CN109783868B - 一种计算有效ooda链数量的方法 - Google Patents

Abstract

本发明公开了一种计算有效OODA链数量的方法，主要包括以下步骤：生成ER随机网络模型，在模型中度数最高的节点作为D节点，剩余节点作为S节点与I节点。计算D节点出度与入度。将出度与入度分别保存在两个列表中，进行组合运算，得到最后有效OODA链数量。通过建立适合武器装备体系网络的模型及定义了有效OODA链概念来完成有效OODA链数量计算，计算复杂度低，为基于OODA链为基础的众多研究提供参考材料。

Description

一种计算有效OODA链数量的方法

技术领域

本算法属于一体化武器装备体系，更确切地讲，涉及OODA环(链)作为一体化武器装备体系的评估指标。

背景技术

信息化战争催生出的新联合作战不同于以往的作战样式，它更注重整体作战力量的形成。随着军事科技发展，武器装备的种类逐渐呈现多样化趋势，单个装备所具备的功能不断丰富起来，装备之间的耦合关系变得更加紧密，体现出一体化的特点。如今战争成败更多在于装备间的相互配合，即能否有效地实现系统互联、信息互通与互操作性。将情报信息、指挥控制、火力打击等各种具备不同能力装备的系统按照某种关系组合在一起，使其充分合作，从而发展出更强作战效能。武器装备体系是具有特定作战能力并且能够完成作战使命的有机整体，强调各种武器装备系统及单元在武器装备体系中的层次结构及彼此间相互协同、相互依赖等关系。武器装备体系需要通过合理的评价指标或有效的评价方法来评估该武器装备体系所具备的作战能力，以此作为理论依据对体系结构进行优化，从而使整个武器装备体系的作战能力得到有效的提高。在描述与研究体系化控制过程模型中，OODA(Observe Orient Dicider Act)循环模型是一种比较有影响力的模型。将OODA作战循环引入一体化武器装备体系，对其进行建模分析，将武器装备体系结构构建为一个作战网络模型，运用网络科学的相关理论来确定体系的关键武器装备以及定量分析体系整体能力，力求从根本上提高装备体系的整体战斗力。OODA作战循环中的每一个环节相互作用影响，OODA作战循环在同一时间内形成的数量反映了该武器装备体系的实际作战能力水平。决策节点(D)是OODA环中的关键节点，直接决定行动开展与否，它接受判断过程的分析结果，并对观察过程产生内部控制。

根据OODA作战循环的思想，可以一次作战任务的完成过程作为一个循环，其过程可简述为：侦察监视类作战实体S获取敌方目标信息，通过实体之间的通信关系将这些信息传输给我方的指挥中心D后，D通过对所获取的信息进行处理和分析，并综合考虑当前战场形式作出决策，并向影响类实体I下达行动命令，I接受命令后即可对敌方目标采取相应的制敌措施。故需要构建武器装备体系中的侦察监视类实体S、指挥控制类实体D、影响类实体I来完成作战任务，SDI所形成的环被称为作战环。作战环可分为标准作战环及广义作战环，标准作战环为SDI实体均为一个所组成；广义作战环由多个SDI实体组成。目前，针对作战网络模型的构建，主要有IACM模型、扩展的IACM模型、FINC模型、扩展的FINC模型、HCN-生成模型，其中IACM模型与FINC模型可将网络分为多种类型的节点，局限性为未考虑到节点的实体属性；扩展的IACM模型与扩展的FINC模型考虑了节点与边的实体属性，局限性为不能运用于大规模网络；HCN-生成模型可运用于大规模网络，局限性为未考虑节点和边的行为属性。针对一体化武器体系研究，周等人考虑了武器系统的组合作战能力，Kangaspunta考虑了武器系统间的相互影响、评估指标与各种可能作战环境的相互关系，用于研究武器装备体系的优化。AHP用于分析武器选择问题的结构确定标准权重，并使用模糊TOPSIS方法获得最终指标。Jaewook L提出了一种混合方法，用于武器系统选择，结合AHP和PCA来确定权重。针对于武器装备体系的能力评估，Matthews基于体系结构方法提出了一种C⁴ISREW SOS能力评估框架和方法论，分析影响能力评估的三个重要因素：系统复杂性、作战需求的不确定性；Lee使用改进的层次分析法评估陆军武器装备体系的作战潜能；李航航以对地攻击为示例研究了AHP法在武器装备规划与决策中的应用；王涛在构建的信息化作战部队能力评估指标体系基础上，采用模糊综合评价与数据包络分析(DEA)理论研究信息化作战部队能力评估问题，S.Y等人提出一种基于能力需求的武器装备体系作战能力评价方法，将体系作战能力分解为五种基本作战能力(信息能力、打击能力、防护能力、机动能力、综合保障能力)，通过ANP法获得对体系作战能力的满足程度。Jichao Li等人提出以OODA循环为基础的网络效率作为评估作战网络能力指标，去探究异构复杂网络的鲁棒性问题，并指出OODA环运用于异构复杂网络的局限性在于计算复杂度过高，Diet等人通过量化网络中的OODA链数量路来分析异构军事组织的稳健性。均指出这些方法都均有很高的复杂度，不适用于大规模复杂网络。研究发现OODA链计算复杂度高原因主要为：一是没有进行模型处理，军事作战网络为处于ER随机网络和Scale-Free模型网络中的特殊网络，故生成网络模型后，需对模型进行某些特殊处理。减少计算OODA链过程中某些不必要的计算量；二是D节点的处理不够灵活，由于D节点是整个OODA链中的关键节点，故不当处理会造成计算复杂度大量增加。

