例特征描述及相应冲突消解方案。当搜索到与当前冲突相似的案例往往不止一个而是多个时，需要采用一定的方法对诸多案例进行分析比较，以选出最接近目标冲突的案例。如果没有搜索到相似案例或案例的消解方案不能完全消解当前冲突，则转向下一阶段；如果搜索到则过程结束。
具体过程描述如下：
冲突案例是通过一系列冲突特征进行描述，一般包括冲突情境和消解方案两部分特征。其中，冲突情境描述冲突发生的条件和环境状态，包括多个属性，每个属性对应相应的影响消解结果的权重。设每个冲突案例共有N个特征，N个特征的权重分配为向量W(W1,W2,…WN),且W1+W2+…+WN＝1。传统的案例匹配常采用最近邻、余弦函数以及BP神经网络等方法进行计算。考虑到最近邻法的指标取值范围对计算结果影响较大且不易确定，夹角小于30度时余弦函数值变换缓慢从而不利于区分不相似案例，BP神经网络收敛速度慢且不能保证收敛到全局最小，而径向基函数(RBF)神经网络是种局部逼近网络,具有唯一最佳逼近的特性，本发明创造性地提出采用RBF神经网络法来实现冲突案例匹配。
匹配流程如下：
对案例进行聚类，每类案例自立为一个案例子集(假设有K个案例子集)；
对样本集中的数据进行预处理；
确定案例子集i对应的RBF神经网络i隐含层和输出层的神经元个数；
对每一个案例子集，使用经过预处理的本案例子集下的样本集作为素材，进行RBF神经网络训练，直到RBF神经网络的权空间数据趋于稳定或不变时，结束该案例子集的训练。直到所有案例子集全部训练完成，形成K个训练完毕的RBF神经网络；
对于待消解的冲突案例进行预处理并提取出相关特征，之后使用训练好的RBF神经网络确定待消解冲突案例的类别，并选择相似度最大的案例所对应的消解方案进行消解；
如果没有搜索到相似案例或案例的消解方案不能完全消解当前冲突，则转向阶段5。
阶段5：在没有搜索到相似案例或案例的消解方案不能完全消解当前冲突的情况下，需要将该冲突信息提交给其它冲突消解系统或在指挥员的有限介入下，根据作战条令、条例、规则对案例进行修改，并将该冲突信息以及相应的消解方案添加到案例库中，逐步扩展案例法所能处理问题的范围。
在采用基于案例匹配的消解方案不能够完全消解当前资源冲突的情况下，本发明根据未来一体化联合作战中资源管理的特点和趋势，提出以下作战资源冲突消解策略。
未来战争中，作战资源编组构成模式可以采取任务式(作战任务编组)与功能式(功能编组)两种编组形式相结合的形态，如图3所示，从而形成优势，更加适应复杂的战场情况，实施更加有效的体系对抗。功能式的核心在于根据作战功能不同，将有相同功能的各种参战资源进行科学优化与重组，形成集成作战能力。如对陆海空的远程火力打击力量进行集成，可有效实施对目标的远程精确打击行动。任务式的特点是依据作战任务进行资源编组，将所属力量整合成一个个任务集团，对作战体系展开全面同步综合打击。本发明针对资源冲突的消解采用如下策略：
若两个发生了资源冲突的任务间存在先后顺序，则资源优先满足先开始的任务；
若两个发生了资源冲突的任务间不存在时序关系，即一个任务的开始不依赖于另一个任务的完成，则比较两个任务的重要程度或两个任务对破击敌方作战体系并达成最终作战目标的贡献度，谁重要或谁的贡献度大，则先执行谁；
若有紧急任务介入且与正在执行的任务发生资源冲突，比如来犯之敌的导弹向我指挥所袭来，则该冲突资源优先满足紧急任务。
图3中通过作战资源综合管理模块进行资源冲突消解，即对资源进行分配，作战资源包括坦克、舰艇、导弹以及歼击机等。
上述实施例，通过文本编辑环境编辑lua脚本，编辑后重新加载，即可采用本发明提出的冲突分析方法进行冲突探测与消解。上述实施例设置数据存储装置，所述数据存储装置采用sqlite数据库存储冲突案例信息，其存储的信息包括：资源信息，包括资源的性质、可用数量、作战性能参数等；战场信息，包括敌我双方作战编成、武器配备、地域配置等信息；作战计划信息，包括每个作战单元的作战任务情况。
上述信息通过指挥信息系统进行自动更新维护，在冲突检测过程中通过提取这些信息进行计算。
上述实施例的算法引擎装置采用脚本语言lua实现具体冲突智能分析方法。Lua是一类方便嵌入并可扩展的轻量级脚本语言，具有简单、小巧、快速、可移植的特点，非常适合数据描述、配置管理和逻辑控制等任务。
本发明实施例设计了lua引擎框架，集成了有向图、有向链表、动态贝叶斯网络、案例匹配与扩充等算法，并设计了与系统交互的接口。
部分代码示例如下：
以上提出的资源消解策略理论上具有良好的全局观和整体性，其核心是以作战任务目标为中心，以功能集成为基础对作战资源进行调度消解，从而确保任务的顺利完成。
本发明提出的冲突分析方法具有灵活性，可以对任意类型冲突进行形式化描述特征提取，增强了冲突检测和消解的灵活性；另外具有扩展性，需要增加冲突类型时，只需增加冲突案例，无需改变算法，保证了算法的扩展性。
以上实施方式仅用于说明本发明，而非对本发明的限制。尽管参照实施例对本发明进行了详细说明，本领域的普通技术人员应当理解，对本发明的技术方案进行各种组合、修改或者等同替换，都不脱离本发明技术方案的精神和范围，均应涵盖在本发明的权利要求范围当中。
