CN109816029B - 基于军事操作链的高阶聚类划分算法 - Google Patents

Abstract

本发明公开了一种基于军事操作链的高阶聚类划分算法，属于军事网络分析方法，更为具体地讲，是基于操作链的社区划分算法。本发明构建的作战体系网络模型包括传感器、指控和火力打击等3类节点，作战目标之间存在错综复杂的相互关系，它们在很大程度上反映了作战目标之间的组织关系，是对其进行群体划分以及分析敌方作战体系的组织构成情况都不可忽视的重要信息。本发明考虑了信息化战争体系对抗的特征，从最小操作链角度出发划分社区，定义的算法结合了复杂网络谱排序算法来降低社区划分复杂度，初始节点选取考虑了拓扑结构信息，提高了划分结果的准确性。

Description

基于军事操作链的高阶聚类划分算法

技术领域

本发明属于军事网络分析方法。更为具体地讲，是基于操作链的社区划分算法。

背景技术

随着科学技术的发展，现代战争正发生着前所未有的革命性变化。为了最大化己方作战效能，交战各方均利用各种网络将各自的作战单元以松耦合的形式有机地组织成为一个庞大的复杂系统。在这个过程中，网络起到“粘合剂”的作用，作战体系的概念应运而生。由此，以信息技术为支撑的体系对抗逐渐成为现代战争的一个典型特征，这也为现代战争的态势分析工作带来了一系列新的挑战。

由于信息技术的高速发展以及信息化武器装备的大力开发研制与成规模投入使用，信息化战争已经取代机械化战争成为当今战争的基本形态。信息化战争的基本作战形式是以信息技术为支撑的体系对抗，交战双方对抗的综合性和整体性大大增强，特别强调作战力量的统筹规划和系统集成。在军事领域，作战体系是由几十万、几百万甚至几千万个作战、指挥、通信、感知等实体相互经由射频等无线或者光、电缆等有线连接而形成的超大规模的复杂系统，发生于这样的两个体系之间的大规模联合作战就是军事理论意义上的体系对抗。

在信息化条件下的体系对抗中，实体级作战目标的数目空前庞大，它们种类众多、功能各异，与之相关的信息更是多到无法估量。在这种情况下，对敌方作战体系中的目标进行群体划分，可以很好地解决“战争炫目”问题，大大减少指挥人员在态势分析工作中需要关注的“焦点”数量，减轻他们的认知负担。而且，兵力级作战目标是由若干实体级作战目标根据特定的作战任务和一定的指挥控制原则组织构成。换言之，目标群体是兵力级作战目标的主要表现形式。对敌方作战体系中的目标进行群体划分，还能够充分满足指挥人员的态势分析需求，使其能够快速聚焦于具有军事决策意义的、更高层次的兵力级作战目标。由兵力层次分析、理解并且预判战场态势，将大大提高指挥人员的决策速度与效率。

因此，在信息化条件下的体系对抗中，目标分群成为态势分析工作，特别是分析敌方作战体系必不可少的重要内容。目标分群又称为目标群体划分，针对信息化战争的体系对抗特征，它是根据已经获知的作战目标信息，利用相关知识对其进行抽象描述，并且将它们按照一定标准聚合为更高抽象层次的目标群体，从而形成关于敌方作战体系组织构成情况的假设。它是对敌方作战体系组织结构的一种理解和解释，其目的是揭示敌方作战体系中各个组成部分之间的组织关系，辅助分析并且理解它们具备的作战能力以及担负的作战任务，解释它们乃至整个敌方作战体系在相关问题领域的各种行为。

目前，军事领域的相关研究人员在目标分群研究工作中取得了不少值得肯定的研究成果。他们主要针对敌方单一种类、战术级别的战斗实体进行目标分群研究，特别是战场有生力量，例如军事人员、载人军事装备等。此外，现有的目标分群方法多数是在忽视战斗实体之间相互关系的情况下，仅仅利用它们的个体属性，将其从空间、功能和任务分工上进行单一划分，使之形成彼此独立的目标群体。尽管这些方法在一定程度上已经能够较好地对某些单一种类、战术级别的战斗实体进行群体划分。但是，现有的目标分群方法在对敌方作战体系中的目标进行群体划分时，仍存在一些不足，还不能够完全有效应对体系对抗带来的一系列新挑战，其根源在于作战体系的高度复杂性。

在信息化战争中，作战双方已不再是单一军种、单种兵器和单一方式的对抗，取而代之的是由侦察探测、指挥控制和火力打击等作战要素按照一定的指挥关系、组织关系和运行机制构成的作战体系与体系之间在战争全领域的对抗。作战体系包括指挥控制单元及其作用关系，从作战体系的整体角度出发，更能深入认识和准确把握指挥控制对作战能力的影响。由于各作战实体功能作用不同，基于单一作战要素的网络模型忽略了节点的异质性，不能反映作战体系的复杂构成和整体结构。