发明内容

本发明目的在于克服现有技术不足，提供一种较低计算复杂度的计算方式去求解OODA链数量，该发明方法与武器装备体系相联系，提出有效OODA链概念并计算有效OODA链数量，为以OODA链为基础的其他网络科学提供材料。本方法主要针对于上述计算复杂度大的两个问题进行优化，一是优化一体化武器装备模型，以随机ER模型为基础，对不必要边进行处理来优化模型，然后以重要性方式来对各种类型的实体实施有效分类，提高模型质量，使其更接近实际一体化武器装备模型；二是针对D节点的处理，提出了有效OODA链的概念联系实际对D节点做出优化处理。最后通过分类(边和点分类)算法计算出最终的有效OODA链，该算法对武器装备作战网络有着重要的军事价值意义。

鉴于此，本发明采用的技术方案是：一种计算有效OODA链数量的方法，包括以下步骤：

步骤1，生成ER随机网络模型，并对ER随机网络模型进行度排序。

步骤2，在模型中度数最高的节点作为D节点，度数次高的节点作为S节点，最后将剩余节点作为I节点，D指指挥控制类实体，S指侦查监视类实体，I指影响类实体。

步骤3，计算D节点出度与入度。

步骤4，将出度与入度分别保存在两个列表中，进行组合运算，得到最后有效OODA链数量。

更进一步，在步骤2中还包括删除模型中S→I、D→S、I→I、I→S和I→D的边，生成符合实际武器装备体系网络模型的雏形。

在此基础上，给所述武器装备体系网络模型雏形的节点和边进行染色，生成完整的武器装备体系网络模型，并统计各类边数量。

更具体地，步骤3计算D节点出度与入度需要对出度与入度进行修正。

其中，D节点的出度修正后为：np，其中n为D节点数量，p为任意节点间连接概率。

D节点的入度修正后为：np+e_i，

n为D节点数量，x为S→S边数量，

为组合函数，e_i为S→S→D所引起的误差边的数量。

本发明建立了适合武器装备体系网络的模型及定义了有效OODA链概念来完成有效OODA链数量计算，为基于OODA链为基础的众多研究提供参考材料。本发明几个主要优势在于：首先是计算复杂度较低，主要体现在两个方面：一是步骤2中的生成网络模型仅保留具有实际价值的边，删除多余边，简化且精确网络模型，进而减少计算复杂度；二是步骤3与4中出度与入度运算及有效OODA链概念的提出将OODA链数量计算过程分步进行，重新组合(将S→D边与相应D→I边组合)形成有效OODA链，其中对S→D边的数量估算方法及对D→D边的有效处理是降低计算复杂度的主要原因。第二个优势体现在异构复杂网络的鲁棒性分析领域，对于异构复杂网络的鲁棒性分析往往没有统一的指标去描述，目前存在的分析方法均为攻击点，攻击边后估量网络系统的鲁棒性，运用本发明算法可运用有效OODA链数量指标去估量网络系统鲁棒性，该指标对异构复杂网络系统具有统一性。

附图说明

图1为有效OODA链原理图；

图2为武器装备体系网络模型的构建及有效OODA链数量计算流程框图；

图3为500节点军事作战网络模型。

具体实施方式

对本实施例的实施作出以下两点说明：

1)本方法为切合实际，将OODA(Observe Orient Decide Action)四种类型的节点抽象为SDI(Snsor Decider Influence)三种类型的节点。

2)有效OODA链定义：以所有D(指挥)节点处理相同信息的能力是一致的为前提，假设S1→D1→I1与S1→D1→D2→I1是一致的，且S1→S2→D1→I1与S2→S1→D1→I1也为一致，即在SDI链中，S和I相同的情况下，处于环中心的D节点无论有多少个，S之间的顺序为何，均为同一条OODA链。

如图1所示的本发明的有效OODA链原理图：

有效OODA链指当S节点和D节点相同时，无论OODA链中有多少数量的D节点，效果一致(效果一致的OODA链看作一条OODA链)。如：S1→D1→I3与S1→D1→D2→D1→I3看作同一条有效OODA链，同理，S2→S3→D1→I1与S3→S2→D1→I1为同一条有效OODA链，即S节点信息传递先后顺序不会影响有效OODA链数量产生变化。