Claims (10)
1.一种冲突分析方法，其特征在于，所述方法包括以下步骤：
S1、接收冲突检测数据，建立各个作战单元的时间冲突分析有向图；
S2、对于每一个所述作战单元，利用所述步骤S1建立的对应的所述时间冲突分析有向图进行时间冲突检测；
S3、若所述作战单元不存在时间冲突，则转入步骤S4，否则转入步骤S8；
S4、构造多个所述作战单元的有向链表，并根据所述有向链表对多个作战单元进行空间冲突分析；
S5、若所述多个作战单元不存在空间冲突，则转入步骤S6，否则转入步骤S8；
S6、采用动态贝叶斯网络对多作战任务的资源进行资源冲突检测；
S7、若多个作战单元不存在资源冲突则本次冲突分析结束，否则转入步骤S8；
S8、进行基于案例匹配的冲突消解：对所述时间冲突、空间冲突或资源冲突进行冲突特征提取，并根据所述冲突特征与案例库中的冲突案例进行匹配。
2.根据权利要求1所述的方法，其特征在于，所述步骤S1中，对于每一个冲突检测单元，构建其时间冲突分析有向图具体为：
S11、将所述作战单元中的各个任务分别看作一个节点，并且所述节点包括持续时间和任务地点两个属性；
S12、按照时间先后顺序将所述节点排序，并在相邻的节点之间画有向线，所述有向线的起点为两个节点中起始时间较早的节点，所述有向线的终点为两个节点中起始时间较晚的节点；若多个节点的起始时间相同，则从比所述多个节点的起始时间早的上一个节点引出对应条数的有向线分别指向所述多个节点；
S13、对各个所述有向线赋权值，所述权值为所述有向线的起点对应的节点的起始时间减去所述有向线的终点对应的节点的终止时间。
3.根据权利要求1所述的方法，其特征在于，所述步骤S2中，利用所述时间冲突分析有向图进行时间冲突检测具体包括以下步骤：
S21、对所述时间冲突分析有向图中的每一个节点，判断其出度是否大于1，若是则有两个任务同时发生，存在时间冲突，否则转入步骤S22；
S22、对所述时间冲突分析有向图中的每一条有向线，判断其权值是否小于0，若是则下一个任务的起始时间在上一个任务还未结束时开始，对应作战单元存在时间冲突，否则转入步骤S23；
S23、对所述时间冲突分析有向图中的每一条有向线，判断其对应的起点的任务地点和终点的任务地点，判断其权值的合理性：若冲突检测单元能够在所述权值对应的时间段内从所述有向线的起点对应的节点的任务地点运动到所述有向线的终点对应节点的任务地点，则对应的权值合理，对应的作战单元不存在时间冲突，否则对应的作战单元存在时间冲突。
4.根据权利要求3所述的方法，其特征在于，所述步骤S4中，构造多个所述作战单元的有向链表具体为：将多个所述作战单元的节点按照时间先后顺序进行排序，并建立相邻两个节点的有向链，所述有向链由时间较早的节点指向时间较晚的节点。
5.根据权利要求4所述的方法，其特征在于，所述步骤S4中，根据所述有向链表对多个作战单元进行空间冲突分析具体为：对时间有重叠的节点进行任务地点交集分析，若所述任务地点交集不为空，则对应的多个作战单元存在空间冲突，否则对应的多个作战单元不存在空间冲突。
6.根据权利要求5所述的方法，其特征在于，所述案例库保存冲突案例的所述冲突特征以及冲突案例的解决方案。
7.根据权利要求6所述的方法，其特征在于，所述步骤S8中，进行案例匹配具体为：
S81、训练RBF神经网络模型；
S82、提取待匹配的所述时间冲突、空间冲突或资源冲突的所述冲突特征，并利用所述RBF神经网络模型对所述待匹配所述时间冲突、空间冲突或资源冲突进行分类，RBF神经网络由输入层、隐含层和输出层构成，所述输入层神经元个数由所述冲突特征个数决定，并且所述输入层神经元个数取值为所述冲突特征个数的2倍，输出层为单神经元，其输出值为相似度，并选择相似度最大案例，以其解决方案进行所述时间冲突、空间冲突或资源冲突的消解。
8.根据权利要求7所述的方法，其特征在于，所述步骤S81中，训练RBF神经网络模型具体为：
对样本案例进行聚类，每类案例为一个案例子集，设定有K个所述案例子集；
对各所述案例子集中的数据进行预处理；
确定第i个案例子集对应的RBF神经网络中隐含层的神经元个数和输出层的神经元个数；
对每一个所述案例子集，使用经过预处理的数据作为素材，进行RBF神经网络训练，直到RBF神经网络的权空间数据趋于稳定或不变，形成K个训练完毕的RBF神经网络，K个所述RBF神经网络构成所述RBF神经网络模型。
9.根据权利要求8所述的方法，其特征在于，所述步骤S82中，案例间的所述相似度小于预先设定的阈值时，即所述案例匹配不能完全消除所述资源冲突，采用如下方法进行冲突消解：
若发生资源冲突的两个任务的任务执行时间存在先后顺序的关系，则资源优先分配给任务执行时间较早的任务；
若发生资源冲突的两个任务的任务执行时间没有时序关系，则比较两个任务的重要程度，并把资源分配给重要程度较高的任务；
若有优先级高的任务临时加入，则把资源分配给所述优先级高的任务。