对于操作链的定义，在此操作链即是装备体系的OODA环，军事操作链用以实现装备体系OODA观察(Observe)、调整(Orient)、决策(Decide)以及行动(Act)环路功能。在面向任务的作战模式下，情报、任务、态势等信息由上级指挥系统下发，武器系统基于特定威胁及信息支持，围绕各自的情报信息与态势图，按照作战任务完成火力打击。整个操作链的应用过程针对的是信息化武器装备体系的建设，军事操作链所属的雷达节点、指控节点、打击节点等装备形成一个完整的作战模块，在此称为操作链模块。如何最大化体系作战效能的操作链模块的划分具有重要意义。

瞄准信息化战争的体系对抗特征，利用复杂网络社区探测方法对敌方作战体系中的目标进行群体划分无论在理论上还是在应用上都具有非常重要的意义。该研究具有鲜明的时代特征，可以弥补现有目标分群方法的不足；同时，它是网络科学理论及其方法与实际军事问题研究的一次紧密结合，充实并且丰富了目标分群的理论与方法，符合军事科学研究开放性的客观要求，更为重要的是它切实解决了指挥人员在态势分析工作中面临的实际军事问题。

发明内容

本发明的目的在于克服现有技术的不足，提供一种基于操作链模块的战术网络社区划分方法，包括以下步骤：

步骤1：给定网络和操作链模块M，形成一个模块邻接矩阵，模块邻接矩阵里面的元素(W_M)_ij＝同时包含节点i和节点j的模块的数量；

步骤2：计算模块邻接矩阵的拉普拉斯变换矩阵；

步骤3：计算拉普拉斯变换矩阵K个最小非零特征值对应特征向量，z₁,z₂,…,z_k；

步骤4：排列k个特征向量形成N×K矩阵，取形成N个k维向量；

步骤5：每个行向量包含一个节点信息，运用改进的K-means聚类子算法对节点分群。

进一步，所述步骤5改进的K-means聚类子算法包括以下步骤：

步骤5.1：按照中心度高和分布离散两个指标选取初始中心节点；

步骤5.2：计算每个节点到各个中心节点的距离，把节点划分到距离最近的所属社区；

步骤5.3：计算每个社区内的节点到该社区其他节点的平均最短路径，根据社区平均最短路径更新为该社区的中心节点；

步骤5.4：计算模块导通率，模块导通率定义为划分社区破坏的模块数量除以每个社区内存在于模块中的节点数。若模块导通率变化量大于阈值th1，则回到步骤5.2，若小于阈值th1，则继续；

步骤5.5：从社区中心点出发，检验社区内节点是否连通，把不连通的节点划分到最近节点所属社区，计算模块导通率，若模块导通率变化量大于阈值th2，则回到步骤5.2，若小于th2，社区划分成功，结束算法。

进一步，所述节点分为传感器、指控和火力打击三种节点。

本发明的有益效果是：考虑了信息化战争体系对抗的特征，从最小操作链角度出发划分社区，定义的算法结合了复杂网络谱排序算法来降低社区划分复杂度，初始节点选取考虑了拓扑结构信息，提高了划分结果的准确性。

本发明的其他优点、目标和特征在某种程度上将在随后的说明书中进行阐述，并且在某种程度上，基于对下文的考察研究对本领域技术人员而言将是显而易见的，或者可以从本发明的实践中得到教导。本发明的目标和其他优点可以通过下面的说明书和权利要求书来实现和获得。

附图说明

为了使本发明的目的、技术方案和优点更加清楚，下面将结合附图对本发明作进一步的详细描述，其中：

图1为本发明划分社区算法流程图；

图2为基于军事操作链的高阶聚类划分说明图。

具体实施方式

以下将参照附图，对本发明的优选实施例进行详细的描述。应当理解，优选实施例仅为了说明本发明，而不是为了限制本发明的保护范围。

在作战体系网络中，由于各作战实体的功能不同，本发明把节点分为传感器(S)、指控(D)和火力打击节点(I)，形成一个能够完成特定任务的基本操作链，定义为操作链模块M、如图2左图所示。本发明提出的算法在网络中寻找社区有两个目标。第一，使每个社区参与到操作链中的节点尽可能多；第二，在划分社区使破坏的操作链数量尽可能少。准确的说，算法目标是找到划分的聚类使得模块导通率尽可能小。模块导通率定义为：