本发明是基于Python下的networkx包来完成一体化武器装备模型建立和有效OODA链的计算。整个发明算法的框图如图2示：

Step 1:本发明完全基于Python下networkx包运行，由于需要实现模型可视化，需要附加的安装包为matplotlib与pyplot，且需要借助Math包来完成相关计算。在流程框图开始，利用networkx中erdos_renyi_graph()方法配合构造器generators生成ER随机网络模型。然后对ER随机网络模型进行度排序。

Step 2:完成度排序后，将D节点作为最重要节点，在模型中即节点度数最高的节点，度数次高的节点作为S节点，最后将剩余节点作为I节点，此时S、D、I节点颜色分别为：蓝色、红色、黄色。接着删除模型中不必要边，由于武器装备体系网络中存在上下级关系，上级不会向下级汇报工作或替之做出决策选择，为此需要删除模型中S→I、D→S、I→I、I→S、I→D边，生成符合实际武器装备体系网络模型雏形，此时边还未染色。

Step 3:生成武器装备体系网络雏形后，需要对边染色使得模型表现出点和边的异构性，即不同边作用各不相同。在模型中针对剩余4种边染色，图中染色方式为：S→S、S→D、D→D、D→I分别染色为：绿色、蓝色、红色、黄色。染色完成后模型为完整的武器装备体系网络模型。

Step 4:武器装备体系网络模型图如图3所示，在完成模型图构建后，统计各类边数量为下列有效OODA链数量计算做铺垫。

Step 5:初步计算D节点出度与入度，利用networkx中in_degree与out_degree方法实现，接下来的工作需要针对出度与入度进行修正，因出度与入度的修正方式不同，故分步进行修正。首先D节点出度中不仅包含D→I边，还包括D→D边，D→D边是造成D节点出度有误差的主要原因，故需要对出度多出来的边采取误差修正，利用D节点的数量与任意节点之间的连接概率取得修正的误差为np，其中n为D节点数量,p为任意节点间连接概率。故修正后D节点出度为：D.out_degree–np。实验仿真证明，修正之误差可忽略不计。

Step 6：修正D节点出度之后，本步骤继续修正D节点入度，D节点入度主要由S→D、D→D边组成，与此同时还忽略了S→S→D之间形成的S→D链数量。故需要修正两部分内容，其中D→D所引起的入度误差与出度是一致的，均为np。S→S→D所引起的误差为减少计算量采取估计的方式，该误差所引起的数学模型为：

此处的n为D节点数量，x为S→S边数量，

为组合函数，e_i为S→S→D所引起的误差边的数量。故修正之D节点的入度为D.in_degree–np+e_i。

Step 7：得到修正后D节点出度与入度后，将出度与入度分别保存在两个列表中，将入度列表记为一维矩阵A，出度列表转置记为n(n为D节点的数量)维矩阵B，将矩阵A乘矩阵B，得到最后有效OODA链数量，算法结束。

Claims (6)

1.一种计算有效OODA链数量的方法，其特征在于，包括以下步骤：

步骤1，生成ER随机网络模型，并对ER随机网络模型进行度排序；

步骤2，在模型中度数最高的节点作为D节点，度数次高的节点作为S节点，最后将剩余节点作为I节点，D指指挥控制类实体，S指侦查监视类实体，I指影响类实体；

步骤3，计算D节点出度与入度；

步骤4，将出度与入度分别保存在两个列表中，进行组合运算，得到最后有效OODA链数量

有效OODA链定义为：以所有D节点处理相同信息的能力是一致的为前提，在SDI链中，S和I相同的情况下，处于环中心的D节点无论有多少个，S之间的顺序为何，均为同一条OODA链；

有效OODA链指当S节点和D节点相同时，无论OODA链中有多少数量的D节点，效果一致。

2.根据权利要求1所述一种计算有效OODA链数量的方法，其特征在于：所述步骤2中还包括删除模型中S→I、D→S、I→I、I→S和I→D的边，生成符合实际武器装备体系网络模型的雏形。

3.根据权利要求2所述一种计算有效OODA链数量的方法，其特征在于：给所述武器装备体系网络模型雏形的节点和边进行染色，生成完整的武器装备体系网络模型，并统计各类边数量。

4.根据权利要求1-3任一项所述一种计算有效OODA链数量的方法，其特征在于：所述步骤3计算D节点出度与入度需要对出度与入度进行修正。

5.根据权利要求4所述一种计算有效OODA链数量的方法，其特征在于：所述D节点的出度修正后为：np，其中n为D节点数量，p为任意节点间连接概率。

6.根据权利要求4所述一种计算有效OODA链数量的方法，其特征在于：所述D节点的入度修正后为：np+e_i，

n为D节点数量，x为S→S边数量，

为组合函数，e_i为S→S→D所引起的误差边的数量。/>

Images