10.根据权利要求9所述的方法，其特征在于，所述步骤S8中，通过匹配获得的冲突案例为多个时，对多个所述冲突案例进行比较，选择所述相似度最高的冲突案例。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201510106868.4A CN104794326B (zh) | 2015-03-11 | 2015-03-11 | 一种冲突分析方法 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201510106868.4A CN104794326B (zh) | 2015-03-11 | 2015-03-11 | 一种冲突分析方法 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| CN104794326A CN104794326A (zh) | 2015-07-22 |
| CN104794326B true CN104794326B (zh) | 2017-07-28 |
Family
ID=53559117
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN201510106868.4A Expired - Fee Related CN104794326B (zh) | 2015-03-11 | 2015-03-11 | 一种冲突分析方法 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN104794326B (zh) |
Families Citing this family (2)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN109754601B (zh) * | 2018-12-28 | 2020-10-23 | 银江股份有限公司 | 一种基于空间矢量计算对同时多任务进行冲突检测的方法 |
| CN113590742B (zh) * | 2021-06-17 | 2023-12-26 | 北京中软国际信息技术有限公司 | 一种云平台访问控制方法 |
Citations (3)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN101944201A (zh) * | 2010-07-27 | 2011-01-12 | 昆明理工大学 | 一种基于多智能体的炼钢车间天车调度仿真方法 |
| CN102945301A (zh) * | 2012-10-30 | 2013-02-27 | 合肥工业大学 | 一种机电产品绿色设计冲突消解方法 |
| US8831864B1 (en) * | 2010-06-30 | 2014-09-09 | Purdue Research Foundation | Interactive conflict detection and resolution for air and air-ground traffic control |
-
2015
- 2015-03-11 CN CN201510106868.4A patent/CN104794326B/zh not_active Expired - Fee Related
Patent Citations (3)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| US8831864B1 (en) * | 2010-06-30 | 2014-09-09 | Purdue Research Foundation | Interactive conflict detection and resolution for air and air-ground traffic control |
| CN101944201A (zh) * | 2010-07-27 | 2011-01-12 | 昆明理工大学 | 一种基于多智能体的炼钢车间天车调度仿真方法 |
| CN102945301A (zh) * | 2012-10-30 | 2013-02-27 | 合肥工业大学 | 一种机电产品绿色设计冲突消解方法 |
Non-Patent Citations (3)
| Title |
|---|
| 协同任务规划中基于约束满足的资源冲突检测与消解;李远 等;《系统工程与电子技术》;20090430;第31卷(第4期);第868-873页 * |
| 基于STN的时间冲突检测与消解;汤罗浩 等;《计算机工程》;20110228;第37卷(第3期);第251-253、256页 * |
| 面向作战任务的作战系统冲突检测与消解研究;黄光奇 等;《火力与指挥控制》;20100131;第35卷(第1期);第108-112页 * |
Also Published As
| Publication number | Publication date |