其中是除去S_i后余下的部分，如图2右图所示。/>是破坏的模块权重(即模块中的节点至少一个在S_i中，一个在/>中,其中，/> 是S_i中参与到操作链中的节点数。由于计算出每种划分的模块导通率复杂度太高，随着节点数的增加，计算复杂度成指数增长，是一个NP难题。因此，本发明定义了一个近似的优化算法，提出基于军事操作链的高阶聚类划分算法。首先，建立作战体系网络模型，根据操作链模块形成模块邻接矩阵；然后计算模块邻接矩阵的拉普拉斯变换并计算拉普拉斯变换矩阵的K个最小非零特征值对应的特征向量，排列成N×K矩阵，矩阵的每个行向量包含一个节点信息，因此，对这K个向量运用子算法φ。初始中心节点选取考虑中心度和离散度两个指标，中心度表示为：

df_i是节点i的邻居节点的模块度，是所有节点的邻居节点模块度之和。离散度表示为：

δ_i解释为比节点i中心度高的节点到节点i的最短路径的最小值。其中，中心度最大的节点V_k，指定其最小距离为δ_k＝max(δ_i),i≠k。

综合考虑两个指标定义节点的CV值，选取前k个CV(Comprehensive Value)值较大的节点作为初始中心。其中，节点的CV值定义为：

CV_i＝ρ_iδ_i，

得到初始中心节点后，计算每个节点到各中心的距离，把节点划分到距离最近的社区，并计算每个社区中的节点到该社区其他节点的距离，选取距离最小值为新中心点。计算RatioCut_M(S₁,S₂,…,S_k)，重复前两步，直到RatioCut_M(S₁,S₂,…,S_k)值变化量小于阈值th1。检验每个社区节点是否连通，若不连通，把节点划分到邻居节点所属社区，重新计算模块导通率RatioCut_M(S₁,S₂,…S_k)并检验其变化量是否小于阈值th2，若小于th2，则得到作战体系网络社区划分结果。

在此基础上，本发明分为模块化高阶聚类算法(算法Ψ)和改进的K-means聚类子算法(算法Φ)，流程图如图1所示；

算法Ψ包括以下步骤：

Step1：给定网络和操作链模块M，形成一个模块邻接矩阵，模块邻接矩阵里面的元素(W_M)_ij＝同时包含节点i和节点j的模块的数量。

Step2：计算模块邻接矩阵的拉普拉斯变换矩阵。

Step3：计算ζ(M)的k个最小非零特征值对应的特征向量，z₁,z₂,…,z_k。

Step4：排列k个特征向量形成N×K矩阵，取形成N个k维向量。

Step5：每个行向量代表一个节点，运用子算法Φ对每个节点进行分群。

子算法Φ包括以下步骤：

Step1：按照中心度高和分布离散两个指标选取初始社区中心点

Step2：计算每个节点到各中心节点的距离，把节点划分到距离最近的中心节点所属社区。

Step3：计算每个社区内的节点到该社区其他节点的平均最短路径，平均最短路径最小的节点更新为该社区的中心点。

Step4：计算模块导通率，模块导通率定义为划分社区破坏的模块数量除以每个社区内存在于模块中的节点数,若模块导通率的变化大于阈值th1，则回到Step2。

Step5：从社区中心点出发，检验每个社区中的节点是否连通，把不连通的节点划分到距离最近的类。检验模块导通率变化是否大于阈值th2，若大于th2，回到Step2。若小于th2，社区划分成功，结束算法。

最后说明的是，以上实施例仅用以说明本发明的技术方案而非限制，尽管参照较佳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，可以对本发明的技术方案进行修改或者等同替换，而不脱离本技术方案的宗旨和范围，其均应涵盖在本发明的权利要求范围当中。

Claims (1)

1.一种基于军事操作链的高阶聚类划分算法，包括以下步骤；

步骤1：根据已经获知的作战目标信息，建立作战体系网络模型，然后根据操作链模块M，形成一个模块邻接矩阵，模块邻接矩阵里面的元素(W_M)_ij＝同时包含节点i和节点j的模块的数量；

操作链模块M：军事操作链所属的雷达节点、指控节点、打击节点等装备形成一个完整的作战模块；

所述节点分为传感器、指控和火力打击三种节点；

步骤2：计算模块邻接矩阵的拉普拉斯变换矩阵；

步骤3：计算拉普拉斯变换矩阵K个最小非零特征值对应特征向量，z₁,z₂,…,z_k；

步骤4：排列k个特征向量形成N×K矩阵，取形成N个k维向量；

步骤5：每个行向量包含一个节点信息，运用改进的K-means聚类子算法对节点分群；

所述步骤5改进的K-means聚类子算法包括以下步骤：

步骤5.1：按照中心度高和分布离散两个指标选取初始中心节点；

步骤5.2：计算每个节点到各个中心节点的距离，把节点划分到距离最近的所属社区；

步骤5.3：计算每个社区内的节点到该社区其他节点的平均最短路径，根据社区平均最短路径更新为该社区的中心节点；

步骤5.4：计算模块导通率，模块导通率定义为划分社区破坏的模块数量除以每个社区内存在于模块中的节点数，若模块导通率变化量大于阈值th1，则回到步骤5.2，若小于阈值th1，则继续；

步骤5.5：从社区中心点出发，检验社区内节点是否连通，把不连通的节点划分到最近节点所属社区，计算模块导通率，若模块导通率变化量大于阈值th2，则回到步骤5.2，若小于th2，社区划分成功，结束算法。