|---|---|
| CN104794326A (zh) | 2015-07-22 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN103345504B (zh) | 单星调度的算子构建方法 | |
| CN104239213B (zh) | 一种面向航天器自动化测试的并行测试任务两阶段调度方法 | |
| CN105302153A (zh) | 异构多无人机协同察打任务的规划方法 | |
| CN113392521B (zh) | 面向海空联合作战任务的资源编组模型构建方法及系统 | |
| CN106406346A (zh) | 一种多无人机协同快速覆盖搜索航迹规划方法 | |
| CN104834317B (zh) | 一种智能识别威胁类型的无人机飞行路径规划方法 | |
| CN110109653B (zh) | 一种陆战兵棋智能引擎及其运行方法 | |
| CN112632744A (zh) | 基于超网络模型的作战体系架构建模方法及空间探索算法 | |
| CN113435033B (zh) | 基于多分辨率的复杂体系运行流程仿真方法和系统 | |
| CN114240169B (zh) | 一种基于杀伤链的智能战术决策方法 | |
| CN114326827B (zh) | 一种无人机集群多任务动态分配方法及系统 | |
| CN115730700B (zh) | 基于参考点的自适应多目标任务规划方法、系统和设备 | |
| CN104794326B (zh) | 一种冲突分析方法 | |
| CN101893441A (zh) | 基于离差最大化及灰色关联分析的无人机航迹优选方法 | |
| Horbulin et al. | Optimization of UAV team routes in the presence of alternative and dynamic depots | |
| Wang et al. | Mining scheduling knowledge for job shop scheduling problem | |
| CN116151492B (zh) | 一种联合作战体系辅助决策分析系统 | |
| CN113608554A (zh) | 一种多核多线程的无人机搜索目标方法及装置 | |
| CN117540156A (zh) | 面向任务的复杂装备体系能力分析方法和模拟对抗系统 | |
| CN110033111A (zh) | 机场场面运动规划方法和装置 | |
| Cao et al. | Application of improved ant colony algorithm in the path planning problem of mobile robot | |
| Ricci et al. | Considering alternative strategies for value sustainment in systems-of-systems | |
| CN109299861B (zh) | 一种敏捷卫星的星上调度方法 | |
| Mashudi et al. | SWOT analysis and analytical hierarchy process (AHP) to determine a sustainable development strategy in indonesia's national defense industry | |
| Xinzeng et al. | Based on PSO algorithm multiple task assignments for cooperating UAVs |
Legal Events
| Date | Code | Title | Description |
|---|---|---|---|
| C06 | Publication | ||
| PB01 | Publication | ||
| EXSB | Decision made by sipo to initiate substantive examination | ||
| SE01 | Entry into force of request for substantive examination | ||
| GR01 | Patent grant | ||
| GR01 | Patent grant | ||
| CF01 | Termination of patent right due to non-payment of annual fee | ||
| CF01 | Termination of patent right due to non-payment of annual fee |
Granted publication date: 20170728 |